-
公开(公告)号：CN117891854A
公开(公告)日：2024-04-16
申请号：CN202410071049.X
申请日：2024-01-17
Applicant: 上海海洋大学
IPC: G06F16/2458 , G06F16/29 , G06Q50/26
Abstract: 本发明提供了一种海面温度不可逆性的量化方法，所述方法包括：获取一个时期内海面温度时间序列数据；将时间序列格式的海面温度数据转化为网络数据；对网络的相关拓扑结构进行统计，从网络本身的拓扑结构上获取信息；通过相对熵来获取对海面温度时间序列的不可逆性量化结果。本发明方法可对海面温度数据提供有效精准的非对称性量化，并且能够很好的保留原始数据的多尺度特征。
-
公开(公告)号：CN117809166A
公开(公告)日：2024-04-02
申请号：CN202311846743.6
申请日：2023-12-29
Applicant: 上海海洋大学
Abstract: 本发明公开了一种基于强化学习调整的层次概率水下图像增强模型构建方法，其包括：构建HPUIE模型，对其进行监督预训练；利用强化学习对HPUIE模型进行微调；在HPUIE模块中，提出了概率模块命名为特征到风格分布块(FTSD)，并将其整合到UNet网络的各层，在每一层特征上生成与水下图像风格相关的参数分布。通过利用分层潜在空间操作，可以在多尺度上对生成增强图像的不确定性进行建模，并有效地捕获各层输出之间复杂的相互依赖关系。基于强化学习的微调框架的设计，以改善HPUIE模型，提高其性能和泛化能力。使用预训练的HPUIE模型作为样本图像生成器和质量度量的组合作为奖励函数，该RL调整框架允许对来自不同环境和具有各种质量失真的水下图像进行无监督优化。
-
公开(公告)号：CN113326864B
公开(公告)日：2023-11-24
申请号：CN202110365966.5
申请日：2021-04-06
Applicant: 上海海洋大学
IPC: G06V10/774 , G06V10/74 , G06N20/00
Abstract: 一种图像检索模型训练方法，该模型的损失函数其中，m是全部样本的数量；P为正样本对集合；Pi为第i个样本作查询样本时，正样本对的集合；N为负样本对集合；Ni为第i个样本作查询样本时，负样本对的集合；n为选择的负样本对数量；δ为负样本对相似度从高到底排序的顺序(1‑n)；r为阈值参数，代表对负样本对优化的权重；λ、d为阈值参数，共同表示将正负样本拉开的距离；S表示相似度；Sik表示第i个样本和第k的样本的相似度；α、β为阈值参数，分别代表对正样本对损失的权重和对负样本对损失的权重。
-
公开(公告)号：CN111428908B
公开(公告)日：2023-08-25
申请号：CN202010106716.5
申请日：2020-02-21
Applicant: 上海海洋大学
IPC: G06Q10/04 , G06Q50/26 , G06N3/0442 , G06N3/048 , G06N3/09
Abstract: 本发明提供一种基于STL‑NN模型的海表面温度预测算法，其包括以下步骤：S1.采用基于局部加权回归的周期‑趋势分解方法将SST数据T分解为季节项S、趋势项C和余项R；S2.将分解得到的季节项S、趋势项C和余项R输入到神经网络预测模型中，得到若干天SST数据的预测值。该模型首先通过STL分解出SST的季节分量、趋势分量和剩余分量，确保SST数据的高效利用；在搭建神经网络预测模型时有效结合了LSTM模型的优点，能够利用其较强非线性逼近能力有效的对数据进行建模，最终预测出未来五天内的SST。在充分考虑序列数据特性的前提下，本发明方法不仅可以用于预测SST，在未来还可以推广至其它海洋要素序列数据的预测，具有非常广阔的推广应用前景。
-
公开(公告)号：CN111627047B
公开(公告)日：2023-06-16
申请号：CN202010428204.0
申请日：2020-05-20
Applicant: 上海海洋大学
IPC: G06T7/246 , G06T7/194 , G06T7/90 , G06V20/40 , G06V10/82 , G06N3/047 , G06N3/09 , G06T5/00 , G06T5/40
