-
公开(公告)号：CN119919737A
公开(公告)日：2025-05-02
申请号：CN202510150057.8
申请日：2025-02-11
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/42 , G06V10/80 , G06V10/774 , G06V10/82 , G06V20/10 , G06N3/0464 , G06N3/048
Abstract: 本发明提供了一种基于改进金字塔的遥感图像目标检测方法，在所构建的检测模型中，特征提取模块为基于ResNet50的双级特征金字塔结构，添加了一层由底至上的金字塔特征图融合结构；两个增强模块分别将高层尺寸的两张特征图和低层尺寸的两张特征图作为输入，进行通道注意力提取与空间注意力提取，并将提取的特征图相乘，得到双尺度特征图；然后两个检测头模块分别对双尺度特征图进行处理，通过分类分支和回归分支分别输出目标的类别和边界框信息。本发明在保留了高层丰富的语义信息的同时，更全面地捕捉了底层的边缘、棱角、纹理等细节信息，对于密集、存在重叠情况下的遥感目标，可以精确识别出物体的各个边缘，有更高的检测精度。
-
公开(公告)号：CN119810572A
公开(公告)日：2025-04-11
申请号：CN202510150065.2
申请日：2025-02-11
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/42 , G06V10/774 , G06V10/80 , G06V10/82 , G06V20/13 , G06V20/17 , G06N3/0464 , G06N3/048
Abstract: 本发明提供了一种强化底层信息的遥感图像目标检测方法，在目标检测模型中，特征提取模块提取按照图像尺寸由底至上排列的四层特征图；三个边缘提取模块分别对最底层的特征图进行边缘提取，使经边缘提取的特征图尺寸分别与其他三层特征图尺寸相同；三个全局增强模块分别将对应特征图与相同尺寸经边缘提取的最底层特征图作为输入，进行通道注意力提取与空间注意力提取，并将注意力特征图相乘，得到三张融合特征图；三个检测头模块分别对融合特征图进行处理，输出目标的类别和边界框信息。本发明不仅保留了传统特征金字塔结构的高层语义信息，更进一步强化了底层的边缘、纹理等先验结构和位置信息，有效地细化了位置特征，对目标的定位更加准确。
-
公开(公告)号：CN119088024A
公开(公告)日：2024-12-06
申请号：CN202411214300.X
申请日：2024-08-31
Applicant: 西北工业大学
Abstract: 本发明提出一种基于AUV和USV的水下目标跨域协同搜索跟踪方法，将任务划分为目标搜索阶段和目标追踪阶段，建立了两阶段下USV&AUV异构系统对水下目标的协同工作模式，并设计了AUV&USV间信息联通机制，同时提出了目标追踪阶段目标位置预测的方法；对传统的粒子群优化算法进行了改进，改进算法根据任务阶段不同分别采用集中式路径规划和分布式路径规划，以平台的加速度和角速度作为粒子；算法用精英保存策略保留粒子群体父代最优，引入了惯性权重用于调控粒子速度属性，提出了自适应学习因子策略在不同任务阶段调控粒子位置的进化速度；并且建立了不同任务阶段的算法适应度函数。仿真实验表明，本发明能够更高效地完成水下目标搜索与跟踪任务。
-
公开(公告)号：CN118520380A
公开(公告)日：2024-08-20
申请号：CN202410339903.6
申请日：2024-03-25
Applicant: 西北工业大学
IPC: G06F18/2431 , G06F18/214 , G06F30/20 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种跨介质飞行器飞行状态智能识别方法，首先开展飞行器的环境感知与识别理论研究，通过梳理分析跨介质飞行器在执行任务过程中的典型飞行工况，根据各工况下的横纵向运动特性与运动特点建立飞行状态智能识别指标体系，得到典型的运动状态与合理的状态识别特征属性参数。然后分析各状态与特征属性参数之间的关系，以时间轴作为约束，构建基于深度学习的飞行器状态识别网络框架，将飞行器在任意状态下的识别准确率提升至90％以上。与以往的跨介质飞行器状态识别方法相比，本发明可以识别高超声速下机动性大、状态变化剧烈的跨介质飞行器的飞行状态，同时引入了时间轴上的约束，保证识别的准确性和稳定性。
-
-
-
Search Results
4
records
(took 0.017 seconds)
