-
公开(公告)号：CN119478664A
公开(公告)日：2025-02-18
申请号：CN202411453128.3
申请日：2024-10-17
Applicant: 中国科学院软件研究所 , 哈尔滨工业大学
Abstract: 本发明公开一种基于图像去噪扩散模型的遥感图像可控编辑方法和系统。本发明包括遥感图像采集设备和数据处理器；数据处理器包括遥感图像生成模块、提示词集成模块、生成图像特征提取模块、编辑指令文本特征提取模块和图文相似度计算模块。该方法包括：获取目标区域的单幅遥感场景图像；采用基于去噪扩散模型的图像生成方法生成光学遥感图像；对一组文本编辑指令进行多样化扩充；进行图像特征编码和文本特征编码并进行相似度计算，通过优化损失函数实现对遥感图像生成过程中针对文本编辑指令的微调。本发明能够依据单幅遥感图像训练生成模型，避免了大量配对图像的使用，仅使用单幅图像就能实现稳定、可控的带文本引导的遥感图像编辑效果。
-
公开(公告)号：CN114973071A
公开(公告)日：2022-08-30
申请号：CN202210513388.X
申请日：2022-05-11
Applicant: 中国科学院软件研究所
Abstract: 本发明公开一种基于长短期时序特征的无监督视频目标分割方法及系统，属于计算机视觉领域，通过将当前帧图像和参考帧图像映射到相同的深层语义空间，获取两帧空间外观特征；借助上一帧的分割掩码在当前帧形成短期时序约束，强化目标特征区域并抑制背景区域响应，保持目标短时内的视觉一致性；对当前帧与参考帧间的长序时序建模，计算传递进来的当前帧与参考帧特征图之间的密集匹配，并通过高斯加权消除相似像素的匹配杂波，得到长期时序特征；融合时序特征与外观特征形成判别特征，基于判别特征在视频语义一致性的条件下完成目标分割。本发明能够在复杂视频场景中，尤其在相似物体干扰场景下，实现目标的稳定分割。
-
公开(公告)号：CN119478665A
公开(公告)日：2025-02-18
申请号：CN202411453129.8
申请日：2024-10-17
Applicant: 中国科学院软件研究所
IPC: G06V20/10 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明属于智能监控技术与遥感探测交叉技术领域，涉及一种基于联合可信学习的遥感图像场景分类方法和系统。本发明包括遥感图像采集设备和数据处理器，数据处理器包括生成式特征提取模块、判别式特征提取模块、不确定性量化模块和可信决策融合模块。该方法包括：获取目标区域的遥感场景图像；对获取的遥感场景图像提取生成式特征和判别式特征；使用基于主观逻辑理论的不确定性量化方法对生成式特征和判别式特征中对于场景分类所包含的不确定性进行估计；根据不确定性量化结果，使用基于D‑S证据理论组合规则的决策级融合方法对遥感场景图像中的场景进行分类。本发明能够快速准确地分类遥感图像中的目标场景，提高了系统的智能监控能力。
-
公开(公告)号：CN114973071B
公开(公告)日：2024-10-15
申请号：CN202210513388.X
申请日：2022-05-11
Applicant: 中国科学院软件研究所
Abstract: 本发明公开一种基于长短期时序特征的无监督视频目标分割方法及系统，属于计算机视觉领域，通过将当前帧图像和参考帧图像映射到相同的深层语义空间，获取两帧空间外观特征；借助上一帧的分割掩码在当前帧形成短期时序约束，强化目标特征区域并抑制背景区域响应，保持目标短时内的视觉一致性；对当前帧与参考帧间的长序时序建模，计算传递进来的当前帧与参考帧特征图之间的密集匹配，并通过高斯加权消除相似像素的匹配杂波，得到长期时序特征；融合时序特征与外观特征形成判别特征，基于判别特征在视频语义一致性的条件下完成目标分割。本发明能够在复杂视频场景中，尤其在相似物体干扰场景下，实现目标的稳定分割。
-
公开(公告)号：CN108718221B
公开(公告)日：2020-06-16
申请号：CN201810270441.1
申请日：2018-03-29
Applicant: 中国科学院软件研究所
IPC: H04B17/309 , H04W24/02
Abstract: 本发明涉及一种VHF通信电台频谱池容量优化决策方法及系统，根据用户输入的信道总数量n、工作信道数量K、信道质量时变概率pE、信道质量时变范围s与信道选择的准确性要求Pcover参数，在VHF通信电台进行频谱感知获取信道质量之后，采用闭合模式序位覆盖概率计算方法，计算确定频谱池容量的最优值B。从而通信电台可根据该最优值从所感知的信道中按照信道质量从高到低选择B个信道作为频谱池，供后续从中选择信道进行数据通信，当频谱池中信道使用完毕，对时变参数进行动态调整。本发明方法能够在频谱感知获取信道质量之后，确定频谱池容量的最优值，让电台用户最大程度减少频谱迁移失效次数，并有效提高频谱利用效率，而且满足用户提出的信道选择准确性的要求。
-
Patent Agency Ranking
公开(公告)号：CN108960347A
