-
公开(公告)号：CN119270253B
公开(公告)日：2025-04-25
申请号：CN202411787158.8
申请日：2024-12-06
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种面向机会阵雷达的似然改进SVGD交互多模型机动目标跟踪方法，包括：步骤1，对机动目标跟踪问题进行建模，构建运动模型集，初始化参数；步骤2，计算各模型的混合概率，得到初始混合估计，生成初始混合粒子；步骤3，判断机会阵雷达的工作模式，进行粒子状态的预测和更新；步骤4，模型概率更新与状态估计融合。本发明解决了粒子退化和粒子贫化问题，避免了机会性跟踪场景下滤波算法的发散。同时，利用模型似然度实现对SVGD学习率的自适应优化，无论是在单次迭代还是在整个迭代过程中，都很好地平衡了算法的收敛速度与稳定性，保证了机会阵雷达执行“机会性跟踪”功能时算法的快速重收敛。
-
公开(公告)号：CN119270253A
公开(公告)日：2025-01-07
申请号：CN202411787158.8
申请日：2024-12-06
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种面向机会阵雷达的似然改进SVGD交互多模型机动目标跟踪方法，包括：步骤1，对机动目标跟踪问题进行建模，构建运动模型集，初始化参数；步骤2，计算各模型的混合概率，得到初始混合估计，生成初始混合粒子；步骤3，判断机会阵雷达的工作模式，进行粒子状态的预测和更新；步骤4，模型概率更新与状态估计融合。本发明解决了粒子退化和粒子贫化问题，避免了机会性跟踪场景下滤波算法的发散。同时，利用模型似然度实现对SVGD学习率的自适应优化，无论是在单次迭代还是在整个迭代过程中，都很好地平衡了算法的收敛速度与稳定性，保证了机会阵雷达执行“机会性跟踪”功能时算法的快速重收敛。
-
公开(公告)号：CN118033578A
公开(公告)日：2024-05-14
申请号：CN202410117033.8
申请日：2024-01-29
Applicant: 南京信息工程大学
IPC: G01S7/41 , A61B5/0507 , A61B5/11 , G06F18/00 , G06F18/10 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于毫米波雷达的人体姿态识别方法、设备及介质，首先毫米波雷达射频板发射信号、接收回波信号，高速采集板采集回波数据并实时传输到上位机进行数据处理；其次对实时接收到的回波数据，进行距离压缩、动目标显示技术(MTI)抑制杂波；根据AWR1642ODS天线布局对雷达回波进行处理，得到微多普勒信息、俯仰信息、方位信息，将多通道特征融合成三维矩阵，更加准确的体现人体姿态特征。最后将注意力机制嵌入进密集卷积神经网络(DenseNet)，注意力机制模块选用压缩激励(Squeeze‑and‑Excitation)模块，多通道特征融合的三维矩阵特征结果作输入，使得重要特征的权重增加，输出人体姿态识别结果。本发明提升了人体姿态识别的网络性能，提高了人体姿态识别准确率。
-
Patent Agency Ranking
公开(公告)号：CN119904508A
公开(公告)日：2025-04-29
申请号：CN202510389444.7
申请日：2025-03-31
Applicant: 南京信息工程大学
IPC: G06T7/62 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于小波变换与卷积神经网络的建筑物高度预测方法，属于建筑物测量技术领域。本发明首先利用卫星光学图像和合成孔径雷达图像构建数据集；然后结合小波变换和卷积神经网络构建初始建筑物高度预测模型；再利用训练集和标签对初始建筑物高度预测模型进行训练；最后利用目标建筑物高度预测模型预测建筑物的高度。本发明将小波变换融入卷积神经网络，捕获图像的四个不同频率信息，充分利用图像的高频和低频信息，增强建筑物特征的表达，并且利用卷积神经网络对建筑物高度识别能力，进一步提高了建筑物高度预测的准确度。
-
公开(公告)号：CN117854028B
公开(公告)日：2024-05-24
申请号：CN202410260801.5
申请日：2024-03-07
Applicant: 南京信息工程大学
IPC: G06V20/56 , G06V20/58 , G06V10/26 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种自动驾驶多任务场景分析方法及系统，方法包括：获取自动驾驶系统拍摄到的实时道路场景图像；将实时道路场景图像输入改进后的CenterNet模型中，输出多任务合并后的分析检测结果图像；该方法使得自动驾驶系统具备同时进行目标检测，人体姿态估计，语义分割三个视觉任务的能力，改进的CenterNet模型的主干网络输出的同一特征图同时被三个用于进行不同视觉任务的head拷贝使用。原CenterNet模型得到简化，并可以同时处理三个视觉任务，加快了推理时间，节省了自动驾驶系统的计算资源，使得自动驾驶系统对复杂道路场景的分析能力提高。
-
公开(公告)号：CN117854028A
公开(公告)日：2024-04-09
申请号：CN202410260801.5
申请日：2024-03-07
Applicant: 南京信息工程大学
IPC: G06V20/56 , G06V20/58 , G06V10/26 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种自动驾驶多任务场景分析方法及系统，方法包括：获取自动驾驶系统拍摄到的实时道路场景图像；将实时道路场景图像输入改进后的CenterNet模型中，输出多任务合并后的分析检测结果图像；该方法使得自动驾驶系统具备同时进行目标检测，人体姿态估计，语义分割三个视觉任务的能力，改进的CenterNet模型的主干网络输出的同一特征图同时被三个用于进行不同视觉任务的head拷贝使用。原CenterNet模型得到简化，并可以同时处理三个视觉任务，加快了推理时间，节省了自动驾驶系统的计算资源，使得自动驾驶系统对复杂道路场景的分析能力提高。
-
公开(公告)号：CN118628719A
公开(公告)日：2024-09-10
申请号：CN202410758703.4
申请日：2024-06-13
Applicant: 南京信息工程大学
IPC: G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了Fisher信息矩阵姿态角自适应SAR目标识别方法，通过设计正则项和Fisher信息矩阵保护已学习到的SAR目标特征的参数，构建姿态角自适应SAR目标识别连续学习模型。模型采用在线学习的方式学习新观测的SAR目标数据，通过Fisher信息矩阵动态调节参数的正则化强度，保护已学习的对识别任务贡献大的模型参数，增强模型对不同姿态角下SAR目标特征的自适应能力，提高目标识别的准确性。在MSTAR数据集上进行实验，姿态角自适应SAR‑ART模型能够在线学习不同姿态角下SAR目标数据，不断适应不同姿态角下SAR目标特征变化，识别精度得到有效提高。本发明可广泛应用于SAR目标识别技术领域。
-
公开(公告)号：CN118628719B
公开(公告)日：2024-12-06
申请号：CN202410758703.4
申请日：2024-06-13
Applicant: 南京信息工程大学
IPC: G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了Fisher信息矩阵姿态角自适应SAR目标识别方法，通过设计正则项和Fisher信息矩阵保护已学习到的SAR目标特征的参数，构建姿态角自适应SAR目标识别连续学习模型。模型采用在线学习的方式学习新观测的SAR目标数据，通过Fisher信息矩阵动态调节参数的正则化强度，保护已学习的对识别任务贡献大的模型参数，增强模型对不同姿态角下SAR目标特征的自适应能力，提高目标识别的准确性。在MSTAR数据集上进行实验，姿态角自适应SAR‑ART模型能够在线学习不同姿态角下SAR目标数据，不断适应不同姿态角下SAR目标特征变化，识别精度得到有效提高。本发明可广泛应用于SAR目标识别技术领域。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.027 seconds)
