-
公开(公告)号：CN113192124B
公开(公告)日：2024-07-02
申请号：CN202110277365.9
申请日：2021-03-15
Applicant: 大连海事大学
IPC: G06T7/70 , G06T7/10 , G06T5/94 , G06N3/0464
Abstract: 本发明公开了一种基于孪生网络的图像目标定位方法，包括：根据图像中的目标大小和所在位置对图像进行裁剪和数据增强处理、获得视频序列训练集中的全部图像组成的样本对；构建自注意力机制模块和互注意力机制模块，构建基于注意力机制的交叉融合孪生网络，将视频序列裁剪得到的样本对输入至基于注意力机制的交叉融合孪生网络进行训练；使用训练好的交叉融合孪生网络计算目标模板与视频序列各帧的得分图，记录得分图中得分最大的位置即为目标位置。通过自注意力机制模块对通过该模块的图像特征进行增强，通过互注意力机制模块聚合模板分支和搜索分支的有效信息，弥补在特征提取过程中双方无法获取对方重要信息的问题，提升跟踪器对复杂场景变化的适应能力。
-
Patent Agency Ranking
公开(公告)号：CN113515492A
公开(公告)日：2021-10-19
申请号：CN202110897023.7
申请日：2021-08-05
Applicant: 大连海事大学
IPC: G06F16/174 , G06F16/29
Abstract: 本发明提供一种基于改进时间比例的船舶轨迹数据压缩方法，包括：由自动识别系统获取船舶轨迹数据；对船舶轨迹数据进行预处理；以基于时间比例的同步欧式距离作为指标对船舶轨迹数据进行压缩，获取第一轨迹数据特征点集合；以航速变化以及航向变化作为指标对船舶轨迹数据进行压缩，获取第二轨迹数据特征点集合；将所述第一轨迹数据特征点与所述第二轨迹数据特征点集合合并后，将轨迹数据特征点按照时间前后顺序排列，得到一个具有时空性的压缩数据集。本发明在考虑了时间和空间约束的基础上加入了航向和航速的约束，引入了代表船舶行为变化较大的速度和航向特性，更加全面准确的对轨迹数据进行压缩。
-
公开(公告)号：CN116249200A
公开(公告)日：2023-06-09
申请号：CN202310026706.4
申请日：2023-01-09
Applicant: 大连海事大学
Abstract: 本发明提供一种基于锚盒子区域变概率采样的蒙特卡洛定位方法，包括初始化传感器网络节点，初始时刻采集的样本节点数为N；对初始化后的节点进行预测；对预测后的节点进行过滤，过滤掉被定位节点一跳与二跳范畴内的锚节点坐标中不满足过滤条件的样本，在存在多个锚节点时，多个锚节点的采样区域会产生一个公共的采样区域，对公共的采样区域进行调整，得到更好的采样节点，提升节点定位精度。在过滤阶段中，若最后得到的样本节点数达不到N个，则进行一次迭代，直到采集到N个节点为止；再对过滤出的样本节点进行加权平均，得到最终的定位位置。本发明解决了MCL算法中的迭代次数过多以及MCB算法中因存在不合理的采样节点导致定位精度下降的问题。
-
公开(公告)号：CN116249200B
公开(公告)日：2025-05-23
申请号：CN202310026706.4
申请日：2023-01-09
Applicant: 大连海事大学
Abstract: 本发明提供一种基于锚盒子区域变概率采样的蒙特卡洛定位方法，包括初始化传感器网络节点，初始时刻采集的样本节点数为N；对初始化后的节点进行预测；对预测后的节点进行过滤，过滤掉被定位节点一跳与二跳范畴内的锚节点坐标中不满足过滤条件的样本，在存在多个锚节点时，多个锚节点的采样区域会产生一个公共的采样区域，对公共的采样区域进行调整，得到更好的采样节点，提升节点定位精度。在过滤阶段中，若最后得到的样本节点数达不到N个，则进行一次迭代，直到采集到N个节点为止；再对过滤出的样本节点进行加权平均，得到最终的定位位置。本发明解决了MCL算法中的迭代次数过多以及MCB算法中因存在不合理的采样节点导致定位精度下降的问题。
-
公开(公告)号：CN116451032A
公开(公告)日：2023-07-18
申请号：CN202310144472.3
申请日：2023-02-21
Applicant: 大连海事大学
Abstract: 本发明提供一种基于DE‑LSSVM的AIS数据修复方法，包括：由自动识别系统获取船舶AIS数据；对船舶AIS数据进行预处理；筛选长距离缺失AIS数据；以基于改进欧氏距离的相似度判定方法作为指标对长距离缺失AIS数据进行相似历史数据检索，获取与长距离离缺失AIS数据最相似的AIS历史数据；将得到的相似数据作为训练集训练回归模型，为确保LSSVM方法对相似样本数据的建模精度，采用差分进化算法进行参数寻优，在长距离缺失数据情况下较为精准的还原AIS数据。本发明在考虑数据修复基础上，基于相似历史数据的轨迹相似性，采用优化效率高、参数设置简单、鲁棒性好的差分进化算法对LSSVM进行参数优化，更加精确的修复经度、纬度、航向与船速。
-
公开(公告)号：CN113192124A
公开(公告)日：2021-07-30
申请号：CN202110277365.9
申请日：2021-03-15
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于孪生网络的图像目标定位方法，包括：根据图像中的目标大小和所在位置对图像进行裁剪和数据增强处理、获得视频序列训练集中的全部图像组成的样本对；构建自注意力机制模块和互注意力机制模块，构建基于注意力机制的交叉融合孪生网络，将视频序列裁剪得到的样本对输入至基于注意力机制的交叉融合孪生网络进行训练；使用训练好的交叉融合孪生网络计算目标模板与视频序列各帧的得分图，记录得分图中得分最大的位置即为目标位置。通过自注意力机制模块对通过该模块的图像特征进行增强，通过互注意力机制模块聚合模板分支和搜索分支的有效信息，弥补在特征提取过程中双方无法获取对方重要信息的问题，提升跟踪器对复杂场景变化的适应能力。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
