公开(公告)号：CN119251712A

公开(公告)日：2025-01-03

申请号：CN202411343799.4

申请日：2024-09-25

Applicant: 华东师范大学

Inventor： 谭琨 ,  王志威 ,  王雪 ,  牛超

IPC: G06V20/17 ,  G01J5/48 ,  G01J3/28 ,  G06V10/82 ,  G06V10/25 ,  G06N3/0464

Abstract: 本发明涉及一种基于无人机平台的目标实时检测系统及方法，其中，目标实时检测系统包括：无人机以及安装在所述无人机上的图像采集装置和超算板卡，其中：所述图像采集装置，用于采集目标图像并发送给所述超算板卡；所述超算板卡，包括：解码模块，用于对所述目标图像进行实时解码，获取解码数据；目标识别模块，用于利用所述解码数据进行实时目标识别。与现有技术相比，本发明具有具备全天时、方位的目标检测能力、有助于快速响应、高精度目标识别、自动化程度高等优点。

公开(公告)号：CN116385351A

公开(公告)日：2023-07-04

申请号：CN202310094031.7

申请日：2023-02-06

Applicant: 华东师范大学

Inventor： 谭琨 ,  王志威 ,  王雪 ,  韩波 ,  张宏宇 ,  雷勇 ,  梁德印 ,  余婧 ,  殷延鹤

IPC: G06T7/00 ,  G06T7/194 ,  G06N3/088 ,  G06N3/0455 ,  G06N3/0475

Abstract: 本发明涉及一种变分背景推理生成对抗网络的高光谱异常检测方法，包括以下步骤：将高光谱影像输入训练好的高光谱异常检测模型，进行影像重构并计算重构误差，得到高光谱异常检测结果，高光谱异常检测模型的训练过程为：1)构建训练样本；2)建立变分背景推理生成对抗网络；3)获得采样数据潜变量；4)将潜变量z与正态分布样本输入至潜变量判别器，进行对抗性训练；5)将潜变量和正态分布样本输入至生成器，分别生成两个生成样本；6)将训练样本和两个生成样本共同输入至样本判别器；7)重复3)～6)，直至变分背景推理生成对抗网络的损失函数收敛，完成模型的训练。与现有技术相比，本发明具有检测精度高等优点。

公开(公告)号：CN110991493A

公开(公告)日：2020-04-10

申请号：CN201911104291.8

申请日：2019-11-09

Applicant: 华东师范大学

Inventor： 谭琨 ,  王志威 ,  王雪 ,  杜培军 ,  丁建伟

IPC: G06K9/62

Abstract: 本发明公开了一种协同表示和异常剔除的高光谱异常检测方法，其特点是采用融合全局异常与局部异常的剔除方法对局部背景集中的异常像素进行去除，基于协同表示的高光谱异常检测算法，计算线性表示系数并求得残差影像，最后通过设定阈值，将检测值大于阈值的像元标记为异常点，得到异常目标检测结果。本发明与现有技术相比具有提高线性表示的精度和检测精度，有效解决了基于协同表示的高光谱异常检测算法中窗口选择，以及双窗口的异常像元污染背景集问题。

公开(公告)号：CN110991493B

公开(公告)日：2023-05-12

申请号：CN201911104291.8

申请日：2019-11-09

Applicant: 华东师范大学

Inventor： 谭琨 ,  王志威 ,  王雪 ,  杜培军 ,  丁建伟

IPC: G06V10/764 ,  G06V10/80

Abstract: 本发明公开了一种协同表示和异常剔除的高光谱异常检测方法，其特点是采用融合全局异常与局部异常的剔除方法对局部背景集中的异常像素进行去除，基于协同表示的高光谱异常检测算法，计算线性表示系数并求得残差影像，最后通过设定阈值，将检测值大于阈值的像元标记为异常点，得到异常目标检测结果。本发明与现有技术相比具有提高线性表示的精度和检测精度，有效解决了基于协同表示的高光谱异常检测算法中窗口选择，以及双窗口的异常像元污染背景集问题。