-
公开(公告)号：CN109410175B
公开(公告)日：2020-07-14
申请号：CN201811123271.0
申请日：2018-09-26
Applicant: 北京航天自动控制研究所 , 中国运载火箭技术研究院
Inventor： 王浩 , 郑文娟 , 孙芃 , 张立家 , 高琪 , 刘跃成 , 韦海萍 , 郝梦茜 , 张伯川 , 张辉 , 周斌 , 靳松直 , 张聪 , 郑智辉 , 李少军 , 高仕博 , 胡瑞光 , 蔡伟 , 崔广涛 , 丛龙剑 , 刘燕欣 , 肖利平 , 唐波
Abstract: 一种基于多子区图像匹配的SAR雷达成像质量快速自动评价方法，首先人工制备带有特殊几何形状信标的SAR基准图像，通过雷达回波电磁仿真得到基准图像的基准雷达回波信号，完成雷达测试基准数据制备。在SAR雷达成像质量测试中，将基准雷达回波信号注入SAR雷达，由被测试雷达成像生成SAR实时图。随后使用SAR实时图和SAR基准图像进行多子区图像匹配，得到信标在SAR实时图中的精确位置。通过信标在SAR图像中几何位置和形状的变化，完成SAR雷达成像质量的量化评价。本发明提出的基于多子区图像匹配的SAR雷达成像质量快速自动评价方法大大提高了SAR雷达单机测试的自动化程度，在提高判读精度的同时降低了人力以及时间成本。
-
公开(公告)号：CN109410175A
公开(公告)日：2019-03-01
申请号：CN201811123271.0
申请日：2018-09-26
Applicant: 北京航天自动控制研究所 , 中国运载火箭技术研究院
Inventor： 王浩 , 郑文娟 , 孙芃 , 张立家 , 高琪 , 刘跃成 , 韦海萍 , 郝梦茜 , 张伯川 , 张辉 , 周斌 , 靳松直 , 张聪 , 郑智辉 , 李少军 , 高仕博 , 胡瑞光 , 蔡伟 , 崔广涛 , 丛龙剑 , 刘燕欣 , 肖利平 , 唐波
Abstract: 一种基于多子区图像匹配的SAR雷达成像质量快速自动评价方法，首先人工制备带有特殊几何形状信标的SAR基准图像，通过雷达回波电磁仿真得到基准图像的基准雷达回波信号，完成雷达测试基准数据制备。在SAR雷达成像质量测试中，将基准雷达回波信号注入SAR雷达，由被测试雷达成像生成SAR实时图。随后使用SAR实时图和SAR基准图像进行多子区图像匹配，得到信标在SAR实时图中的精确位置。通过信标在SAR图像中几何位置和形状的变化，完成SAR雷达成像质量的量化评价。本发明提出的基于多子区图像匹配的SAR雷达成像质量快速自动评价方法大大提高了SAR雷达单机测试的自动化程度，在提高判读精度的同时降低了人力以及时间成本。
-
公开(公告)号：CN111539600B
公开(公告)日：2023-09-01
申请号：CN202010265424.6
申请日：2020-04-07
Applicant: 北京航天自动控制研究所
Inventor： 郝梦茜 , 张辉 , 周斌 , 肖利平 , 唐波 , 杨柏胜 , 倪少波 , 田爱国 , 邵俊伟 , 李建伟 , 张孝赫 , 张连杰 , 靳松直 , 丛龙剑 , 刘严羊硕 , 郑文娟 , 韦海萍 , 刘燕欣 , 高琪 , 王浩 , 张聪 , 张伯川 , 王亚辉
IPC: G06Q10/0637 , G06N3/0464
Abstract: 一种基于测试的神经网络目标检测稳定性评价方法，对测试图片进行位置、尺度、旋转、亮度、加噪与平滑变换，使用变换后的图片对神经网络进行测试，统计测试结果在不同变化情况下置信度的标准差以及定位准确度的标准差，并将各标准差进行综合得到神经网络目标检测稳定性综合评价结果。本发明提出的评价方法能够评估神经网络面对目标位置、尺度、旋转、亮度、噪声与平滑变化情况下保持对目标稳定检测的能力，可作为神经网络在面对变化或扰动情况下目标检测可靠性评价指标的一种，有利于从不同侧面评价神经网络的性能。
