-
公开(公告)号:CN118657888A
公开(公告)日:2024-09-17
申请号:CN202411072863.X
申请日:2024-08-06
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于深度先验信息的稀疏视角三维重建方法,所述方法包括:通过运动恢复结构算法获取输入多帧图像的相机拍摄位姿、相机内参矩阵、场景稀疏点云以及场景稠密点云;利用场景深度信息稠密估计的大模型获取各已知视角下的场景深度先验;实现场景稀疏点云向二维图像的映射,利用深度先验信息完成场景结构估计;以三维高斯泼溅为算法的主体框架,将深度先验引导扩充后的初始化点云作为算法输入,计算渲染后的各视角图像光学信息、深度信息等;根据单目深度在不同物体上,相比于深度真值具备不同的尺度信息,设计物体级的单目深度约束,并添加平滑正则化项。本发明的场景渲染质量高,计算简单,工程实现容易。
-
公开(公告)号:CN118587129A
公开(公告)日:2024-09-03
申请号:CN202411073021.6
申请日:2024-08-06
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于残差掩膜引导的图像阴影修复方法,以改善图像的阴影去除效果。方法主要包括:利用Transformer网络在处理长程依赖关系和全局上下文信息方面的优秀性能,学习阴影区域和非阴影区域之间的相关性,实现初步的阴影去除;提出掩膜提取算法,利用初步修复结果和真实无阴影图像计算残差掩膜;设计残差掩膜损失函数,并设置适当的迭代修复阈值,通过残差掩膜的引导实现阴影图像的迭代修复,以得到更自然的最佳修复效果。本发明能够根据输入的有阴影图像和不精确的掩膜提示得到准确逼真的阴影修复效果,可广泛用于阴影去除任务中,提高图像质量,改善后续下游任务性能。
-
公开(公告)号:CN115410147B
公开(公告)日:2024-07-02
申请号:CN202210979010.9
申请日:2022-08-16
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种面向全天候的跨模态自适应融合行人目标检测系统及方法,主要包括跨模态差分信息融合模块和置信度感知自适应融合模块两部分。跨模态差分信息融合模块主要是针对网络提取后的可见光及红外模态的特征信息进行互补特征加强,通过全局池化及平均池化操作增强两者的差分特征图的空间信息,然后通过全连接层及Tanh激活函数获取各个模态的融合特征向量,进而对初步提取的可见光及红外模态特征分别进行特征增强表达;置信度感知自适应融合模块充分利用置信度感知表达对增强后的不同模态之间的特征进行自适应加权,使得网络检测器能够更好地选择可信赖的模态进行处理,提升检测器的鲁棒性;最后利用多任务损失实现网络模型参数优化。
-
公开(公告)号:CN116977826A
公开(公告)日:2023-10-31
申请号:CN202311018319.2
申请日:2023-08-14
Applicant: 北京航空航天大学
IPC: G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/063
Abstract: 本发明提供了一种边缘端计算架构下的可重构神经网络目标检测系统及方法,包含以下模块及功能:可重构神经网络加速器:对收集到的数字图像信号进行预处理,构建特征提取网络模块对图像进行初步特征提取,实现对图像实时智能增强处理;嵌入式处理器:承载神经网络主体推理计算功能,实现边缘计算架构下的目标检测;通信模块:进行图像数据的输入和输出,完成系统与外部的数据通信功能,满足跨处理器神经网络分布计算数据高速传输;存储器:用于存储处理器和可重构神经网络加速器所需的数据。本发明采用可重构神经网络加速器与嵌入式处理器协同处理的目标检测方法,设计合理,模块优势互补,针对边缘端计算架构下的目标检测效果良好、实时性高。
-
公开(公告)号:CN116883681A
公开(公告)日:2023-10-13
申请号:CN202310999356.X
申请日:2023-08-09
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于对抗生成网络的域泛化目标检测方法。首先构造特征提取网络对输入图像特征进行提取;构造域激励注意力模块对特征提取网络提取的特征进行进一步提取,提高其域泛化能力;构造特征金字塔网络FPN对特征提取网络特征进行多尺度融合;构造对抗生成网络正则化模块,将FPN提取的特征与标准高斯分布进行对齐,避免FPN过拟合;构造检测头网络,预测检测目标的位置、类别与目标中心位置;构造目标中心对齐模块,对FPN提取的特征进行对抗训练,进一步提升FPN提取特征的域泛化能力。本发明采用的网络结构设计合理,能够克服现有目标检测方法提取特征泛化能力弱等问题,增强目标检测的鲁棒性。
