-
公开(公告)号：CN118887529B
公开(公告)日：2025-03-25
申请号：CN202410899221.0
申请日：2024-07-05
Applicant: 西南交通大学
IPC: G06V20/10 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455
Abstract: 本发明公开了一种SAR和光学图像融合及智能分类的方法、系统、存储介质及计算机程序产品，属于人工智能与合成孔径雷达目标识别技术领域，解决现有技术在多源图像融合时，易造成传感器特性不匹配，进而导致融合信息丢失或易造成模型越来越复杂，进而导致模型运行成本高，性能下降等问题。本发明对源数据集进行预处理；构建包括两个相互独立编码器的双编码融合分类网络，并通过预处理得到的源数据集进行训练，得到训练好的双编码融合分类网络；利用训练好的双编码融合分类网络对SAR图像和光学图像进行融合，并进行端到端的地物智能分类。本发明用于端到端的图像融合土物智能分类。
-
公开(公告)号：CN119625562A
公开(公告)日：2025-03-14
申请号：CN202411784806.4
申请日：2024-12-06
Applicant: 西南交通大学
IPC: G06V20/13 , G06V10/143 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06T3/4046 , G06T3/4053 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本申请公开了一种光学遥感图像舰船检测方法及相关装置，涉及光学遥感图像舰船检测技术领域，对利用GEO光学遥感卫星对海面舰船进行成像所得到的光学遥感图像进行二值化处理，得到二值化图像，同时以光学遥感图像中的近红外波段图像和二值化图像作为输入，利用训练好的舰船目标检测模型对舰船进行检测，得到舰船检测结果，由于同时以近红外波段图像和二值化图像作为输入数据，且设计训练好的舰船目标检测模型包括依次连接的双骨干特征提取模块、全尺度跳连接模块和深监督学习与分类模块，从而具有微弱舰船目标检测能力，能够实现光学遥感图像中舰船目标的端到端检测。
-
公开(公告)号：CN108881821A
公开(公告)日：2018-11-23
申请号：CN201810520865.9
申请日：2018-05-28
Applicant: 西南交通大学
Abstract: 一种利用地铁站风力自供电的地铁车厢拥挤程度显示系统及其方法，包括，风能收集模块：收集地铁站内的风能，将该风流转换为电能，为显示系统供电；图像识别系统，由网络摄像机及基于python搭建的TCP服务器组成，采用网络摄像机获取定时图像，python服务器收到该图像后，进行人数识别得出人数统计数据，并在接收到显示部分请求后，将人数统计数据发送给显示部分；显示部分由WiFi模块、单片机开发板、RGB触摸屏组成，可接收到服务器发来的数据，并在屏幕上显示。本发明利用风力自供电技术，更加节能减排，抗干扰能力强，具有检测准确度高，检测速度快等特点。
-
公开(公告)号：CN119580113A
公开(公告)日：2025-03-07
申请号：CN202411514161.2
申请日：2024-10-29
Applicant: 西南交通大学
IPC: G06V20/13 , G06V10/25 , G06V10/82 , G06V10/94 , G06N3/0464 , G06N3/0495 , G06N3/082 , G06N3/063 , G06N5/046
Abstract: 本申请提供了一种卫星舰船目标在轨检测装置确定方法、装置及检测方法，涉及舰船目标卫星在轨检测技术领域，获取目标检测模型，确定权重值和激活值；根据L1范数将通道根据重要性从大到小进行排序；将排序之后的通道划分为m等份，并进行量化和剪枝，得到量化剪枝目标检测模型；利用层融合方法融合量化剪枝目标检测模型的卷积+BN层和全连接+BN层，得到层融合目标检测模型；确定实现层融合目标检测模型的前向推理模型中所需的FPGA硬件算子；根据所需的FPGA硬件算子结合目标检测帧率确定所需的FPGA板卡资源。本申请结合软硬协同轻量化舰船目标检测、在轨舰船目标检测，实现在轨卫星实时对海上目标舰船的高效检测。
-
公开(公告)号：CN119206171A
公开(公告)日：2024-12-27
申请号：CN202411237924.3
申请日：2024-09-05
Applicant: 西南交通大学
Abstract: 本申请公开了一种面向SAR影像定向解耦目标检测方法、装置、介质及产品，涉及合成孔径雷达目标检测领域，该方法包括，获取源数据集；所述源数据集包括：两个高分辨率SAR影像舰船数据；对所述源数据集进行预处理；构建目标检测模型；所述目标检测模型包括：主干网络、ST‑MLP模块、MC‑PM模块、颈部网络以及高斯分布解码预测盒；构建损失函数；基于所述预处理后的源数据和损失函数对所述目标检测模型进行训练；将待检测的SAR影像输入至训练好的目标检测模型，得到目标定向检测结果。本申请上述方法能够解决由于SAR影像中船舶边缘轮廓模糊、陆地强散射背景干扰以及不同尺寸船舶角度回归不匹配，导致的现有探测器难以实现精确目标旋转定位的问题。
-
Patent Agency Ranking
公开(公告)号：CN119206638A
公开(公告)日：2024-12-27
申请号：CN202411237492.6
申请日：2024-09-05
