-
公开(公告)号：CN117036170A
公开(公告)日：2023-11-10
申请号：CN202311000704.4
申请日：2023-08-09
Applicant: 北京环境特性研究所
IPC: G06T3/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N20/00
Abstract: 本发明提供了一种基于机器学习的船只型号识别方法及装置，其中方法包括：获取待识别图像，所述待识别图像中包括船只目标；将所述待识别图像进行超分辨率重建处理，得到高分辨率重建图像；基于全卷积的YOLO检测识别模型，对所述高分辨率重建图像进行船只目标的检测和船只型号的一阶段识别，得到识别出的船只型号和置信度；根据所述置信度确定是否需要进行船只型号的二阶段识别，若需要，则基于Faster RCNN网络模型对所述高分辨率重建图像进行船只型号的二阶段识别；将所述二阶段识别出的船只型号作为最终识别结果。本方案，能够提高船只型号识别的准确性。
-
公开(公告)号：CN115695999A
公开(公告)日：2023-02-03
申请号：CN202211351691.0
申请日：2022-10-31
Applicant: 北京环境特性研究所
Abstract: 本发明提供了一种可穿戴设备和多源目标融合检测系统，涉及武器装备技术领域。其中，可穿戴设备包括：第一图像采集组件，包括多种图像传感器，被配置为基于所述多种图像传感器中的至少一种采集第一图像；处理整合器，被配置为接收第一图像、和第二图像采集组件采集的包括枪械瞄准物体的第二图像，第二图像采集组件设置在枪械上；处理整合器，还被配置为对所述第一图像和第二图像进行融合处理，并对融合处理后的图像进行目标识别，以得到目标识别结果；显示组件，被配置为对目标识别结果进行显示。通过以上可穿戴设备，能够提高目标识别精准度，辅助用户快速识别、定位目标，从而极大提高巡检效率和战备质量。
-
公开(公告)号：CN117036975A
公开(公告)日：2023-11-10
申请号：CN202311002153.5
申请日：2023-08-09
Applicant: 北京环境特性研究所
IPC: G06V20/13 , G06V10/764 , G06V10/80 , G06V10/50 , G06V10/54 , G06T7/11 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种SAR图像的目标识别方法及装置，其中方法包括：获取待识别SAR图像；提取所述待识别SAR图像的定量语义特征和图像特征；基于预先构建的定量语义特征与定性语义特征的语义映射关联，将所述待识别SAR图像的定量语义特征映射为所述待识别SAR图像的定性语义特征；对所述待识别SAR图像的图像特征、定量语义特征和定性语义特征分别进行编码，并对分别编码后的特征进行特征融合，以根据特征融合结果输出对所述待识别SAR图像的目标识别结果。本方案，能够提高SAR图像目标识别的准确性。
-
公开(公告)号：CN117876771A
公开(公告)日：2024-04-12
申请号：CN202410046518.2
申请日：2024-01-11
Applicant: 北京环境特性研究所
IPC: G06V10/764 , G06V10/766 , G06V10/25 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明提供了一种小样本目标检测识别方法、装置及计算设备，该方法包括：获取目标域内的小样本目标数据集；利用小样本目标数据集对由源域数据集预训练得到的初始检测网络模型和初始分类网络模型进行训练，得到目标检测网络模型和目标分类网络模型；将目标域的待检测识别图像输入目标检测网络模型中，得到目标图像和回归结果；将目标图像与目标图像相关的语义信息、属性信息和图像信息输入目标分类网络模型中，得到分类结果；根据回归结果和分类结果，得到待检测识别图像的识别结果。本方案提供的小样本目标检测识别方法能够实现对小样本数据的准确识别，提高基于小样本数据的识别准确性。
-
公开(公告)号：CN117746162A
公开(公告)日：2024-03-22
申请号：CN202410037726.6
申请日：2024-01-10
Applicant: 北京环境特性研究所
IPC: G06V10/764 , G06V10/774 , G06T3/4053 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明涉及计算机视觉技术领域，特别涉及一种面向低分辨率小样本的目标识别方法及装置。方法包括：基于待测试小样本集构建训练集；待测试小样本集包括不带有标签的低分辨率图像和每一个类别带有标签的高分辨率图像；利用训练集对预先构建的识别网络进行监督预训练和元训练，得到识别模型；将训练集中的样本图像进行下采样，以利用训练集中的样本图像和下采样后的低分辨率样本图像，对预先构建的超分辨率网络进行训练，得到超分辨率模型；在将待测试小样本集中的低分辨率图像输入至超分辨率模型得到超分辨率图像后，利用识别模型和每一个类别的类中心，得到超分辨率图像的预测类别。本方案可以增强低分辨率图像的小样本分类性能。