公开(公告)日：2018-12-07
申请号：CN201810261698.0
申请日：2018-03-28
Applicant: 中国科学院软件研究所
CPC classification number: G06K9/685 , G06K2209/01 , G06N3/0454
Abstract: 本发明涉及卷积神经网络手写体识别排序稳定性的效果评估系统及方法，包含卷积神经网络手写体识别模块，参数估计模块以及不确定性计算模块。其中卷积神经网络手写体识别模块以用户手写的数据为输入数据，通过卷积神经网络(CNN)，最后输出预测的分类概率，并依据此分类进行排序；参数估计模块以卷积神经网络(CNN)的手写体识别模块的输出：以识别模块的预测概率为输入，并采用统计的方式，对关系不确定性计算所需参数进行估计；不确定性计算模块以参数估计模块输出的参数作为输入数据，通过设计一种数据不确定性和数据关系不确定性的融合概率计算模型，估计卷积神经网络手写体识别排序结果的稳定性。
-
公开(公告)号：CN119151488A
公开(公告)日：2024-12-17
申请号：CN202411077677.5
申请日：2024-08-07
Applicant: 中国科学院软件研究所
IPC: G06Q10/101 , G01S13/86 , G01D21/02 , G06F18/25
Abstract: 本发明属于数据挖掘领域，具体涉及一种无人值守的多传感器协同作业系统和方法。该系统主要包含十个硬件模块，其中，雷达处理设备模块主要对雷达设备、光电设备、AIS设备进行数据融合，并且提供融合后的数据与声纳处理设备、无线电处理设备进行数据融合；声纳设备模块主要产生声纳数据；声纳处理设备对声纳数据接收、处理，支撑与雷达处理设备、无线电处理设备的数据融合；无线电设备模块主要产生无线电数据；无线电处理设备对无线电数据接收、处理，支撑与雷达处理设备、声纳处理设备的数据融合；协同控制服务器完成雷达处理设备、声纳处理设备、无线电处理设备产生数据的融合工作；数据库服务器完成协同控制服务器产生融合数据的入库。
-
公开(公告)号：CN109918988A
公开(公告)日：2019-06-21
申请号：CN201811649068.7
申请日：2018-12-30
Applicant: 中国科学院软件研究所
Abstract: 本发明提出一种结合成像仿真技术的可移植的无人机检测系统，涉及成像仿真和机器视觉交叉技术领域，该系统使用成像仿真技术，简化数据搜集过程，减少模型训练周期，使用调整内部权重后的网络进行计算，最终实现无人机检测。本发明所述的结合成像仿真技术的可移植的无人机检测系统，能够在多种复杂背景下，对多种类型的无人机进行实时检测，使用深度学习技术解决传统模板匹配方法泛化能力差的问题，通过结合成像仿真技术，简化数据搜集过程，缩短模型训练周期，同时可以搭建在多种嵌入式设备上，提供了一种可移植的智能化无人机检测系统。
-
公开(公告)号：CN108712221A
公开(公告)日：2018-10-26
申请号：CN201810270445.X
申请日：2018-03-29
Applicant: 中国科学院软件研究所
IPC: H04B17/336 , H04B17/345
Abstract: 本发明涉及一种VHF通信电台信道测量集优化选择方法及系统，根据用户输入的信道总数量n、工作信道数量K、信道底噪变化概率pE、信道底噪变化范围s与信道测量集选择的准确性要求Pcover共计5个参数，在VHF通信电台开始探测信道质量之前，采用一种序位覆盖概率计算方法，计算确定信道测量集大小的最优值，从而通信电台可根据该最优值从能量检测方法获取的结果中，优选出一个最佳的信道测量集合，进行进一步的信道质量探测。本发明能够在信道探测之前，预先确定信道测量集大小的最优值，最大程度减少信道测量次数及能量消耗、降低电台位置暴露风险的同时，满足用户提出的信道测量集选择准确性要求。
-
公开(公告)号：CN119478663A
公开(公告)日：2025-02-18
申请号：CN202411453124.5
申请日：2024-10-17
Applicant: 中国科学院软件研究所 , 北京理工大学
IPC: G06V20/10 , G06V20/70 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于目标背景因果纠偏学习的海上目标识别方法及系统，属于遥感探测技术领域。本发明对海上目标区域进行探测，获取海上图像数据集；利用两种深度神经网络对海上图像数据集进行图像特征提取和图像语义激活；基于因果干预理论的特征校准方法对提取的图像特征和激活的图像语义进行融合，消除图像中背景噪声，获得目标特征语义；基于深度学习对目标特征语义进行识别和分类，输出目标类别的分类结果。本发明基于目标背景因果纠偏学习来识别海上目标，提高海上目标识别的准确性。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.036 seconds)