-
公开(公告)号：CN111523564B
公开(公告)日：2023-05-12
申请号：CN202010213403.X
申请日：2020-03-24
Applicant: 北京航天自动控制研究所
IPC: G06V10/774 , G06V10/20 , G06V20/13 , G06N20/00
Abstract: 本发明涉及一种用于深度学习训练的SAR时敏目标样本增广方法，属于图像处理技术和深度学习领域；包括如下步骤：步骤一、对目标所在区域拍摄分辨率为a米的异源SAR图集,转换成分辨率为b米的异源SAR图集；步骤二、找到全部目标，并将每个目标制作成SAR时敏目标切片，获得切片集；步骤三、从异源SAR图集中各图片截取背景图像，获得背景图像集；步骤四、对切片集中各切片进行优化处理；步骤五、建立时敏目标的学习样本集；步骤六、旋转时敏目标的学习样本，获得不同角度下的学习样本；本发明解决了因样本数量较少以及未考虑深度学习网络特点而导致深度学习训练效果不好的问题。
-
公开(公告)号：CN114067195A
公开(公告)日：2022-02-18
申请号：CN202111221228.X
申请日：2021-10-20
Applicant: 北京航天自动控制研究所
Abstract: 本发明公开了一种基于生成对抗的目标检测器学习方法，属于人工智能技术领域，促使样本生成器生成更加真实的生成图像，使得生成图像提高网络的检测性能，还能够提高网络的训练效率。方法包括：构建循环生成对抗学习模型；所述循环生成对抗学习模型包括两组样本生成器；构建联合网络模型；所述联合网络模型在所述循环生成对抗学习模型中集成有目标检测器；所述目标检测器与所述两组样本生成器相连，并将两组真实图像，以及由所述两组样本生成器生成的两组生成图像作为输入，在梯度反向传播过程中将梯度值输出至所述两组样本生成器；对所述联合网络模型进行训练，并将由所述目标检测器输出的梯度值反向传播至对应的样本生成器中，直至所述联合网络模型收敛。
-
Patent Agency Ranking
公开(公告)号：CN111414844A
公开(公告)日：2020-07-14
申请号：CN202010188543.6
申请日：2020-03-17
Applicant: 北京航天自动控制研究所
Abstract: 本发明公开了一种基于卷积循环神经网络的集装箱箱号识别方法，所述方法包括如下步骤：步骤1：采集集装箱样本图像，根据集装箱样本图像构建循环卷积神经网络模型，对循环卷积神经网络模型训练后得到分类器；步骤2：计算图像透视变换矩阵；步骤3：利用步骤2得到的图像透视变换矩阵对待检测集装箱图像进行透视变换得到视变换后的图像；步骤4：使用步骤1的分类器对透视变换后的图像进行字符识别得到字符识别结果；步骤5：利用集装箱箱号规则对字符识别结果进行核对校验，输出最终的箱号检测结果。本发明对神经网络结构和参数进行优化，具有更高的识别率和可靠性；对图像进行透视变换，提高不同角度安装摄像头应用该方法的鲁棒性。
-
公开(公告)号：CN111401210A
公开(公告)日：2020-07-10
申请号：CN202010167033.0
申请日：2020-03-11
Applicant: 北京航天自动控制研究所
Inventor： 郝梦茜 , 张辉 , 周斌 , 靳松直 , 丛龙剑 , 刘严羊硕 , 郑文娟 , 韦海萍 , 王浩 , 张伯川 , 王亚辉 , 张聪 , 刘燕欣 , 高琪 , 肖利平 , 倪少波 , 杨柏胜
Abstract: 一种基于模板框增广的提高小目标检测稳定性的方法，步骤一：遍历全部训练样本的标注信息，提取标注信息中的目标尺寸；步骤二：计算目标尺寸参考最小值和目标尺寸参考最大值；步骤三：根据目标尺寸参考最小值、目标尺寸参考最大值、训练图像原始尺寸以及模型输出的特征层个数，计算各层关注目标的归一化尺寸；步骤四：根据各层关注目标归一化尺寸以及各特征层尺寸，计算各特征层模板框期望间距；步骤五：根据各特征层模板框期望间距，确定各特征层模板框个数与模板框中心点位置，进行模板框增广；步骤六：对完成模板框增广的卷积神经网络进行训练，得到对小目标检测的卷积神经网络模型。本发明降低算法对小目标位置的敏感度，提高小目标检测的稳定性。