Applicant: 西南交通大学
IPC: G06V20/54 , G06V10/774 , G06V10/82 , G06V10/52 , G06V10/48 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0464
Abstract: 本申请公开了一种舰船目标识别方法、装置、设备、介质及产品，涉及人工智能与合成孔径雷达目标识别领域，该方法包括根据源域SAR舰船图像数据集中的幅度舰船图像以及目标域SAR舰船图像数据集中的SAR舰船相位数据训练S3GAN网络模型；S3GAN网络模型包括进行幅度域到频谱域转换任务的第一生成器网络模型、进行频谱域到幅度域转换任务的第二生成器网络模型以及鉴别器；基于该S3GAN网络模型生成待转换的幅度舰船图像的伪SAR频谱信息；将伪SAR频谱信息以及幅度舰船图像输入至特征融合识别网络中进行特征融合，识别融合图像中的SAR舰船目标，本申请能够提高舰船目标识别精度。
-
公开(公告)号：CN118887529A
公开(公告)日：2024-11-01
申请号：CN202410899221.0
申请日：2024-07-05
Applicant: 西南交通大学
IPC: G06V20/10 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455
Abstract: 本发明公开了一种SAR和光学图像融合及智能分类的方法、系统、存储介质及计算机程序产品，属于人工智能与合成孔径雷达目标识别技术领域，解决现有技术在多源图像融合时，易造成传感器特性不匹配，进而导致融合信息丢失或易造成模型越来越复杂，进而导致模型运行成本高，性能下降等问题。本发明对源数据集进行预处理；构建包括两个相独立编码器的双编码融合分类网络，并通过预处理得到的源数据集进行训练，得到训练好的双编码融合分类网络；利用训练好的双编码融合分类网络对SAR图像和光学图像进行融合，并进行端到端的地物智能分类。本发明用于端到端的图像融合土物智能分类。
-
公开(公告)号：CN119274129A
公开(公告)日：2025-01-07
申请号：CN202411302133.4
申请日：2024-09-18
Applicant: 西南交通大学
IPC: G06V20/52 , G06V10/762 , G06V10/764 , G06V10/25 , G06T7/73 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本申请公开了一种宽幅极化SAR图像舰船目标检测方法、系统、设备、介质及产品，涉及图像目标检测领域，该方法包括获取宽幅SAR数据；对宽幅SAR数据进行预处理，得到预处理数据；对预处理数据进行散射特征提取，得到多张不同散射特征的SAR图像；选取其中一种散射特征的SAR图像进行自适应裁剪，获取每一裁剪图片的位置信息及裁剪网格；利用裁剪网格对其它散射特征的SAR图像裁剪，得到裁剪图片；基于多张裁剪图片进行舰船目标检测，得到舰船目标检测信息；基于每一裁剪图片的位置信息将舰船目标检测信息映射到宽幅SAR图像上。本申请能够在不破坏舰船目标前提下自适应裁剪图像，提高SAR图像舰船目标检测的实时性和精确性。
-
公开(公告)号：CN119048820A
公开(公告)日：2024-11-29
申请号：CN202411133649.0
申请日：2024-08-19
Applicant: 西南交通大学
IPC: G06V10/764 , G06V10/82 , G06V10/46 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/094
Abstract: 本发明公开了一种基于伪SAR舰船自适应目标分类方法、系统、存储介质及计算机程序产品，属于人工智能与合成孔径雷达目标分类技术领域，解决SAR舰船目标分类过程中，常见分类网络在小样本SAR图像上表现不佳的问题。本发明包括对真实高分辨率SAR数据集和对应生成的低分辨率SAR数据集中的SAR舰船图像进行预处理；构建连接SRGAN特征编码器和特征解码器的嵌套残差连接模块并与鉴别器构成RI R‑GAN网络通过预处理得到SAR舰船图像进行训练，并利用训练好的RI R‑GAN网络生成待转换的低分辨率SAR舰船图像的伪高分辨率SAR图像输入构建的卷积密集连接网络SD‑Net进行特征提取，进行伪高分辨率SAR图像中的伪SAR舰船自适应目标分类。本发明用于图像超分辨率重建和SAR舰船目标分类。
-
公开(公告)号：CN108881821B
公开(公告)日：2020-11-06
申请号：CN201810520865.9
申请日：2018-05-28
Applicant: 西南交通大学
Abstract: 一种利用地铁站风力自供电的地铁车厢拥挤程度显示系统及其方法，包括，风能收集模块：收集地铁站内的风能，将该风流转换为电能，为显示系统供电；图像识别系统，由网络摄像机及基于python搭建的TCP服务器组成，采用网络摄像机获取定时图像，python服务器收到该图像后，进行人数识别得出人数统计数据，并在接收到显示部分请求后，将人数统计数据发送给显示部分；显示部分由WiFi模块、单片机开发板、RGB触摸屏组成，可接收到服务器发来的数据，并在屏幕上显示。本发明利用风力自供电技术，更加节能减排，抗干扰能力强，具有检测准确度高，检测速度快等特点。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.024 seconds)
