-
公开(公告)号：CN108710114B
公开(公告)日：2021-07-13
申请号：CN201810346136.6
申请日：2018-04-18
Applicant: 上海交通大学
IPC: G01S7/41
Abstract: 一种基于BP神经网络多类分类的湍流目标探测方法，依据湍流回波模型在不同的信噪比条件下分别生成回波幅值序列和与其对应的强度等级组成BP神经网络的训练集和测试集，以使得训练后的BP神经网络将湍流强度分为若干等级，实现湍流探测。本发明无需借助经验公式和参数化模型，利用神经网络的多类分类功能，将气象目标雷达回波幅值序列作为神经网络训练集输入数据，湍流强度等级作为训练集输出数据，仅通过对大量回波数据的学习可有效的确立雷达回波与湍流强度之间的关系，从而可利用神经网络对湍流强度进行分类达到湍流探测的目的。
-
公开(公告)号：CN109800796A
公开(公告)日：2019-05-24
申请号：CN201811633084.7
申请日：2018-12-29
Applicant: 上海交通大学
Abstract: 一种基于迁移学习的船舶目标识别方法，首先通过数据增强的方法生成数据集，将数据集进行基于正负样本数目的优化划分得到训练集和测试集，为避免小样本数据集导致的过拟合采用InceptionV3模型以迁移学习的方式对数据集进行训练和测试，以定量评判指标作为定量评价指标，并选取真实场景拍摄的视频帧进行对比测试，通过设定阈值得出的一系列坐标点，绘制定性评估指标ROC曲线，并生成分类信息作为定性评价指标。本发明无需手工提取特征即能实现对船舶目标域的高精度分类、高运算效率的识别，其具有更高的分类召回率且运算速度更快。
-
公开(公告)号：CN107977950A
公开(公告)日：2018-05-01
申请号：CN201711272467.1
申请日：2017-12-06
Applicant: 上海交通大学
IPC: G06T5/50
Abstract: 一种基于多尺度指导滤波的快速有效视频图像融合方法，通过将输入的两幅图像互为指导进行多尺度分解，分别得到反映图像亮度和对比度的基础层，以及反映图像的大部分视觉信息的细节层，然后利用基础层和细节层各自的融合规则分别进行融合，最后经二尺度图像重构得到融合图像。本发明与指导滤波(Guided Filtering-GF)算法和基于图像统计的医学图像融合方法(GFS)相比，本发明融合效果好且运算速度更快。
-
公开(公告)号：CN107977950B
公开(公告)日：2021-06-04
申请号：CN201711272467.1
申请日：2017-12-06
Applicant: 上海交通大学
IPC: G06T5/50
Abstract: 一种基于多尺度指导滤波的快速有效视频图像融合方法，通过将输入的两幅图像互为指导进行多尺度分解，分别得到反映图像亮度和对比度的基础层，以及反映图像的大部分视觉信息的细节层，然后利用基础层和细节层各自的融合规则分别进行融合，最后经二尺度图像重构得到融合图像。本发明与指导滤波(Guided Filtering‑GF)算法和基于图像统计的医学图像融合方法(GFS)相比，本发明融合效果好且运算速度更快。
-
Patent Agency Ranking
公开(公告)号：CN108710114A
公开(公告)日：2018-10-26
申请号：CN201810346136.6
申请日：2018-04-18
Applicant: 上海交通大学
IPC: G01S7/41
CPC classification number: G01S7/417
Abstract: 一种基于BP神经网络多类分类的湍流目标探测方法，依据湍流回波模型在不同的信噪比条件下分别生成回波幅值序列和与其对应的强度等级组成BP神经网络的训练集和测试集，以使得训练后的BP神经网络将湍流强度分为若干等级，实现湍流探测。本发明无需借助经验公式和参数化模型，利用神经网络的多类分类功能，将气象目标雷达回波幅值序列作为神经网络训练集输入数据，湍流强度等级作为训练集输出数据，仅通过对大量回波数据的学习可有效的确立雷达回波与湍流强度之间的关系，从而可利用神经网络对湍流强度进行分类达到湍流探测的目的。
-
公开(公告)号：CN108153980A
公开(公告)日：2018-06-12
申请号：CN201711430677.9
申请日：2017-12-26
Applicant: 上海交通大学
Abstract: 一种基于ADS-B与TCAS数据融合的综合显示方法，包括：广播式自动相关监视的接收和广播式自动相关监视的发送，其中：广播式自动相关监视的接收首先通过基于变分贝叶斯-IMM算法的融合模型仿真结果分析，再在ADS-B报文解码的基础上进行ADS-B与TCAS两系统的综合显示。本发明通过在以ADS-B设备为主的半物理仿真环境中设计并实现，适合处理ADS-B及TCAS噪声时变且未知的情景。
-
公开(公告)号：CN109299735B
公开(公告)日：2021-08-20
申请号：CN201811071458.0
申请日：2018-09-14
Applicant: 上海交通大学
Abstract: 一种基于相关滤波的抗遮挡目标跟踪方法，在手动选择跟踪目标之后先使用LCT跟踪器中的运动相关滤波器和外观相关滤波器分别对目标的平移及目标的尺度进行估计并得到目标跟踪结果，并在丢失目标时分别采用在线分类器的检测结果作为跟踪结果以恢复准确目标跟踪或采用重新检测器和LCT跟踪器进行交替继续跟踪。
-
公开(公告)号：CN109299735A
公开(公告)日：2019-02-01
申请号：CN201811071458.0
申请日：2018-09-14
Applicant: 上海交通大学
Abstract: 一种基于相关滤波的抗遮挡目标跟踪方法，在手动选择跟踪目标之后先使用LCT跟踪器中的运动相关滤波器和外观相关滤波器分别对目标的平移及目标的尺度进行估计并得到目标跟踪结果，并在丢失目标时分别采用在线分类器的检测结果作为跟踪结果以恢复准确目标跟踪或采用重新检测器和LCT跟踪器进行交替继续跟踪。
-
公开(公告)号：CN107067019A
公开(公告)日：2017-08-18
申请号：CN201611164933.X
申请日：2016-12-16
Applicant: 上海交通大学
IPC: G06K9/62
CPC classification number: G06K9/6289
Abstract: 一种基于变分贝叶斯估计下的ADS‑B与TCAS数据融合方法，利用变分贝叶斯算法在线估计传感器时变噪声，作为IMM交互多模型滤波过程中观测噪声的参数输入，改变以往将观测噪声作为已知固定常数的情况。因为在实际运用中，传感器噪声可能因为传感器本身特性，环境因素等出现变化，如果利用先验知识设定观测噪声，容易造成跟踪效果恶化。变分贝叶斯在线估计噪声，在解决缺乏噪声的先验知识的情景之外，也可以为融合系统的安全性提供保障。对于危害元素在噪声中表征的情况起到很好的侦测作用。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
