-
公开(公告)号：CN114970533B
公开(公告)日：2025-04-29
申请号：CN202210593349.5
申请日：2022-05-27
Applicant: 杭州电子科技大学
IPC: G06F40/295 , G06F16/387 , G06F18/25 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种融合相对位置特征的深度学习军事武器实体识别方法。包括：1)基于公开数据构建中文军事武器领域数据集。2)针对公开数据上实体存在的问题，制定军事武器实体识别规则。3)根据数据集作为模型训练的原始数据，采用扁平晶格网络实现字词向量的生成和提取相对位置特征信息。4)以训练结果为输入，加入多头自注意力机制结构对输入文本中的长距离依赖进行建模。5)以训练结果为输入，结合实体识别规则，采用CRF方法作为标签解码器输出全局最优标注序列。本发明解决长距离建模难题与增强上下文特征提取，使得军事武器命名实体识别任务更精准高效。
-
公开(公告)号：CN119540526A
公开(公告)日：2025-02-28
申请号：CN202411588124.6
申请日：2024-11-08
Applicant: 杭州电子科技大学
IPC: G06V10/25 , G06V10/82 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了一种基于多尺度特征增强的单帧红外弱小目标检测方法，包括如下步骤：步骤1、获取单帧红外图像构建单帧红外图像数据集，并划分为训练集和测试集；步骤2、构建一个红外弱小目标检测网络模型，所述红外弱小目标检测网络以YOLOv5网络模型为基础网络，所述YOLOv5网络模型包括主干特征提取网络、特征融合网络和检测头；在所述主干特征提取网络中引入了多尺度特征增强模块，所述多尺度特征增强模块包括依次串联的上下文特征融合模块与特征细节增强模块；步骤3、设计训练策略，根据训练策略将训练集作为输入训练红外弱小目标检测网络模型；步骤4、完成训练后，输入测试集进行红外弱小目标检测网络模型的测试和评估。
-
公开(公告)号：CN119150108A
公开(公告)日：2024-12-17
申请号：CN202411658987.6
申请日：2024-11-20
Applicant: 杭州电子科技大学
IPC: G06F18/241 , G06F18/25 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了一种基于多源信息特征级融合的舰船分类方法，首先获取舰船目标的HRRP和SAR原始雷达数据，并对HRRP原始雷达数据预处理，生成两种格式的HRRP样本。其次在第一种格式的HRRP样本上进行特征提取，构成传统特征。然后构建时序网络模型分支，以第二种格式的HRRP样本作为输入，并嵌入传统特征，输出混合特征；构建二维卷积模型分支，将SAR原始雷达数据通过轻量级的CNN网络，提取舰船目标结构特征。最后设计注意力加权机制的特征融合模块，将混合特征与舰船目标结构特征加权融合，输出舰船分类结果。本发明解决了自动目标雷达识别基于单一模态数据识别精度和性能有限的问题，提高分类准确率。
-
公开(公告)号：CN114155491B
公开(公告)日：2024-04-23
申请号：CN202111494779.3
申请日：2021-12-09
Applicant: 杭州电子科技大学
IPC: G06V20/52 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于AIS数据的船舶行为识别方法及系统，其中涉及的一种基于AIS数据的船舶行为识别方法，包括：S1.获取船舶自动识别系统AIS的原始数据，并对获取到的原始数据进行预处理，得到船舶行为的数据集；S2.预构建时序和视觉网络双融合的船舶行为识别网络，并将得到的船舶行为数据集输入构建好的船舶行为识别网络进行训练，得到训练好的船舶行为识别网络模型；S3.将所要识别的船舶轨迹数据输入船舶行为识别网络模型中，输出船舶轨迹数据的行为识别结果。
-
公开(公告)号：CN112926442B
公开(公告)日：2024-03-29
申请号：CN202110205006.2
申请日：2021-02-24
Applicant: 杭州电子科技大学
IPC: G06V20/40 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种图像目标数据集均衡完备的构建方法，包括步骤：S11.基于数据集评价指标体系中各个指标的分级对多个样本数据集进行统计，得到样本数据集对应的原始数据，并利用卡方检验方法确定原始数据与满足均匀分布数据的偏离程度；S12.将确定的偏离程度作为比较序列，将实际识别准确率作为参考数列，计算比较序列与参考数列的关联系数和关联度，并根据计算得到的关联系数和关联度确定指标权重值；S13.统计待评价数据集的指标数据，计算统计的指标数据对应的卡方值，设定最优方案和最劣方案，并根据步骤S12中确定的指标权重值，比较待评价数据集与最优方案的贴近度；S14.根据贴近度计算整体、局部评价结果，输出最终评价结果。
