基于可学习互相关和排序损失的孪生网络目标跟踪算法

    公开(公告)号:CN118196142A

    公开(公告)日:2024-06-14

    申请号:CN202410394904.0

    申请日:2024-04-02

    Abstract: 本发明提供一种基于可学习互相关和排序损失的孪生网络目标跟踪算法,包括:获取目标图像和搜索图像;构建包括相连接的特征提取模块和可学习互相关模块的孪生神经网络模型,特征提取模块用于提取搜索图像的搜索特征图和目标图像的模板特征图;可学习互相关模块用于根据搜索特征图和模板特征图得到融合特征图;根据融合特征图构建排序损失函数更新孪生神经网络模型的参数;将图像组输入孪生神经网络模型,孪生神经网络结果输出目标图像在搜索图像的位置。通过可学习互相关模块增强对物体边界的分辨能力,防止被相似干扰物欺骗。通过基于排序的损失函数,增强模型的判别能力,缓解分类和定位之间的不匹配问题,确保更准确的目标预测。

    一种基于DE-LSSVM的AIS数据修复方法

    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

    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。

    一种基于TSH压缩和DBSCAN聚类的船舶轨迹分析方法

    公开(公告)号:CN116204518A

    公开(公告)日:2023-06-02

    申请号:CN202310022194.4

    申请日:2023-01-06

    Abstract: 本发明提供一种基于TSH压缩和DBSCAN聚类的船舶轨迹分析方法,包括:对船舶轨迹进行清洗;利用TSH对船舶轨迹进行压缩;利用Hausdorff距离进行轨迹之间的相似性度量,并得到相似性度量矩阵;利用DBSCAN对得到的相似性度量矩阵进行聚类;计算综合指标SCCH得分,根据SCCH得分的变化曲线,选择最佳的初始参数,实现参数的自适应选择。本发明解决了船舶轨迹压缩质量问题,考虑了AIS数据的多维信息(经度、纬度、时间、航速和航向);针对DBSCAN聚类参数难以确定的问题,提出了聚类结果的综合评价指标SCCH,根据SCCH得分实现参数的自适应选择。本发明对分析船舶轨迹提供了新思路,得到的船舶轨迹划分有着良好的聚类效果,对于辅助船舶轨迹异常检测及挖掘海上交通特征具有重要意义。

Patent Agency Ranking