Abstract: 本发明提供一种水下鱼类动态视觉序列运动目标检测方法，包括步骤：S1：获取水下鱼类视频数据集；S2：对水下鱼类视频数据集进行预处理，获得预处理视频帧图像集；S3：利用GMG背景去除算法提取预处理视频帧图像集中各预处理视频帧图像的前景；S4：利用LBP算法提取获得前景图像集的纹理特征集，并对前景图像集进行灰度值特征提取获得灰度特征集；S5：分别利用纹理特征集和灰度特征集对PLS分类器进行训练；S6：利用最优PLS分类器对水下鱼视频序列进行目标检测。本发明的一种水下鱼类动态视觉序列运动目标检测方法，可实现对水下鱼类目标的快速检测，并可减少传统方法人工检测以及深度学习中的大量人工标记。
-
Patent Agency Ranking
公开(公告)号：CN109709527B
公开(公告)日：2023-03-14
申请号：CN201910046636.2
申请日：2019-01-14
Applicant: 上海海洋大学
Abstract: 本发明属于雷达信息处理技术领域，公开了一种全波形激光测高回波信号中高斯分解的高斯波峰方法，寻找GLAS全波形数据所有波峰的幅值，按照波峰幅值的最大值和最小值的距离等分成多个区间；统计出所有波峰幅值落入各区间的频数，并计算频率；构建GLAS全波形数据的波峰频率直方图，再进行易于处理的GLAS全波形数据进行处理和难于处理的GLAS全波形数据进行处在数据处理。本发明将高斯波峰法用于GLAS全波形数据的分解和拟合，结果表明高斯波峰法可以很好地分解和拟合优化GLAS全波形数据，并能得到较高的拟合精度和较少的拟合迭代次数。
-
公开(公告)号：CN109886217B
公开(公告)日：2022-10-14
申请号：CN201910141884.5
申请日：2019-02-26
Applicant: 上海海洋大学
IPC: G06V20/40 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明属于海洋工程技术领域，公开了一种基于卷积神经网络从近岸海浪视频中检测浪高的方法，基于卷积神经网络从近岸海浪视频中检测浪高的方法包括：通过海浪视频预处理，从中抽取图像帧和计算帧间差分，组成包含浪高静态和动态信息的三通道图像；构建能够对海浪浪高进行检测的多层感知卷积神经网络模型；基于经视频预处理后的图像集构建训练数据集，对构建的网络模型进行不同浪高检测的训练；利用训练好的模型较高精度的检测近岸浪的即时海浪高度值。本发明能提高检测的效率，能够在业务化运行要求的精度内达到很好检测效果，能够高精度且快速地获取近岸海浪的有效波高。
-
-
公开(公告)号：CN108184112B
公开(公告)日：2021-05-07
申请号：CN201810084444.6
申请日：2018-01-29
Applicant: 上海海洋大学
IPC: H04N17/00
Abstract: 本发明涉及一种基于心理测量理论动态优化的深海视频主观质量评价方法，所述方法包括以下步骤：步骤S1、深海视频质量的语义度量；步骤S2、深海视频主观质量评价设计；步骤S3、基于离散费希纳心理测量的主观质量动态优化评价策。其优点表现在：发明基于心理测量理论动态优化的深海视频主观质量评价方法，一旦投入应用，可以实现以下技术效果：从科学有用性的角度进行标度，深海视频的主观视频质量评价以主体按照既定的评价过程和评价准则，对给定深海视频测试序列的质量做出合理度量；通过动态跟踪评价过程减少冗余评价能有效提高评价效率，在保证精度的同时能够极大的节约时间、人力资源，达到节约成本的目的。
-
公开(公告)号：CN111428787A
公开(公告)日：2020-07-17
申请号：CN202010212055.4
申请日：2020-03-24
Applicant: 上海海洋大学
Abstract: 本发明涉及高性能计算领域的一种基于GPU的高光谱图像并行分类方法，包括用G-PNPE并行图像预处理算法对高光谱图像进行处理以得到Cube数据的第一步骤，以及构建CNN-SVM模型用于数据训练、分类的第二步骤；使用GEEM的算法思想实现卷积运算并行化，提出了G-PNPE数据预处理算法，通过数据预处理算法将数据保存到全局内存可以由GPU读取直接进行矩阵运算。通过本发明对高光谱图像分类算法进行验证，可以在保持分类算法精度不变的情况下比原算法速度提升25％-30％。同时验证了在多个卷积层的情况下，本发明有更好的加速表现和泛化能力。因此，本发明不仅在效率是有更进一步的提升，还具有更好的扩展能力。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.03 seconds)