-
Patent Agency Ranking
公开(公告)号：CN115797171A
公开(公告)日：2023-03-14
申请号：CN202211430211.X
申请日：2022-11-15
Applicant: 北京环境特性研究所
Abstract: 本发明实施例涉及图像处理技术领域，特别涉及一种合成图像的生成方法、装置、电子设备及存储介质，方法包括：基于Alpha透明蒙版标注法，生成由前景目标和背景图像组成的第一图像以及所述前景目标在所述第一图像中的前景目标掩码；利用编解码网络提取所述第一图像的背景特征以及所述前景目标掩码的目标特征，并将所述背景特征和所述目标特征进行融合，生成和谐化的第二图像；利用阴影生成对抗网络为所述第二图像中的前景目标生成阴影，生成目标图像。本方案，能够提高合成图像的质量。
-
公开(公告)号：CN115695951A
公开(公告)日：2023-02-03
申请号：CN202211351653.5
申请日：2022-10-31
Applicant: 北京环境特性研究所
Abstract: 本发明提供了一种头盔，涉及武器装备技术领域。其中，该头盔包括头盔本体、以及设置在所述头盔本体上的图像采集组件、处理整合器和显示组件；所述图像采集组件，包括多种图像传感器，被配置为基于所述多种图像传感器中的至少一种采集待检测图像；所述处理整合器，被配置为对所述待检测图像进行增强处理，以及，对增强处理后的图像进行目标识别，以得到目标识别结果；显示组件，被配置为对所述目标识别结果进行显示。本发明提供的头盔，不仅能够对用户起到保护作用，而且能够自动识别图像中的目标，辅助用户快速识别、定位目标，大大提高了用户识别、定位目标的精准度和处理效率，从而极大提高巡检效率和战备质量。
-
公开(公告)号：CN118072038A
公开(公告)日：2024-05-24
申请号：CN202311553562.4
申请日：2023-11-20
Applicant: 北京环境特性研究所
IPC: G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明提供了一种基于生成对抗网络的红外图像转换方法及装置，其中方法包括：获取待转换的可见光图像数据；将所述待转换的可见光图像数据输入预先训练好的生成对抗式转换模型中，输出得到红外图像数据；其中，所述生成对抗式转换模型是通过已知样本集对预设的生成对抗网络进行训练得到的，所述已知样本集是通过对原始可见光图像数据和原始红外图像数据进行配准配对得到的，所述预设的生成对抗网络是通过对原始生成对抗网络进行优化处理得到的，所述优化处理包括生成网络的优化、对抗网络的优化和损失函数的优化。本方案，能够改善生成对抗式红外图像纹理等细节，确保生成高质量红外图像数据。
-
公开(公告)号：CN118014152A
公开(公告)日：2024-05-10
申请号：CN202410219331.8
申请日：2024-02-28
Applicant: 北京环境特性研究所
IPC: G06Q10/04 , G06Q50/40 , G06N20/00 , G06F21/60 , G06F21/62 , H04L9/40 , H04L9/00 , H04L9/06 , H04L9/30 , G06N20/20
Abstract: 本发明涉及机器学习数据隐私保护技术领域，特别涉及一种基于联邦学习的高效航班延误预测方法和装置。方法包括：确定用于联邦学习的被动方和多个主动方，并分别对被动方和多个主动方的原始航班数据进行预处理和特征提取，以使被动方和每一个主动方生成各自的初始训练集；对被动方和多个主动方的初始训练集进行加密实体对齐，以在隐私保护的前提下，确定各方共有的实体数据；基于联邦学习框架，利用各方共有的实体数据协同训练得到符合预期的航班延误预测模型。本方案，通过基于联邦学习的预处理方法来解决多机构数据异构的问题，且将具有隐私保护功能的联邦学习框架与预测算法结合，可以大大提高隐私性。
-
公开(公告)号：CN117392256A
公开(公告)日：2024-01-12
申请号：CN202311403092.3
申请日：2023-10-26
Applicant: 北京环境特性研究所
IPC: G06T11/00 , G06N3/08 , G06N3/0464 , G06N3/0455
Abstract: 本发明提供了一种基于深度神经网络的红外图像生成方法及装置，该方法包括：获取目标场景的实测背景图像；对红外目标进行建模，得到目标前景图像；将所述实测背景图像和所述目标前景图像输入预先训练好的深度神经网络，得到所述红外目标在所述目标场景的红外场景图像。本方案能够快速生成大量不同场景下的高质量红外场景图像，满足模型训练需求以及生成复杂环境场景数据的需求。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.024 seconds)
