-
公开(公告)号：CN114926819A
公开(公告)日：2022-08-19
申请号：CN202210607410.7
申请日：2022-05-31
Applicant: 海南大学
Abstract: 本发明涉及一种复杂场景的未知异常障碍物识别方法及系统，该系统包括：特征编码器模块：用以将输入图片编码为高维特征张量，提取输入特征；未知注意力生成模块，用以生成未知注意力权重图，该注意力图对不确定性高区域生成高权重，反之注意力图较低；注意力信息提示模块，用以对注意力高区域给予真值提示；语义分割结果预测模块，用以预测像素为各类别的概率。本发明通过训练模型将有效注意力放在不确定性区域高的区域来以此根据模型注意力权重值来预测是否为未知异常障碍物。与现有技术相比本发明具有应用性强、计算量小、普适性强等优点。
-
公开(公告)号：CN115760972A
公开(公告)日：2023-03-07
申请号：CN202211312823.9
申请日：2022-10-25
Applicant: 海南大学
Abstract: 本发明涉及一种基于红外信标的目标定位系统，用以无人设备在夜间识别信标，包括：夜用红外信标装置：用以发出红外光，为设于无人设备上的相机提供信标与无人设备之间的距离及相对位置；相机：用以捕捉夜用红外信标装置发出的红外光，生成夜间红外图像；红外信标转换模块：用以对夜间红外图像进行预处理，生成日用标准信标图像；标准信标识别模块：用以对日用标准信标图像进行处理，获取红外信标识别结果，根据红外信标识别结果解算信标的相对位置坐标，对信标进行定位。与现有技术相比，该发明能够使得无人设备在夜间准确识别标识目标，具有定位精度高，可靠性强的特点。
-
Patent Agency Ranking
公开(公告)号：CN115019169A
公开(公告)日：2022-09-06
申请号：CN202210603898.6
申请日：2022-05-31
Applicant: 海南大学
Abstract: 本发明涉及一种水面小目标检测方法及装置，该方法包括进行图像采集，并对采集到的图像进行数据增强，以扩充数据；对采集到的图像进行特征提取，并生成对应的特征图；引入特征金字塔结构和稀疏注意力机制，对不同尺度的特征图进行信息融合；对信息融合后的特征向量进行加权处理；采用Focal Loss函数来平衡信息融合后的特征向量的正负样本数。本发明通过引入新的数据增强方式和特征信息融合方式，采用特征金字塔结构和稀疏注意力机制相结合，增强了对水面小目标的检测性能，减少了目标漏检、错检的情况。
-
公开(公告)号：CN114926819B
公开(公告)日：2024-06-21
申请号：CN202210607410.7
申请日：2022-05-31
Applicant: 海南大学
IPC: G06V20/58 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种复杂场景的未知异常障碍物识别方法及系统，该系统包括：特征编码器模块：用以将输入图片编码为高维特征张量，提取输入特征；未知注意力生成模块，用以生成未知注意力权重图，该注意力图对不确定性高区域生成高权重，反之注意力图较低；注意力信息提示模块，用以对注意力高区域给予真值提示；语义分割结果预测模块，用以预测像素为各类别的概率。本发明通过训练模型将有效注意力放在不确定性区域高的区域来以此根据模型注意力权重值来预测是否为未知异常障碍物。与现有技术相比本发明具有应用性强、计算量小、普适性强等优点。
-
公开(公告)号：CN116310320A
公开(公告)日：2023-06-23
申请号：CN202310138945.9
申请日：2023-02-20
Applicant: 海南大学
Abstract: 本发明涉及一种改进的卷积神经网络的弱监督语义分割方法，将输入图像输入预先构建并训练好的语义分割网络中，生成语义分割结果；语义分割网络包括：特征提取模块：将输入图像处理为具有空间权重参数的特征图，包括以ResNet50为主干网络的卷积网络，卷积网络中的卷积核为条形卷积核，卷积网络中的每个block之间设有通道注意力模块；对抗擦除模块：将特征图以对抗擦除的方式输入两个通道，进行目标定位，生成最终特征图；分割输出模块：对最终特征图进行上采样，生成大小与输入图像大小相等的分割图，将分割图作为伪掩膜以全监督形式对输入图像进行最终分割，得到语义分割结果。与现有技术相比，本发明能够提高条形全局特征的提取能力，增加语义分割精度。
-
公开(公告)号：CN116229720A
公开(公告)日：2023-06-06
申请号：CN202310236891.X
申请日：2023-03-10
Applicant: 海南大学
IPC: G08G1/01 , G06F18/23213 , G06F30/20 , G06Q50/18 , G06F111/08
Abstract: 本发明涉及一种智能车路系统的交通事故判别方法，包括如下步骤：S1：基于智能车路系统的道路线形，实时获取交通流信息，交通流信息包括交通流的流量和密度，以密度为x轴，流量为y轴，建立二维坐标系，基于交通流信息建立宏观交通流基本图模型；S2：针对交通流基本图模型中的散点，通过k‑means方法随机选取k个初始质心向量对散点进行聚类，基于DDPG算法对参数k进行参数寻优，对交通流基本图模型中各散点进行簇划分，得到最优输出簇；S3：判断交通流基本图模型中的散点在最优输出簇中所处的簇，进而判别当前时刻下的智能车路系统是否发生交通事故。与现有技术相比，本发明能够动态且精准地判别IVIS的突发性交通事故，进而保障道路交通的通行能力。
-
公开(公告)号：CN116300989A
公开(公告)日：2023-06-23
申请号：CN202211422458.7
申请日：2022-11-14
Applicant: 海南大学
Abstract: 本发明涉及无人机导航领域，具体涉及一种基于陆空协同的无人机自主降落控制系统，所述系统包括图像采集模块、视觉信息处理模块、上层飞行控制器模块以及安装有地标的无人车；图像采集模块，用于获取地标的视觉信息；视觉信息处理模块，用于对所述视觉信息进行处理与识别，并解算出无人机与所述无人车的位姿关系；上层飞行控制器模块，用于根据所述位姿关系，控制无人机的位姿及飞行轨迹，完成无人机在无人车上的着陆。通过本发明，实现无人机的自主着陆路径规划，提高无人机着陆成功率，减低专业人员操控成本。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
