公开(公告)号：CN112527860B

公开(公告)日：2022-11-18

申请号：CN202011406564.7

申请日：2020-12-05

Applicant: 东南大学

Inventor： 车弘书 ,  孙长银 ,  陆科林 ,  徐乐玏

IPC: G06F16/2458 ,  G06N3/04 ,  G01W1/10

Abstract: 本发明公开了一种提高台风轨迹预测的方法，针对台风本身运动的复杂和多变性，单个预测模型对未来的多个时刻的台风轨迹预测整体精度不高等问题，本发明采用了输入数据为过去连续多个时刻的卫星同步台风数据，通过调节不同参数和网络参数等，训练出多个评价指标相似且收敛最好的时空序列预测模型，用这些模型做多次未来每个时刻的预测，并采用更改网络结构之后的时空序列分类模型进行决策这些模型在未来每个时刻的预测作为最优值，最终将每个最优预测值整合成最后的预测数据值，最终得到未来多时刻的时空序列预测数据，得到了一个总体时序精度更高的未来多时刻台风轨迹预测数据。

公开(公告)号：CN112507849A

公开(公告)日：2021-03-16

申请号：CN202011396405.3

申请日：2020-12-04

Applicant: 东南大学

Inventor： 吴麟 ,  孙长银 ,  陆科林 ,  徐乐玏

IPC: G06K9/00 ,  G06K9/32 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明涉及一种基于条件生成对抗网络的动态到静态场景转换方法，该方法生成器为由粗到细的串级两阶段网络，判别器为PatchGAN与SN‑PatchGAN。本发明根据粗网络输出结果与动态场景的像素值差异推断动态区域二值掩膜，随后由细网络对动态区域进行静态恢复。本发明提取细网络编码区的深层与浅层特征后，分别采用上下文注意力机制来优化动态区域场景生成。本发明采用的判别器相较于传统判别器更能关注到图像细节且训练过程更为稳定。本发明相比于传统动态到静态场景转换方法，提取的动态目标区域更为准确，生成的动态场景图像纹理丰富、更接近真实情况。

公开(公告)号：CN112506210A

公开(公告)日：2021-03-16

申请号：CN202011402067.X

申请日：2020-12-04

Applicant: 东南大学

Inventor： 徐乐玏 ,  孙长银 ,  陆科林 ,  王腾

IPC: G05D1/08 ,  G05D1/10

Abstract: 本发明涉及一种用于自主目标跟踪的无人机控制方法，经过神经网络输出四维的动作后经过PID控制器转化成低级电机的动作，让无人机更稳定的飞行，后期改进可以将PID控制器改成其他更优化的控制方法。分层控制系统更容易将模拟环境中的训练策略轻松的转移到现实环境中运行。具有很好的泛化能力。在模拟环境中对采集上来的图像先进行CNN预训练，得到无人机和目标对象的相对距离，包括x，y，h三个维度的，本发明先保证无人机的飞行高度不变，后期可以增加空间障碍物，再考虑h。再将无人机的姿态考虑进来，选择策略，输出四维动作，通过PID输出给无人机的低级电机，通过DDPG的强化学习方法，获得Reward，更新策略，进行学习并训练。

公开(公告)号：CN112488006A

公开(公告)日：2021-03-12

申请号：CN202011406565.1

申请日：2020-12-05

Applicant: 东南大学

Inventor： 范淑卷 ,  孙长银 ,  陆科林 ,  徐乐玏

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于小麦图像的目标检测算法，所述检测算法包括以下步骤：步骤1：第一阶段为算法的训练阶段，步骤2：第二阶段为算法的实时推理阶段。针对小麦数据集优化后的YOLOv5算法具有较高的精度和较高的推理速度，可以实现实时推理，其线下训练也可在单块GPU上完成(例如GTX1080ti或者RTX2080Ti等)，极大的降低了对硬件的要求。