-
公开(公告)号：CN114067195B
公开(公告)日：2024-08-13
申请号：CN202111221228.X
申请日：2021-10-20
Applicant: 北京航天自动控制研究所
IPC: G06V20/00 , G06V10/774 , G06V10/82 , G06N3/044 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本发明公开了一种基于生成对抗的目标检测器学习方法，属于人工智能技术领域，促使样本生成器生成更加真实的生成图像，使得生成图像提高网络的检测性能，还能够提高网络的训练效率。方法包括：构建循环生成对抗学习模型；所述循环生成对抗学习模型包括两组样本生成器；构建联合网络模型；所述联合网络模型在所述循环生成对抗学习模型中集成有目标检测器；所述目标检测器与所述两组样本生成器相连，并将两组真实图像，以及由所述两组样本生成器生成的两组生成图像作为输入，在梯度反向传播过程中将梯度值输出至所述两组样本生成器；对所述联合网络模型进行训练，并将由所述目标检测器输出的梯度值反向传播至对应的样本生成器中，直至所述联合网络模型收敛。
-
公开(公告)号：CN114047786B
公开(公告)日：2024-08-06
申请号：CN202111425356.6
申请日：2021-11-26
Applicant: 北京航天自动控制研究所
IPC: G05D1/695 , G05D109/20
Abstract: 本发明涉及一种用于集散式异构无人机集群的协同处理系统和方法，属于无人机技术领域，解决现有系统缺乏自组织能力和无法根据战场态势进行人为的任务信息修改的问题。该系统包括：多个无人机和与多个无人机通信连接的地面站，每个无人机包括：飞行控制器用于控制无人机姿态并且调整无人机的速度和飞行方向；光电吊舱用于实时拍摄视频帧并进行目标跟踪；以及信息处理模块用于主机根据地面站的任务信息规划整体航迹，多个无人机根据整体航迹规划自身航迹并将自身航迹发送给飞行控制器执行，基于视频帧进行目标识别和目标定位，通过地面站随时修改任务信息，实时根据修改的任务信息规划出修改航迹。能够根据战场态势实时根据修改的任务信息规划出修改航迹。
-
公开(公告)号：CN111368935B
公开(公告)日：2023-06-09
申请号：CN202010188535.1
申请日：2020-03-17
Applicant: 北京航天自动控制研究所
IPC: G06V10/774 , G06V10/82 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/088
Abstract: 本发明一种基于生成对抗网络的SAR时敏目标样本增广方法，步骤如下：1)构建区域卷积生成对抗网络，实现两模型的前向与反向传播功能；2)制作区域卷积生成对抗网络训练数据集，从目标检测训练数据集中提取切片；3)对区域卷积生成对抗网络进行训练，利用对抗网络训练数据集对区域卷积生成对抗网络进行迭代训练，直到区域卷积生成对抗网络中的生成模型获得稳定且符合期望的输出结果，并保存生成模型与判别模型的权重；4)调整参数批量生成样本，对完成训练的区域卷积生成对抗网络中生成模型装订所保存的参数，根据实际使用需求设置参数输入至生成模型，生成符合期望框体的样本；5)制作用于目标检测识别算法训练的数据集。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.038 seconds)
