公开(公告)号：CN105184092B

公开(公告)日：2018-04-13

申请号：CN201510611795.4

申请日：2015-09-23

Applicant: 电子科技大学

Inventor： 屈鸿 ,  黄利伟 ,  樊珍 ,  刘昕彤 ,  王留帅 ,  陈珊 ,  陈常乐 ,  张书洲

IPC: G06F19/00

Abstract: 本发明公开了一种资源限制条件下多类型无人机协同任务分配方法，首先初始化环境信息，并根据环境模型建立初始概率矩阵，然后根据初始概率矩阵生成一定数量的随机样本,并根据约束条件删除无效样本,继而根据目标函数求出有效样本的目标函数值,之后按样本目标函数值由大到小排列，取一定比例的排在前边的样本更新概率矩阵，给出了具体的资源限制条件下基于交叉熵方法的多类型无人机任务分配求解算法。本发明能够更好地解决资源限制条件下的多类型无人机任务分配问题，使得无人机或无人机组以更高的收益完成任务。本发明应用于资源限制条件下多类型无人机任务分配。

公开(公告)号：CN105184092A

公开(公告)日：2015-12-23

申请号：CN201510611795.4

申请日：2015-09-23

Applicant: 电子科技大学

Inventor： 屈鸿 ,  黄利伟 ,  樊珍 ,  刘昕彤 ,  王留帅 ,  陈珊 ,  陈常乐 ,  张书洲

IPC: G06F19/00

Abstract: 本发明公开了一种资源限制条件下多类型无人机协同任务分配方法，首先初始化环境信息，并根据环境模型建立初始概率矩阵，然后根据初始概率矩阵生成一定数量的随机样本,并根据约束条件删除无效样本,继而根据目标函数求出有效样本的目标函数值,之后按样本目标函数值由大到小排列，取一定比例的排在前边的样本更新概率矩阵，给出了具体的资源限制条件下基于交叉熵方法的多类型无人机任务分配求解算法。本发明能够更好地解决资源限制条件下的多类型无人机任务分配问题，使得无人机或无人机组以更高的收益完成任务。本发明应用于资源限制条件下多类型无人机任务分配。

公开(公告)号：CN108647682A

公开(公告)日：2018-10-12

申请号：CN201810479069.5

申请日：2018-05-17

Applicant: 电子科技大学

Inventor： 屈鸿 ,  刘永胜 ,  张书洲 ,  季江舟 ,  贺强 ,  张亦洲 ,  郝雪洁

IPC: G06K9/32 ,  G06K9/62

Abstract: 本发明公开了一种基于区域卷积神经网络模型的品牌Logo检测与识别方法，方法步骤如下：步骤1、进行原始数据集扩充，得到规模达到进行区域卷积神经网络模型训练要求的扩充的数据集；步骤2、利用扩充后的数据集对区域卷积神经网络模型进行训练；步骤3、基于区域卷积神经网络对输入图像进行Logo检测与识别。本发明进行原始数据集扩充、深度学习网络模型训练、基于区域卷积神经网络的Logo检测与识别，实现了复杂背景下多种Logo的检测与识别。