基于注意力和上下文感知的小目标检测方法

    公开(公告)号:CN115937736A

    公开(公告)日:2023-04-07

    申请号:CN202211354054.9

    申请日:2022-11-01

    Abstract: 本发明公开了基于注意力和上下文感知的小目标检测方法,包括以下步骤:S1、样本采集,进行样本视频采集;S2、样本处理,对采集到的视频数据进行初步筛选和划分;S3、样本标注,使用软件对数据集进行标注;S4、模型分析,提供训练模型进行训练。本发明通过对目标轮廓检测和调整标签长宽比,连接小目标的特征和相关背景的特征,增加小目标的可利用信息,达到利用上下文辅助小目标检测的效果;通过在网络中引入注意力机制,提高模型对小目标的关注度以及位置敏感性,增强模型的检测性能。

    一种基于无人机的车辆实时检测方法

    公开(公告)号:CN116129293A

    公开(公告)日:2023-05-16

    申请号:CN202310108884.1

    申请日:2023-02-11

    Abstract: 本发明涉及无人机目标检测技术领域,且公开了一种基于无人机的车辆实时检测方法,本方法是在Jetson tx2设备上进行测试,首先将训练好的模型转为onnx格式,然后使用TensoRT的API接口编写转化脚本,将onnx格式文件转为engine格式文件进行推理测试。该基于无人机的车辆实时检测方法是一种在Jetson TX2边缘运算设备上部署目标检测算法来进行无人机的车辆实时目标检测的技术,通过Ghost模块和Coordinate Attention注意力机制设计主干特征提取网络,既大幅降低主干模型部分的参数量,又在轻量化的基础上增强了主干网络提取特征信息的能力,整体相比于原本的YOLOv3模型保留了较高的检测精度,实现了边缘运算设备检测速度与检测精度很好的平衡,达到对模型轻量化的目的。

    基于SM4加密的ACARS数据链报文压缩的方法及应用

    公开(公告)号:CN118433130A

    公开(公告)日:2024-08-02

    申请号:CN202410652118.6

    申请日:2024-05-24

    Applicant: 上海大学

    Abstract: 本发明涉及数据压缩技术领域,提出了一种基于SM4加密的ACARS数据链报文压缩的方法及应用,其步骤包括:S1:生成报文明文,使用民用飞机数据链通信的报文数据成为报文明文;S2:SM4加密,对空地数据链上下行链路报文进行分析,并使用SM4算法分别对上下行链路报文进行加密,使用SM4的密钥扩展对数据报文明文进行加密和解密并输出结果;S3:设计Brotli压缩方案,基于Brotli算法设计不同质量等级算法;通过加密技术使得报文通信有一定的安全保障,并结合民用飞机数据链通信场景,提出了对加密过后的数据报文进行压缩的设计方案,实现本发明Brotli压缩算法对于空地数据链通信的优秀性能,实现了该压缩算法适用于航空数据链通信场景,能够确保ACARS数据链通信的有效性。

    一种自动化码头集装箱装船作业时间预测方法、系统、设备、介质及产品

    公开(公告)号:CN118982333A

    公开(公告)日:2024-11-19

    申请号:CN202410998932.3

    申请日:2024-07-24

    Applicant: 上海大学

    Abstract: 本申请公开了一种自动化码头集装箱装船作业时间预测方法、系统、设备、介质及产品,涉及集装箱码头管理技术领域,该方法包括获取集装箱作业数据;所述集装箱作业数据从构建好的自动化码头集装箱作业知识图谱中获取;将所述集装箱作业数据输入至集装箱装船作业时间预测模型,输出集装箱装船作业时间预测值;所述集装箱装船作业时间预测模型是采用训练样本对BP神经网络模型进行训练得到的;所述训练样本包括集装箱样本作业数据和对应的集装箱装船作业时间样本值;其中,所述集装箱装船作业时间预测模型包括依次连接的输入层、隐含层和输出层。本申请解决了目前因为无法判断集装箱作业时间而引起的效率低下问题。

    一种基于多模态特征融合的形变预测方法及系统

    公开(公告)号:CN115147832A

    公开(公告)日:2022-10-04

    申请号:CN202210813356.1

    申请日:2022-07-11

    Applicant: 上海大学

    Abstract: 本发明涉及形变检测技术领域,特别是涉及一种基于多模态特征融合的形变预测方法及系统,方法包括:获取训练数据集;训练数据集包括训练点云数据集和训练物理因素数据集;基于训练数据集得到训练好的点云特征提取模型和训练好的物理因素特征提取模型;获取待检测目标的点云数据和物理因素数据;基于点云数据和训练好的点云特征提取模型,得到待定位目标的点云特征向量;基于物理因素数据和训练好的物理特征提取模型,得到待定位目标的物理因素特征向量;将点云特征向量和物理因素特征向量进行特征融合,得到最大后验概率;基于最大后验概率得到形变等级。本发明将点云数据与物理因素数据进行优势互补,从而提高输出的形变结果的准确度。

Patent Agency Ranking