基于半监督滑窗全卷积网络的极化SAR图像分类方法

    公开(公告)号:CN112966749A

    公开(公告)日:2021-06-15

    申请号:CN202110254502.7

    申请日:2021-03-09

    Abstract: 本发明公开了一种基于半监督滑窗全卷积网络的极化SAR图像分类方法,属于图像处理技术领域。包括如下步骤:获取极化SAR图像各像素点的极化相干矩阵并去噪;对去噪后的矩阵T进行H/A/α分解;将矩阵T和H/A/α分解特征作为极化SAR图像的原始特征并归一化;选取训练样本和测试集,对半监督滑窗全卷积网络进行训练;使用训练后的网络对极化SAR图像进行分类,并统计测试样本的分类结果。本发明采用半监督滑窗全卷积网络进行极化SAR图像分类,得益于其端到端、点到点的分类架构,结合半监督策略,可以用较少的训练样本,得到较好的分类结果有利于获取良好的分类结果。

    一种基于YoloV3和双阈值模型压缩的目标检测方法

    公开(公告)号:CN112115837A

    公开(公告)日:2020-12-22

    申请号:CN202010954287.7

    申请日:2020-09-11

    Abstract: 本发明公开了一种基于YoloV3和双阈值模型压缩的目标检测方法,属于模型压缩技术领域。其包括:构建目标检测数据集,并划分训练集和测试集;使用YoloV3模型在训练集上面进行训练,将训练好的模型保存为YoloV3_N;使用YoloV3_N对验证集进行测试,将验证结果标记为Result_N;使用YoloV3_N模型在训练集上进行稀疏训练,将训练好的模型保存为YoloV3_S;使用双阈值模型压缩方法对YoloV3_S进行模型压缩,将压缩好的模型保存为YoloV3_C;使用YoloV3_C模型对验证集进行测试,将测试结果标记为Result_C;使用YoloV3_C模型在目标检测数据集上进行微调,将最终的模型保存为YoloV3_F;使用YoloV3_F模型对验证集进行测试,将测试结果标记为Result_F。本发明可以在基本不损失正确率的情况下进行模型压缩,解决机载目标检测部署问题。

    一种基于图像解析的战场语义化态势快速生成方法

    公开(公告)号:CN119474420A

    公开(公告)日:2025-02-18

    申请号:CN202410669662.1

    申请日:2024-05-28

    Abstract: 本发明公开了一种基于图像解析的战场语义化态势快速生成方法,属于战场态势生成技术领域。该方法包括:将战场区域划分为多个局部战场;对每个局部战场区域进行侦察;生成多源异构图像数据库;对多源异构图像数据库进行时空关系统一;构建战场态势要素组成体系;构建战场态势要素提取技术体系;对战场态势要素进行自适应提取;生成局部战场态势;基于局部战场态势生成全局战场态势。本发明提出了基于深度学习的战场态势要素提取架构,设计了基于深度学习的战场态势生成方法,提出了基于注意力机制的冲突态势融合方法和战场区域划分方法,以及完整的时空关系统一的方式,构建了一整套战场语义化态势自适应生成方法,能够为直接指战员提供决策辅助。

    一种基于多颗粒度表征的无人系统信息弹性适配方法

    公开(公告)号:CN118631390A

    公开(公告)日:2024-09-10

    申请号:CN202410650800.1

    申请日:2024-05-24

    Abstract: 本发明公开了一种基于多颗粒度表征的无人系统信息弹性适配传输方法,属于通信传输领域。该方法首先对通信质量进行评估,然后构建多级压缩码率信息内容颗粒度划分等级,将通信质量的取值范围平均分为四段,每段区间对应一个内容颗粒度等级;最后,根据内容颗粒度等级对传输方式进行弹性适配,选择相应的传输方式传输无人系统信息。本发明构建了2种通信质量评估模式,取两种模式获取的通信质量评估结果的均值作为下一个时刻的通信质量评估结果,基于通信质量评估等级直接确定内容颗粒度等级,并构建了通信内容弹性传输机制,结合无人机链路状态自动择优传输数据。

    一种安全及通信双约束的多无人机协同部署方法

    公开(公告)号:CN118118911B

    公开(公告)日:2024-07-02

    申请号:CN202410533431.8

    申请日:2024-04-30

    Abstract: 本发明属于多无人机协同控制领域,公开了一种安全及通信双约束的多无人机协同部署方法。该方法在考虑了无人机机间最大联通距离约束的情况下,兼顾了无人机之间的最小安全距离以防止碰撞,提出了以内切圆递阶缩小半径的方式确定寻址中心,并在该中心部署第一架无人机;然后,以该无人机为中心,根据目标点位置分布向外扩张寻址,部署其他无人机。本发明所解决的技术问题是多无人机协同通信支援场景中,同时考虑多无人机对目标的通信覆盖率、无人机机间安全距离保持、无人机机间联通保持等约束下的无人机选址部署问题,仿真用例验证了所提方法的简单、合理、有效,降低了计算过程复杂度的同时保证了所提方法的有效性。

    一种面向局部区域的无人机群打击方法

    公开(公告)号:CN117055614A

    公开(公告)日:2023-11-14

    申请号:CN202311053786.9

    申请日:2023-08-21

    Abstract: 本发明属于无人机群对抗领域,公开了一种面向局部区域的无人机群打击方法,主要解决无人机群打击问题,主要实现步骤为:基于电磁频谱定位方法获取任务区域内对方无人机群定位;基于无人机群定位分析对方无人机群拓扑关系;基于对方无人机群拓扑关系,分析其关键节点;对关键节点进行打击,转到步骤(1),继续执行,直到对方关键节点被打击完毕。本发明给出了一种局部区域内无人机群定位方法获取无人机群拓扑关系,通过多级聚类和单位圆确认的方式分析无人机群拓扑关系,并根据无人机群拓扑关系和信号强度判断出无人机群关键节点,最后基于多轮无人机群打击机制,直到打掉所有的关键节点。

Patent Agency Ranking