-
公开(公告)号：CN114494269B
公开(公告)日：2025-01-14
申请号：CN202210094739.8
申请日：2022-01-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多重注意力机制的稀薄烟雾快速分割方法。本发明的关键在于利用了多重的注意力机制(时域、通道、空间注意力机制)来对无用的干扰信息进行多次滤除，并利用帧差法对烟雾的敏感性以及后续整个网络的轻量化来提升算法速度，从而能够捕捉到刚出现的半透明烟雾。经实验验证，在中国科学技术大学火灾科学国家实验室的烟雾数据集上使用该算法能够滤除大量干扰的同时准确的分割出早期稀薄烟雾，并且每帧的处理时延小于50ms。这突破了现有稀薄烟雾监测算法不能同时兼顾准确性和筛除干扰能力以及低处理时延的难题，实现了早期稀薄烟雾快速精确的分割。
-
公开(公告)号：CN118115880A
公开(公告)日：2024-05-31
申请号：CN202410402568.X
申请日：2024-04-03
Applicant: 杭州电子科技大学
IPC: G06V20/10 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于改进YOLOv7的航拍目标检测辅助海面搜救方法。获取带有目标的海面航拍图像数据集，将数据集划分为训练集，验证集，测试集；构建改进YOLOv7网络模型：所述改进YOLOv7网络模型是在现有YOLOv7网络的Neck部分中将Concat模块和ELAN模块替换为基于Transformer的特征融合模块TTF，同时在Neck部分引入SA注意力机制；利用训练、验证、测试好的改进YOLOv7网络模型实现航拍目标检测辅助海面搜救。本发明利用改进YOLOv7网络模型在检测海面上多尺度变化且具有高动态背景干扰的目标时提高海面搜救目标检测效果。
-
公开(公告)号：CN117669168A
公开(公告)日：2024-03-08
申请号：CN202311578384.0
申请日：2023-11-24
Applicant: 杭州电子科技大学
IPC: G06F30/20 , G06F18/241 , G06F18/214 , G06F18/22 , G06N3/04 , G01S13/72 , G01S13/88 , G01S7/40
Abstract: 本发明公开了一种基于深度强化学习的多目标跟踪方法，该方法首先得到雷达目标的真实航迹数据和传感器量测数据集，并进行标签随机有限集建模。其次将多目标先验密度进行标签多伯努利先验预测，得到代价矩阵C。然后构建强化学习模型，把代价矩阵C转化为二分图G输入训练好的深度强化学习网络模型中进行测试，输出的多个最优匹配结果转化成分配矩阵S。最后将分配矩阵S进行多伯努利滤波更新，得到多目标状态并向前传递多伯努利多目标后验密度，重复上述过程，统计多目标航迹信息。本发明在目标数量多、传统多目标跟踪系统计算量大的情况下也能快速准确实现跟踪任务。
-
公开(公告)号：CN115310526A
公开(公告)日：2022-11-08
申请号：CN202210901823.6
申请日：2022-07-28
Applicant: 杭州电子科技大学 , 浙江正泰中自控制工程有限公司
IPC: G06K9/62
Abstract: 本发明公开了一种基于sigma点置信传播的传感器数据快速融合方法，包括以下步骤：步骤(1)、对t时刻目标k的状态以及协方差进行预测；步骤(2)、对预测的状态进行sigma点采样；步骤(3)、对步骤(2)中的采样样本进行sigma点的传递；步骤(4)、对所有的传感器s并行计算传感器内部的迭代数据关联；步骤(5)、完成传感器内部的迭代数据关联后进行置信度计算；步骤(6)、根据目标k在t+1时刻的状态的分布情况对每个目标k在t+1时刻的状态和协方差进行估计。该方法解决了传统多传感器信息融合算法计算复杂度高、可扩展性差的问题，基于sigma点置信传播算法的实现，降低了计算复杂度。
-
公开(公告)号：CN110674698B
公开(公告)日：2021-12-07
申请号：CN201910816272.1
申请日：2019-08-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种密集子区域切割的遥感图像旋转舰船目标检测方法，在于对训练集目标进行预处理，根据图像标注工具获取的训练集目标信息，将目标切割成密集的子区域，获取到子目标信息，经YOLO V3训练后获取训练权重文件，并根据权重文件预测目标的密集子区域的中心点，宽和高的信息。通过对密集子区域中心点坐标数据的拟合得到函数关系并计算出预测目标的中心点坐标和角度，在结合密集子目标的宽和高的信息计算出预测目标的宽度和高度，完成对密集子区域的信息的后处理，提取到预测目标的中心点、宽、高、角度的信息，完成对具有角度等特殊目标的检测。
