-
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：CN117804455A
公开(公告)日：2024-04-02
申请号：CN202311751255.7
申请日：2023-12-19
Applicant: 海南大学
IPC: G01C21/20
Abstract: 本发明涉及一种基于改进A‑Star算法的无人水面艇路径规划方法，包括如下步骤：基于水域环境建立栅格化地图模型，明确起点、终点和不可航行位置；基于A‑Star算法，设计路径成本函数，八向搜寻扩展节点；结合天牛须搜索(BAS)算法，根据天牛位置更迭筛选扩展节点；计算扩展节点的路径成本值，更新位置与节点列表；从终点开始反向访问父节点直到起点，输出最终路径。本发明通过对预估成本函数进行加权，提供新的路径成本函数，并引入BAS算法对扩展节点进行筛选，避免了计算每个扩展节点的路径成本，提高了无人水面艇在复杂水域下的路径规划效率。
-
公开(公告)号：CN117593598A
公开(公告)日：2024-02-23
申请号：CN202311403413.X
申请日：2023-10-26
Applicant: 海南大学
IPC: G06V10/771 , G06V10/762 , G06V10/30 , G06N3/088 , G06V10/82
Abstract: 本发明涉及一种基于谱松弛嵌入的无监督特征选择方法、装置及介质，其中方法包括以下步骤：获取用户输入的图像数据集并进行预处理；对数据集中的样本图像矩阵进行滤波降噪；根据样本图像矩阵计算局部拉普拉斯谱，建立基于谱松弛嵌入的向量式无监督特征选择模型；对无监督特征选择模型的多个变量进行迭代学习至收敛；根据迭代学习得到的无监督特征选择模型，计算各个特征对应的评价指标；根据评价指标值，从大到小依次选择预设数量的特征数，完成特征选择。与现有技术相比，本发明具有易于实现、方便快捷、可以根据需要选择所需的数据维度等优点。
-
公开(公告)号：CN115457360B
公开(公告)日：2024-09-13
申请号：CN202211132614.6
申请日：2022-09-17
Applicant: 海南大学
IPC: G06V10/25 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/086 , G06V10/764 , G06V10/766
Abstract: 本发明涉及一种多源传感器信息融合的目标检测方法，具体涉及一种基于双注意力机制多源融合的水上目标检测方法，包括：构建雷达图像生成模型和特征提取模型，并生成2D注意力矩阵；构建视觉图像特征提取模型，得到视觉特征图；将所述2D注意力矩阵沿视觉特征图所有通道重新加权，生成融合特征图；将所述融合特征图输入目标检测网络FasterRCNN。本发明可以充分利用雷达和视觉传感器互补的信息，提升网络的精度和目标检测的准确度；有效解决水上目标在图像中权重降低以及微小目标检测性能低的问题。
-
Patent Agency Ranking
公开(公告)号：CN117873055A
公开(公告)日：2024-04-12
申请号：CN202311626571.1
申请日：2023-11-30
Applicant: 海南大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明涉及一种基于PCA‑DQFD的无人水面艇自适应路径跟踪方法、设备及介质，该方法包括：获取无人水面艇的路径跟踪指标集，并采用主成分分析PCA算法提取主体成分；构建DQFD网络模型，将提取出的主体成分作为无人水面艇的状态空间，设置无人水面艇的动作空间，利用总损失函数进行预训练；其中，DQFD网络模型为学习演示的深度Q学习网络模型；基于DQFD网络模型输出的最优路径跟踪策略，迭代优化无人水面艇航行的控制参数，以实现对指定路径的实时自适应跟踪。与现有技术相比，本发明提高了无人水面艇的路径跟踪成功率和航行效率。
-
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。
-
公开(公告)号：CN116310804A
公开(公告)日：2023-06-23
申请号：CN202310163861.0
申请日：2023-02-24
Applicant: 海南大学
IPC: G06V20/10 , G06V10/77 , G06V10/82 , G06T3/40 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于高分辨率表征的水上垃圾检测方法，将获取的包含水上垃圾的图像数据输入预先构建并训练好的检测网络中，输出水上垃圾检测结果；检测网络包括：高分辨率特征提取模块：将图像数据处理为高分辨率特征图，提取空间信息；语义特征提取模块：提取高分辨率特征图的语义信息；特征信息融合模块：用以融合高分辨率特征提取模块输出的空间信息和语义特征提取模块输出的语义信息，输出融合信息；多尺度检测模块：根据融合信息对多种尺度的物体进行检测，得到水上垃圾检测结果。与现有技术相比，本发明能够获得具有丰富的空间、语义信息的高分辨率特征图，结合多分支结构和多尺度检测，可以弥补现有水上垃圾检测方法的不足，提高检测性能。
-
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：CN115457360A
公开(公告)日：2022-12-09
申请号：CN202211132614.6
申请日：2022-09-17
Applicant: 海南大学
Abstract: 本发明涉及一种多源传感器信息融合的目标检测方法，具体涉及一种基于双注意力机制多源融合的水上目标检测方法，包括：构建雷达图像生成模型和特征提取模型，并生成2D注意力矩阵；构建视觉图像特征提取模型，得到视觉特征图；将所述2D注意力矩阵沿视觉特征图所有通道重新加权，生成融合特征图；将所述融合特征图输入目标检测网络FasterRCNN。本发明可以充分利用雷达和视觉传感器互补的信息，提升网络的精度和目标检测的准确度；有效解决水上目标在图像中权重降低以及微小目标检测性能低的问题。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.015 seconds)
