-
公开(公告)号：CN119107517A
公开(公告)日：2024-12-10
申请号：CN202411174480.3
申请日：2024-08-26
Applicant: 哈尔滨工程大学
IPC: G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/094
Abstract: 一种对抗样本生成方法及系统，本发明涉及人工智能领域，解决现有的迭代计算处理过程中，添加的扰动是每次迭代中梯度的累积，会过度拟合替代模型，导致生成的扰动缺乏多样性，降低对抗样本的转移攻击成功率等问题。所述方法包括训练替代模型；将前景像素的最大连通分量设置为分割出的前景对象，并生成掩码；计算有前景对象的图片梯度；让对抗样本朝两个方向分别前进，梯度上升和梯度下降，若梯度下降方向已经经过极小值点则改为向梯度上升方向前进，前进方向由NAG算法计算得到；判断生成的对抗样本能否成功攻击对抗样本，计算对抗样本梯度使其朝着梯度上升方向前进一步后返回此图像；将所有替代模型的返回的图像加权平均后得到生成的对抗样本。
-
公开(公告)号：CN117173587B
公开(公告)日：2024-07-12
申请号：CN202311065026.X
申请日：2023-08-23
Applicant: 哈尔滨工程大学
IPC: G06V20/13 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/094
Abstract: 本发明提出一种基于异构图像深度转换的特征细化融合变化检测方法。所述方法通过特征细化模块按照从粗到细的方式进行多级拼接，获取不同级别的时间差异特征，解决了简单拼接或逐像素做差的方法在变化检测任务中适应性差的问题；在特征融合模块中，采用U‑Net++对差异特征进行编解码，得到不同层次的特征，并进行融合，以更好地挖掘具有上下文变化信息的差异特征，同时滤除低层特征的背景杂波并纠正高层特征的位置误差。总体而言，该方法稳定可靠，具备良好的训练泛化性能，且算法简单易于实施。
-
公开(公告)号：CN116778176B
公开(公告)日：2024-02-09
申请号：CN202310789015.X
申请日：2023-06-30
Applicant: 哈尔滨工程大学
IPC: G06V10/40 , G06V10/82 , G06V10/774 , G06V10/80 , G06V10/764 , G06N3/0464 , G06N3/08 , G06N3/047
Abstract: 本发明提出基于频域注意力的SAR图像舰船尾迹检测方法。所述方法用于舰船尾迹检测，该方法通过图像的频域信息来提取尾流特征。然后通过特征金字塔产生多尺度的特征表示，增强了相邻特征图间的信息融合。实现了高效准确的检测SAR图像舰船尾迹。
-
公开(公告)号：CN116796553A
公开(公告)日：2023-09-22
申请号：CN202310789017.9
申请日：2023-06-30
Applicant: 哈尔滨工程大学
IPC: G06F30/20 , G06F111/10
Abstract: 本发明提出一种全场景多参数的海面与舰艇尾迹仿真方法。所述方法包括：步骤1：建立海浪高程模型；步骤2：建立尾迹高程模型；步骤3：建立SAR图像距离向轨道速度场与方位向分辨率；步骤4：建立倾斜与水动力调制函数；步骤5：建立归一化雷达截面NRCS；步骤6：利用速度聚束效应进行SAR图像仿真。本发明所述方法解决了广域海洋微波遥感探测问题，创建了海洋空间水波耦合及微波成像的理论体系，以及突破了移动目标尾迹海表分布范围和雷达散射变化规律理论瓶颈。
-
公开(公告)号：CN116778207A
公开(公告)日：2023-09-19
申请号：CN202310790988.5
申请日：2023-06-30
Applicant: 哈尔滨工程大学
IPC: G06V10/762 , G06V10/74 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/045 , G06N3/088
Abstract: 本发明提出一种基于空间频域的无监督深度多尺度SAR图像变化检测方法。所述方法通过分层模糊C均值聚类对根据检测地区SAR图像生成的差异图像进行伪标签提取，解决了标签不足的问题。让SAR图像变化检测的方法适用于更多场景。本发明利用输入SAR图像的空间信息和频域信息，并提出了空间多区域多尺度深层特征提取，以这种方式捕获到的图像特征更利于检测。本发明分别在空间域和频域引入注意力机制和门控线性单元，以此来提高本发明对变化细节的灵敏程度并且降低SAR图像固有散斑噪声的影响，提高检测精度。