-
Patent Agency Ranking
公开(公告)号：CN110363060B
公开(公告)日：2021-07-20
申请号：CN201910271102.X
申请日：2019-04-04
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于特征子空间生成对抗网络的小样本目标识别方法；本发明先获取用于训练生成对抗网络的特征，接着使用重组后的特征数据训练生成对抗网络，再使用训练后的生成对抗网络生成新的特征对小样本数据进行扩充，最后使用扩充后的数据训练目标识别网络。本发明的关键在于使用生成对抗网络数据驱动的特点和较强的模仿能力，模仿对于不同因素导致退化的水下图像的增强策略。利用属性分支和判别分支这种多分支的结构增强学习的综合性和鲁棒性。
-
公开(公告)号：CN111833377A
公开(公告)日：2020-10-27
申请号：CN202010489544.4
申请日：2020-06-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于TBD复杂环境下运动小目标检测方法，本发明根据检测前跟踪(Tracking Before Detection,TBD)技术的基本思路，将背景建模、形态学处理等图像视频的处理算法与点/扩展点目标检测跟踪算法进行深度融合，提出了双阶段快速TBD算法。本发明考虑到背景噪声环境，利用运动目标的运动特性，用ViBe算法对运动区域初检测；然后用短时积累的方式，进行点迹检测；再利用长时积累的方式，生成运动目标航迹，提升了检测算法的性能，降低虚警率，提高了检测速度。
-
公开(公告)号：CN108038856B
公开(公告)日：2020-08-04
申请号：CN201711403183.1
申请日：2017-12-22
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于改进多尺度分形增强的红外小目标检测方法。传统基于分形特征增强的红外小目标检测算法具有计算复杂度高的问题。本发明利用多尺度区域内像素的最大值与最小值的差作为一种度量，然后采用其区域平均值获得每点像素的多尺度分形特征向量，通过定义的新的显著性度量准则来评价每点像素的显著性，最后基于增强后的图像通过自适应阈值分割算法进行目标检测。本发明提出的方法降低了算法的计算量，提高了检测速度。
-
公开(公告)号：CN111354012A
公开(公告)日：2020-06-30
申请号：CN202010099912.4
申请日：2020-02-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于子空间投影的复杂场景运动小目标检测前跟踪方法，采取三维时空序列上的目标运动轨迹与杂波轨迹进行区分的过程，对其进行分阶段级联处理：首先对三维时空的图像序列进行子空间的二维平面投影，根据运动轨迹与一般杂波轨迹的在二维投影平面上的形态学差异，可排除大部分无规律性杂波点；接着对滤波后的候选轨迹区域进行局部区域的三维时空航迹回溯，筛选有效候选点迹并计算有效点迹的中心点；最后针对候选运动中的有效运动点迹，计算航迹连续性及规律性，删除干扰点迹，提取有效的目标运动轨迹。本发明对于密集动杂波干扰下的图像序列中的目标跟踪的快速性方面得到极大的提升。
-
公开(公告)号：CN110363060A
公开(公告)日：2019-10-22
申请号：CN201910271102.X
申请日：2019-04-04
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于特征子空间生成对抗网络的小样本目标识别方法；本发明先获取用于训练生成对抗网络的特征，接着使用重组后的特征数据训练生成对抗网络，再使用训练后的生成对抗网络生成新的特征对小样本数据进行扩充，最后使用扩充后的数据训练目标识别网络。本发明的关键在于使用生成对抗网络数据驱动的特点和较强的模仿能力，模仿对于不同因素导致退化的水下图像的增强策略。利用属性分支和判别分支这种多分支的结构增强学习的综合性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
104
records
(took 0.034 seconds)
