-
公开(公告)号：CN110232319A
公开(公告)日：2019-09-13
申请号：CN201910376075.2
申请日：2019-05-07
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的船舶行为识别方法，属于模式识别领域。本发明可以在智能海洋监测，船舶智能监管等领域应用。具体包括：步骤S1：获取原始船舶轨迹数据，通过数据预处理以及轨迹分割方法自建船舶行为识别数据集；步骤S2：设计多尺度卷积模块与长短期记忆网络级联的船舶行为识别网络，使用自建船舶行为识别数据集训练的船舶行为识别网络，实现对船舶轨迹数据的行为识别。采用本发明的技术方案，将船舶行为识别技术应用到船舶监管领域中，从海量的船舶轨迹数据中自动分析船舶的行为，可以对近海海洋的船舶行为活动进行有效的取证和监管，来替代低效的人为查验模式。整体方案具有设备依赖性低、识别准确率高以及识别速度快等特点。
-
公开(公告)号：CN109918537B
公开(公告)日：2021-05-11
申请号：CN201910046771.7
申请日：2019-01-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于HBase的船舶监控视频内容的快速检索方法，通过训练好的深度哈希网络模型来提取视频关键帧图像的深度哈希特征，并将提取到的深度哈希特征向量写入HBase数据库中，以此构建视频关键帧的哈希特征库；在哈希特征库中的所有视频关键帧图像深度哈希特征向量进行遍历，计算待检索图像深度哈希特征向量与哈希特征库中的视频关键帧图像深度哈希特征向量之间的汉明距离；选取汉明距离最小的视频关键帧图像，通过舰船视频名称得到检索的舰船视频数据。本发明利用基于图像相似度的关键帧提取算法和基于深度哈希网络模型，实现基于HBase的船舶监控视频内容的快速检索方法，从而能够快速高效的检索出待检索图像对应的视频内容。
-
公开(公告)号：CN109886114A
公开(公告)日：2019-06-14
申请号：CN201910046774.0
申请日：2019-01-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于聚合变换特征提取策略的舰船目标检测方法，包括以下步骤：步骤S1：结合多分支聚合变换的概念，设计并得到一种优化的特征提取网络ResNet_AC；步骤S2:将步骤S1中设计得到的ResNet_AC，在自建海洋环境相关目标分类数据集Dataset-classify上进行训练，得到特征提取网络模型；步骤S3：将步骤S2训练得到的特征提取网络模型移植到目标检测网络RFCN中，并基于自建舰船目标检测数据集Dataset-detect，最终训练得到能更好应用于舰船目标检测的网络模型。采用本发明的技术方案，在ResNet网络各层之间增加多个相同拓扑结构的卷积计算分支并进行分组卷积，在保持网络原有计算复杂度的情况下提升分类准确率，具有准确性高，网络设计简单等优点。
-
公开(公告)号：CN112906538A
公开(公告)日：2021-06-04
申请号：CN202110171222.X
申请日：2021-02-08
Applicant: 杭州电子科技大学
IPC: G06K9/00 , G06K9/46 , G06K9/62 , G06N3/04 , G06N3/08 , G06F16/71 , G06F16/75 , G06F16/78 , G06F16/783
Abstract: 本发明公开了一种基于无人值守平台的舰船目标图像识别系统及方法，包括太阳能供电模块、视频采集模块、智能识别模块、情报生成模块、智能报警模块、数据传输模块；太阳能供电模块，用于为整个识别系统提供电能；视频采集模块，用于采集监控海域的视频信息；智能识别模块，用于对采集的视频信息中的图像进行识别；情报生成模块，用于根据识别的结果生成情报数据，并根据生成的情报数据判断舰船目标是否为异常目标；智能报警模块，用于当舰船目标为异常目标时发出报警并生成报警信息；数据传输模块，用于将生成的报警信息传输至远程终端。
-
公开(公告)号：CN110232319B
公开(公告)日：2021-04-06
申请号：CN201910376075.2
申请日：2019-05-07
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的船舶行为识别方法，属于模式识别领域。本发明可以在智能海洋监测，船舶智能监管等领域应用。具体包括：步骤S1：获取原始船舶轨迹数据，通过数据预处理以及轨迹分割方法自建船舶行为识别数据集；步骤S2：设计多尺度卷积模块与长短期记忆网络级联的船舶行为识别网络，使用自建船舶行为识别数据集训练的船舶行为识别网络，实现对船舶轨迹数据的行为识别。采用本发明的技术方案，将船舶行为识别技术应用到船舶监管领域中，从海量的船舶轨迹数据中自动分析船舶的行为，可以对近海海洋的船舶行为活动进行有效的取证和监管，来替代低效的人为查验模式。整体方案具有设备依赖性低、识别准确率高以及识别速度快等特点。