-
Patent Agency Ranking
公开(公告)号：CN116704274A
公开(公告)日：2023-09-05
申请号：CN202310823416.2
申请日：2023-07-06
Applicant: 杭州电子科技大学
IPC: G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及基于空间相关性注意力的红外和可见光图像融合方法，包括以下步骤：S1：读取红外和可见光图像；S2：将红外和可见光图像分别输入编码器提取4种尺度的深度特征；S3：将红外的深度特征和可见光图像的深度特征输入融合网络；S4：在融合网络中，对输入融合网络的相应尺度的红外图和可见光图像特征计算空间相关性注意力权重并将空间相关性注意力权重作用于红外和可见光图像的特征；S5：在融合网络中，对空间注意力作用后的特征利用交叉残差网络进一步融合；S6：根据融合特征构建融合图像；该方法针有效解决了红外和可见光图像像素级融合任务中细粒度信息丢失的问题。
-
公开(公告)号：CN114970533A
公开(公告)日：2022-08-30
申请号：CN202210593349.5
申请日：2022-05-27
Applicant: 杭州电子科技大学
IPC: G06F40/295 , G06F16/387 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融合相对位置特征的深度学习军事武器实体识别方法。包括：1)基于公开数据构建中文军事武器领域数据集。2)针对公开数据上实体存在的问题，制定军事武器实体识别规则。3)根据数据集作为模型训练的原始数据，采用扁平晶格网络实现字词向量的生成和提取相对位置特征信息。4)以训练结果为输入，加入多头自注意力机制结构对输入文本中的长距离依赖进行建模。5)以训练结果为输入，结合实体识别规则，采用CRF方法作为标签解码器输出全局最优标注序列。本发明解决长距离建模难题与增强上下文特征提取，使得军事武器命名实体识别任务更精准高效。
-
公开(公告)号：CN110428102A
公开(公告)日：2019-11-08
申请号：CN201910701134.9
申请日：2019-07-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开基于HC-TC-LDA的重大事件趋势预测方法。首先，采用网络爬虫爬取专题新闻数据；然后，利用主题模型抽取特征，并针对LDA主题模型存在大量噪声词，且必须凭借经验手动设置主题数目的问题，设计了融合层次聚类、单词贡献度、LDA的主题模型HC-TC-LDA；最后，采用机器学习分类模型构建重大事件趋势预测模型。本发明方法的预测性能优于依赖专家知识进行特征指标构建的传统方法，能有效实现重大事件趋势的高精度预测，并且在方法普适性与时效性上该方法均具有一定优势，无需更多的领域专家知识，为战略决策制定提供一定的辅助支持,具有广阔的应用前景。
-
公开(公告)号：CN108765288A
公开(公告)日：2018-11-06
申请号：CN201810513242.9
申请日：2018-05-25
Applicant: 杭州电子科技大学
CPC classification number: G06T3/4053 , G06T3/4007 , G06T7/13 , G06T2207/10004
Abstract: 本发明公开了一种基于边缘保持的POCS图像超分辨重建方法，包含图像边缘提取、判断像素点是否为边缘像素、根据判断结果改进PSF、根据相应PSF进行迭代修正等四个基本步骤，具体为：对任意一帧低分辨率图像进行双线性插值操作，得到目标高分辨率图像的初始参考帧；对该初始帧进行边缘提取，得到其边缘图像；对检测到的边缘像素，根据夹角大小的不同而采用不同的PSF；选取相应的PSF，模拟低分辨率图像的生成过程，由高分辨初始帧计算出低分辨率图像的像素值，计算该像素值与相应原有序列低分辨率图像像素值之间的残差，根据残差对高分辨初始帧做出修正。本发明使得重建的高分辨率图像清晰度相较于原有低分辨率图像有了明显的提升，且图像边缘保持效果良好。
-
公开(公告)号：CN108614996A
公开(公告)日：2018-10-02
申请号：CN201810295054.3
申请日：2018-04-04
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军船、民船自动识别方法，属于基于图像的自动目标识别领域。本发明创造可以在海防，武器装备智能化，态势估计领域应用。该方法针对传统的基于深度学习的目标识别网络各层单向连接，特征表达能力不足的问题，重新设计了一种稠密连接卷积等层的算法模型。使用稠密连接的方式，算法模型复用了每一层的特征，从而提高了算法模型的目标识别平均准确率；算法模型采用全卷积的特征提取方式去除了权重参数过大的全连接层，采用这种方式训练得到的算法模型更小；不仅如此，算法模型解决了梯度弥散、梯度膨胀的问题。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.033 seconds)
