-
公开(公告)号:CN114565534B
公开(公告)日:2024-11-08
申请号:CN202210192286.2
申请日:2022-02-28
Applicant: 福建农林大学
IPC: G06T5/94 , G06T7/13 , G06N3/0464 , G06V10/764 , G06V10/82 , G06V10/80
Abstract: 本发明涉及气象观测领域,具体是一种基于多尺度特征与梯度融合操作的云图识别方法,包括:1)通过分支减半云图特征大小,增加云图多尺度特征信息:将云图经过一个7×7卷积层和最大池化层后,通过一个3×3的卷积将特征图大小减半,接着再送入分支网络进行训练,最后将主线网络与分支网络特征图大小对应位置进行特征融合;2)通过梯度特征融合模块,增强云图特征轮廓信息:采用边缘轮廓提取算法Canny对每个密集块后的特征图提取梯度信息,将梯度信息经过softmax转化为权重矩阵,最后与特征图做点乘操作。本发明不仅进行了多尺度特征融合以及使用梯度信息,并且在模型中间将主线网络与分支网络对应大小位置进行叠加从而达到特征增强。
-
公开(公告)号:CN114565534A
公开(公告)日:2022-05-31
申请号:CN202210192286.2
申请日:2022-02-28
Applicant: 福建农林大学
Abstract: 本发明涉及气象观测领域,具体是一种基于多尺度特征与梯度融合操作的云图识别方法,包括:1)通过分支减半云图特征大小,增加云图多尺度特征信息:将云图经过一个7×7卷积层和最大池化层后,通过一个3×3的卷积将特征图大小减半,接着再送入分支网络进行训练,最后将主线网络与分支网络特征图大小对应位置进行特征融合;2)通过梯度特征融合模块,增强云图特征轮廓信息:采用边缘轮廓提取算法Canny对每个密集块后的特征图提取梯度信息,将梯度信息经过softmax转化为权重矩阵,最后与特征图做点乘操作。本发明不仅进行了多尺度特征融合以及使用梯度信息,并且在模型中间将主线网络与分支网络对应大小位置进行叠加从而达到特征增强。
-
公开(公告)号:CN109872556A
公开(公告)日:2019-06-11
申请号:CN201811612254.3
申请日:2018-12-27
Applicant: 福建农林大学
Abstract: 本发明公开了一种基于增强现实的室内停车场寻车系统,包括:无线网络单元解决室内停车场导航信号接收差、动态实时定位不稳定的问题,确保发射的无线信号能够覆盖整个停车场,搭建稳定的定位环境,AR寻车导航应用单元采用增强现实技术,对无线信号的传输时间等参数进行测量计算用户的实时位置,同时能确定停车位置,和在用户离开该停车位置时,将随着用户的移动确定用户的实时位置,并记录用户从离开车辆后的位置的变化情况生成离车路径信息,和根据该离车路径信息提供原路返回的路径信息,以及根据该提供的原路返回的路径信息导航到该停车位置。通过上述方式,能够实现在室内停车场寻车时实时定位结果稳定,同时又能提供原路返回导航。
-
-