-
Patent Agency Ranking
公开(公告)号：CN112763980B
公开(公告)日：2022-08-05
申请号：CN202011589230.8
申请日：2020-12-28
Applicant: 哈尔滨工程大学
Abstract: 本发明设计了一种基于方位角及其变化率的目标运动分析方法：首先设定坐标系，根据几何关系求得方位角及其变化率与目标位置速度之间的表达式，构建关于方位角及其变化率的误差方程，并转换成伪线性形式，构建量测增广矩阵和增广解，然后将含有噪声信息的量测方位角及方位角变化率代入构建的量测增广矩阵中，得到一个由噪声引起的矩阵，将该矩阵的转置与该矩阵的乘积的均值设为约束矩阵，再对误差方程进行最小二乘极小化处理，利用拉格朗日乘子法求在约束条件下的误差方程的最小二乘解，最后利用几何关系求出目标各时刻的方位信息并平滑处理，得到定位结果。
-
公开(公告)号：CN112763980A
公开(公告)日：2021-05-07
申请号：CN202011589230.8
申请日：2020-12-28
Applicant: 哈尔滨工程大学
Abstract: 本发明设计了一种基于方位角及其变化率的目标运动分析方法：首先设定坐标系，根据几何关系求得方位角及其变化率与目标位置速度之间的表达式，构建关于方位角及其变化率的误差方程，并转换成伪线性形式，构建量测增广矩阵和增广解，然后将含有噪声信息的量测方位角及方位角变化率代入构建的量测增广矩阵中，得到一个由噪声引起的矩阵，将该矩阵的转置与该矩阵的乘积的均值设为约束矩阵，再对误差方程进行最小二乘极小化处理，利用拉格朗日乘子法求在约束条件下的误差方程的最小二乘解，最后利用几何关系求出目标各时刻的方位信息并平滑处理，得到定位结果。
-
公开(公告)号：CN117173587A
公开(公告)日：2023-12-05
申请号：CN202311065026.X
申请日：2023-08-23
Applicant: 哈尔滨工程大学
IPC: G06V20/13 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/094
Abstract: 本发明提出一种基于异构图像深度转换的特征细化融合变化检测方法。所述方法通过特征细化模块按照从粗到细的方式进行多级拼接，获取不同级别的时间差异特征，解决了简单拼接或逐像素做差的方法在变化检测任务中适应性差的问题；在特征融合模块中，采用U‑Net++对差异特征进行编解码，得到不同层次的特征，并进行融合，以更好地挖掘具有上下文变化信息的差异特征，同时滤除低层特征的背景杂波并纠正高层特征的位置误差。总体而言，该方法稳定可靠，具备良好的训练泛化性能，且算法简单易于实施。
-
公开(公告)号：CN117173562A
公开(公告)日：2023-12-05
申请号：CN202311065024.0
申请日：2023-08-23
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本发明提出一种基于潜层扩散模型技术的SAR图像舰艇识别方法。用于SAR舰船识别任务，该方法通过图像生成模块对有限样本的数据集进行扩充，然后通过T2T模块和增加SE注意力机制模块的Transformer Layer的特征提取，增强了相邻特征间的信息融合，并且突出了重点特征。实现了高效准确的SAR图像舰船识别。
-
公开(公告)号：CN117173562B
公开(公告)日：2024-06-04
申请号：CN202311065024.0
申请日：2023-08-23
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本发明提出一种基于潜层扩散模型技术的SAR图像舰艇识别方法。用于SAR舰船识别任务，该方法通过图像生成模块对有限样本的数据集进行扩充，然后通过T2T模块和增加SE注意力机制模块的Transformer Layer的特征提取，增强了相邻特征间的信息融合，并且突出了重点特征。实现了高效准确的SAR图像舰船识别。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.031 seconds)