-
Patent Agency Ranking
公开(公告)号：CN110287763A
公开(公告)日：2019-09-27
申请号：CN201910288568.0
申请日：2019-04-11
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种面向舰船目标识别应用的候选框比例优化方法，步骤S1:准备目标数据集；步骤S2：对已有数据目标进行目标框长宽比特征提取，并对长宽比例进行聚类，用聚类的方法提取出比例。步骤S3:用提取出的比例替换原有网络中的achor比。采用本发明的技术方案，提高了结合舰船目标特性，改变了锚点框选择方法，有效的提高了舰船目标识别的准确性。
-
公开(公告)号：CN109859103A
公开(公告)日：2019-06-07
申请号：CN201910021220.5
申请日：2019-01-09
Applicant: 杭州电子科技大学
Abstract: 本发明公开了发明一种基于双线性内插法精确池化策略的舰船目标检测方法，包括以下步骤：步骤S1：基于双线性内插法，设计得到能适用于精准定位小尺寸舰船对象候选框的池化方法；步骤S2：用步骤S1中得到的精细池化方法，替换到事先训练好的通用舰船目标检测网络模型中，再将该模型移植入海上观测平台的设备中，实时处理摄像头采集的舰船视频，完成高重叠场景下的舰船目标检测工作。采用本发明的技术方案，利用全新的精细池化方法，实现了基于双线性内插法精确池化策略的舰船目标检测方法，能在不增加训练和运行成本的同时，有效提升小尺寸舰船目标的检测准确率。具有可移植性高、通用性强等特点。
-
公开(公告)号：CN109858481A
公开(公告)日：2019-06-07
申请号：CN201910021219.2
申请日：2019-01-09
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于级联位置敏感检测的舰船目标检测方法，步骤S1：设计得到能适用于精准检测舰船目标边框的位置敏感级联检测模块；步骤S2：用步骤S1中得到的级联位置敏感检测模块，替换到原目标检测网络的检测模块，得到一种基于级联位置敏感检测的舰船目标检测方法，再利用舰船目标检测数据集逐级训练各个级联检测模块，最终将该模型移植至海上观测平台的设备中，完成海上舰船目标精准检测。采用本发明的技术方案，利用级联位置敏感检测模块，实现了基于级联位置敏感检测的目标检测方法，对海上视频图像中的舰船目标能够在保持原有快速检测的前提下实现更加精准地位置回归。
-
公开(公告)号：CN109583424A
公开(公告)日：2019-04-05
申请号：CN201811573051.8
申请日：2018-12-21
Applicant: 杭州电子科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于衰减置信度的重叠舰船目标候选框筛选方法，包括以下步骤：步骤S1：设计得到能适用于舰船目标重叠场景的目标候选框筛选方法；步骤S2：用步骤S1中得到的舰船目标候选框筛选方法，替换到事先训练好的通用舰船目标检测网络模型中，再将该模型移植入海上观测平台的设备中，实时处理摄像头采集的舰船视频，完成高重叠场景下的舰船目标检测工作。采用本发明的技术方案，利用全新的目标候选框筛选方法，实现了基于衰减置信度方法的舰船目标场景下的目标候选框筛选方法，具有重叠目标检测效果好，可移植性高等特点。
-
公开(公告)号：CN109919000A
公开(公告)日：2019-06-21
申请号：CN201910061808.3
申请日：2019-01-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多尺度融合策略的舰船目标检测方法，包括以下步骤：步骤S1：准备用于训练特征提取网络模型和目标检测网络模型的数据集；步骤S2：结合多尺度特征融合的概念，设计并得到一种优化的特征提取网络；步骤S3：将步骤S2得到的特征提取网络模型移植到目标检测网络RFCN中，得到基于多尺度特征融合的MFF-RFCN；步骤S4：基于步骤S1中自建舰船目标检测数据集Dataset-detection，训练得到能更好应用于舰船目标检测的网络模型。采用本发明的技术方案，将高层特征图和低层特征图进行融合，将语义信息与位置信息整合起来，可以在资源不受限的使用场景下，进一步提升网络的特征提取能力，具有检测精度高，涵盖尺度广等优点。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.022 seconds)