-
公开(公告)号:CN116841317A
公开(公告)日:2023-10-03
申请号:CN202310815670.8
申请日:2023-07-05
Applicant: 北京航空航天大学
IPC: G05D1/10
Abstract: 本发明涉及一种基于图注意力强化学习的无人机集群协同对抗方法,增强了各无人机之间的协同作战能力,在无人机集群协同对抗的模拟仿真环境中取得实验成功:(1)设计了处理无人机集群的观测数据处理模块,得到图注意力网络的训练数据;(2)采用图注意力网络学习无人机集群中个体在协同对抗任务中应采取的行动;(3)在仿真环境中与另一组无人机集群进行协同对抗实验,并与其他基于强化学习的无人机集群协同对抗方法进行性能的比较测试。
-
公开(公告)号:CN115546623A
公开(公告)日:2022-12-30
申请号:CN202211136715.0
申请日:2022-09-19
Applicant: 北京航空航天大学
IPC: G06V20/05 , G06V10/34 , G06V10/82 , G06V10/774 , G06V10/764 , G06V10/14 , G06N3/08 , G06N3/04 , G06N3/063
Abstract: 本发明公开了浅海水下小样本目标检测系统及方法,可通过被动成像方式对水下障碍威胁目标进行检测,该系统包含宽频振动机电协同稳像平台、微偏振成像系统、实时透海雾增强处理装置、边缘端神经网络计算单元及部署于其上的水下特征退化目标小样本检测技术,能够通过被动光学成像手段解决浅海障碍威胁目标检测过程中面临的平台抖动、水雾降质、样本不足等问题。该系统从前端成像设备、后端处理算法两方面同时着手,提升了系统的成像清晰度,并包含智能化的检测模块及计算单元,可以较低的成本实现对水下障碍威胁目标的实时检测与渲染输出。
-
公开(公告)号:CN115439801A
公开(公告)日:2022-12-06
申请号:CN202210925327.4
申请日:2022-08-03
Applicant: 北京航空航天大学
IPC: G06V20/52 , G06V10/778 , G06V10/82 , G06V10/94
Abstract: 本发明公开了一种基于迁移学习的小样本军事车辆轻量化检测方法,首先,用轻量化模块构建轻量级目标检测网络,用大量已标注的民用车辆数据训练网络模型,得到基础模型;接着,以民用车辆的表征先验知识作为引导,用少量军事车辆样本对基础模型进行进一步的迁移学习,使网络学习对军事车辆的检测能力,获得最终的小样本检测模型;最后,将小样本检测模型在嵌入式计算平台上进行部署,利用嵌入式端在线纠错更新技术,增强检测算法进行场景应用的灵活性和鲁棒性。这种方法采用的网络结构、训练方式设计合理,针对军事车辆目标的检测效果良好,且算法能够满足在嵌入式平台上进行实时处理的需求。
-
公开(公告)号:CN115357218A
公开(公告)日:2022-11-18
申请号:CN202210921405.3
申请日:2022-08-02
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于混沌预测对抗学习的高熵随机数生成方法,首先选用一个现有的随机数生成器作为起始状态;随后构造生成网络,将起始状态输入生成网络,获取网络的输出值作为随机数;构造判别网络对生成网络输出的值与另一现有的随机数生成器生成值进行判别,保证生成网络输出的随机数服从目标分布;构造预测网络,将生成网络中生成的多个数值拆分成两部分,并用前一部分数值通过预测网络预测后一部分数值;重复多轮按照判别网络、预测网络、生成网络的顺序对网络进行训练,促使生成网络生成的随机数服从目标分布并具有高随机性。这种基于对抗学习的随机数生成方法采用的网络结构设计合理,并且能够生成符合目标分布的熵值较高的伪随机数。
-
公开(公告)号:CN113873171A
公开(公告)日:2021-12-31
申请号:CN202111133254.7
申请日:2021-09-27
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种硬件在线可重配置的双帧曝光宽动态视频合成方法,包括以下步骤:(1)利用单片机控制相机的快门时间得到连续的两帧过曝光与欠曝光图像。(2)将得到的欠曝光与过曝光图像进行RGB颜色空间和YCrCb颜色空间的转换,得到图像亮度分量和颜色分量。(3)采用传统空间域线性变换方法对亮度分量图像与颜色分量图像进行分段线性变换。(4)将线性变换后的两帧过曝光和欠曝光图像的亮度分量图像与颜色分量图像进行合成(5)将合成后图像进行Gamma校正。(6)将合成后图像进行YCrCb颜色空间和RGB颜色空间的转换。
-
-
-
-
-
-
-
-
-