公开(公告)号：CN116758091A

公开(公告)日：2023-09-15

申请号：CN202310423488.8

申请日：2023-04-19

Applicant: 中国人民解放军海军工程大学

Inventor： 汤寓麟 ,  李厚朴 ,  王黎明 ,  金绍华 ,  边少锋 ,  余德荧 ,  刘敏 ,  黄毅

IPC: G06T7/11 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种侧扫声纳沉船图像的目标分割方法、装置及服务器，涉及声纳图像分割的技术领域，包括：获取侧扫声纳的沉船图像，利用混合空洞卷积模型，对沉船图像进行多尺度特征提取，得到目标特征区域定位图，利用注意力分割模型，对沉船图像进行注意力权重分析，得到多尺度特征注意力加权的响应图，根据目标特征区域定位图和多尺度特征注意力加权的响应图，对图像分割模型进行训练，得到目标图像分割模型，利用目标图像分割模型对沉船图像进行分割处理，得到目标分割图像。本发明可以显著降低图像分割误差，提升侧扫声纳沉船图像的目标分割效果。

公开(公告)号：CN114067124A

公开(公告)日：2022-02-18

申请号：CN202111402325.9

申请日：2021-11-23

Applicant: 中国人民解放军海军工程大学

Inventor： 汤寓麟 ,  李厚朴 ,  金绍华 ,  张卫东 ,  纪兵

IPC: G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请提供一种基于DETR‑YOLO的目标检测方法、装置及存储介质。该基于DETR‑YOLO的目标检测方法通过获取待检测图像；将所述待检测图像输入到训练好的DETR‑YOLO模型；其中，所述DETR‑YOLO模型包括依次连接的基准网络、DETR网络、Neck网络；最后，根据所述DETR‑YOLO模型检测出所述待检测图像中的目标。该基于DETR‑YOLO的目标检测方法通过DETR‑YOLO模型对目标进行检测，由于该DETR‑YOLO模型包括依次连接的基准网络、DETR网络、Neck网络，而DETR网络在特征图处理的过程中可以一次性输出所有的预测结果，进而提高了模型的训练效率和目标检测效率。

公开(公告)号：CN110119578B

公开(公告)日：2022-06-03

申请号：CN201910410484.X

申请日：2019-05-16

Applicant: 中国人民解放军海军工程大学

Inventor： 张瑞辰 ,  边少锋 ,  李厚朴 ,  纪兵 ,  金际航 ,  翟国君 ,  刘雁春 ,  黄辰虎 ,  金绍华

IPC: G06F30/20

Abstract: 本申请提供了一种海底趋势面构造方法、海底趋势预估方法及装置，其中，该海底趋势面构造方法包括：基于傅里叶级数构建待确定海底模型，所述待确定海底模型中包括多个待确定的目标参数；将获取的目标海域的目标水深数据进行网格化处理，得到网格化数据；根据所述网格化数据对所述目标参数进行计算，得到海底趋势面模型，所述海底趋势面模型为确定所述目标参数后的待确定海底模型。

公开(公告)号：CN110119578A

公开(公告)日：2019-08-13

申请号：CN201910410484.X

申请日：2019-05-16

Applicant: 中国人民解放军海军工程大学

Inventor： 张瑞辰 ,  边少锋 ,  李厚朴 ,  纪兵 ,  金际航 ,  翟国君 ,  刘雁春 ,  黄辰虎 ,  金绍华

IPC: G06F17/50

Abstract: 本申请提供了一种海底趋势面构造方法、海底趋势预估方法及装置，其中，该海底趋势面构造方法包括：基于傅里叶级数构建待确定海底模型，所述待确定海底模型中包括多个待确定的目标参数；将获取的目标海域的目标水深数据进行网格化处理，得到网格化数据；根据所述网格化数据对所述目标参数进行计算，得到海底趋势面模型，所述海底趋势面模型为确定所述目标参数后的待确定海底模型。

公开(公告)号：CN116862760A

公开(公告)日：2023-10-10

申请号：CN202310844056.4

申请日：2023-07-10

Applicant: 中国人民解放军海军工程大学

Inventor： 汤寓麟 ,  边少锋 ,  金绍华 ,  余德荧 ,  李厚朴 ,  王黎明 ,  纪兵

IPC: G06T3/00 ,  G06N3/0475 ,  G06N3/044 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/048 ,  G06N3/096 ,  G06N3/088 ,  G06N3/094 ,  G06V10/80 ,  G06V10/52 ,  G06V10/82 ,  G06V10/764 ,  G06V10/74

Abstract: 本发明提供了一种图像转换模型的处理方法、装置、电子设备和存储介质。其中，该方法包括：获取样本图像；其中，样本图像为舰船的遥感光学图像；将样本图像输入到预先训练完成的图像转换模型中，输出目标图像；其中，目标图像为舰船的侧扫声纳图像；图像转换模型包括第一生成器、第二生成器和判别器；第一生成器，用于将样本图像转换为目标图像；第二生成器，用于将目标图像转换为重整光学图像；判别器用于基于目标图像与预先输入图像转换模型中的侧扫声纳图像输出目标图像的真实度；通过第一生成器和第二生成器组成基于循环一致性的单循环网络模型，提高了模型的训练效率，提高了模型输出的稳定性，提升了用户体验。

公开(公告)号：CN110097505A

公开(公告)日：2019-08-06

申请号：CN201910404035.4

申请日：2019-05-16

Applicant: 中国人民解放军海军工程大学

Inventor： 张瑞辰 ,  边少锋 ,  李厚朴 ,  纪兵 ,  金际航 ,  翟国君 ,  刘雁春 ,  黄辰虎 ,  金绍华

IPC: G06T3/40 ,  G06T17/05 ,  G06F17/16 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请提供一种数字高程模型数据处理方法及装置，用于改善对数字高程模型数据处理获得的结果存在精度不够的问题。该方法包括：使用子像素卷积网络模型中的至少一个卷积层，对获得的第一应用矩阵进行卷积运算，获得多个通道的特征图，第一应用矩阵为对第一数字高程模型数据进行预处理获得的矩阵；使用子像素卷积网络模型中的亚像素卷积层，对多个通道中的每个通道的特征图的数值重新排列，获得第二应用矩阵，第二应用矩阵的值的数量大于第一应用矩阵的值的数量。