-
公开(公告)号：CN112270370A
公开(公告)日：2021-01-26
申请号：CN202011226859.6
申请日：2020-11-06
Applicant: 北京环境特性研究所
Abstract: 本发明涉及一种车辆表观毁伤评估方法、计算机设备及计算机可读存储介质，该方法包括：进行尺寸归一化处理；分两路进行灰度化，一路直接进行灰度化处理，得到含目标及背景的灰度图像，另一路先利用目标语义分割模型进行像素级分割，分割出目标区域，再对分割得到的图像进行灰度化处理，得到只含目标的灰度图像；基于卷积神经网络构建特征提取模型，对得到的含目标及背景的灰度图像和只含目标的灰度图像分别进行高维特征提取；对得到的两路目标高维卷积特征进行特征融合；利用全连接网络对最终目标融合特征进行回归计算，并输出一个0～1范围内的连续值，作为车辆目标表观毁伤程度评估值。本发明能够实现车辆表观毁伤的快速量化评估。
-
公开(公告)号：CN110910422A
公开(公告)日：2020-03-24
申请号：CN201911105866.8
申请日：2019-11-13
Applicant: 北京环境特性研究所
Abstract: 本申请涉及一种目标跟踪方法、装置、电子设备和计算机可读存储介质，方法包括：获取多帧图像，从多帧图像的初始帧图像中识别出初始目标，依次在初始帧图像的后续帧图像中对初始目标进行跟踪；若连续跟踪的图像帧数或所述初始目标的目标置信度符合预设条件，停止对当前帧图像中的初始目标的跟踪；基于预设的检测算法对当前帧图像进行检测，得到检测目标；从得到的检测目标中获取初始目标；将当前帧图像作为新的初始帧图像，并执行基于预设的目标跟踪算法依次在初始帧图像的后续帧图像中对初始目标进行跟踪。本申请提供的目标跟踪方法可以提高对目标跟踪的准确率。
-
公开(公告)号：CN110826566A
公开(公告)日：2020-02-21
申请号：CN201911059934.1
申请日：2019-11-01
Applicant: 北京环境特性研究所
Abstract: 本发明涉及一种基于深度学习的目标切片提取方法，该方法包括：基于原始图像确定待提取的目标，针对目标搭建深度卷积神经网络并进行训练；将原始图像输入训练好的深度卷积神经网络，通过深度卷积神经网络对含背景的原始图像进行像素级目标背景分离，实现目标分割；根据分离背景得到的目标图像和切片预定尺寸，获取目标切片图像并调整其尺寸；判断调整后的目标切片图像是否存在缺失像素，如存在，则计算缺失尺寸并进行相应的缺失填充，得到最终的目标切片。该方法实现了目标自动检索、像素分割，支持批量制备目标切片，保证目标切片提取过程中不会被随意裁剪、缩放的同时，实现目标切片提取的智能化、高效化。
-
公开(公告)号：CN110781839A
公开(公告)日：2020-02-11
申请号：CN201911037783.X
申请日：2019-10-29
Applicant: 北京环境特性研究所
Abstract: 本发明涉及目标识别技术领域，尤其涉及一种基于滑窗的大尺寸图像中小目标识别方法，包括如下步骤：滑窗设置、根据待检测的原始图像及深度神经网络的输入要求，设置滑窗规格与滑窗步长；图像分割、基于设置好的滑窗分割原始图像，记录各个滑窗编号、坐标以及分割得到的区域图像；目标识别、设置深度神经网络参数，将各个滑窗分割得到的区域图像依次输入深度神经网络，对各滑窗区域图像进行目标检测识别，并记录每个目标的识别结果；结果处理及反馈、对各滑窗区域图像识别结果进行解析，输出最终识别结果。该方法可解决当前机载、卫星图像等大尺寸图像无法实现小目标直接检测识别以及直接分割图像易导致目标被分裂而无法识别的问题。
-
公开(公告)号：CN112415514B
公开(公告)日：2023-05-02
申请号：CN202011278930.5
申请日：2020-11-16
Applicant: 北京环境特性研究所
IPC: G01S13/90 , G06V10/74 , G06V10/774 , G06N3/0464
Abstract: 本发明涉及一种目标SAR图像生成方法及装置、计算机设备、计算机可读存储介质，该方法包括：获取真实的SAR图像数据构成训练集；由一组训练样本中选出N个方位角连续的SAR真实图像，利用卷积神经网络提取特征；将首个SAR真实图像的单图特征和连续N个SAR真实图像的整体关系特征输入生成对抗网络的生成器，得到N‑1个SAR生成图像；通过生成对抗网络的判别器，对N‑1个SAR生成图像和相对应的N‑1个SAR真实图像分别进行特征对比，利用损失函数衡量SAR生成图像和SAR真实图像的相似度；得到完成训练的生成对抗网络，随机生成SAR生成图像。本发明可实现SAR图像数据的外推生成，以完善并扩充数据量。
-
Patent Agency Ranking
公开(公告)号：CN113989474B
公开(公告)日：2024-08-06
申请号：CN202111498806.4
申请日：2021-12-09
Applicant: 北京环境特性研究所
IPC: G06V10/143 , G06V10/25 , G06V10/80 , G06V10/82 , G06N3/0475 , G06N3/045
Abstract: 本发明涉及一种基于递进式层级融合网络的红外小目标智能识别方法，利用双波段红外在成像信息上的互补性，从数据维进行数据融合增强，提高神经网络用于红外小目标识别的可用信息量；从嵌入式应用部署出发构建双波段红外数据融合与目标检测一体化神经网络，充分利用网络中不同组件间参数的权值共享，增强数据间的耦合效应，降低网络模型整体计算复杂度；以双波段红外数据融合为基础，设计了建面向红外弱小目标检测识别的像素级—特征级—决策级递进式多级融合的一体化神经网络架构，实现了高效的红外小目标识别能力，在夜视监控、危险源探测、人员搜救等方面有着重要的作用。
-
公开(公告)号：CN110909550B
公开(公告)日：2023-11-03
申请号：CN201911106399.0
申请日：2019-11-13
Applicant: 北京环境特性研究所
IPC: G06F40/30
Abstract: 本申请涉及一种文本处理方法、装置、电子设备和计算机可读存储介质，文本处理方法包括：获取目标文本的目标文本序列，从所述目标文本序列中提取出主题词序列；分别获取所述目标文本序列中各个词语与所述主题词序列之间的语义距离，基于所述语义距离确定所述目标文本的关键词序列；获取所述关键词序列中各个关键词的向量，以构建词向量矩阵；通过预设的随机梯度下降算法获取所述目标文本的语义权重参数矩阵；根据所述词向量矩阵和所述语义权重参数矩阵获取所述目标文本的语义向量。本申请提供的文本处理方法可以更准确地表达目标文本的语义。
-
公开(公告)号：CN110852261B
公开(公告)日：2022-06-17
申请号：CN201911090281.3
申请日：2019-11-08
Applicant: 北京环境特性研究所
IPC: G06V20/13 , G06V20/40 , G06K9/62 , G06V10/764 , G06V10/80
Abstract: 本申请涉及一种目标检测方法、装置、电子设备和计算机可读存储介质，方法包括：获取待检测图像，提取待检测图像的共享特征图；检测共享特征图中的多个关键点；每一关键点归属于一种物体类别；将共享特征图划分为多个区域，分别提取各个区域的区域特征；基于各个区域特征获取多个关键点中每两个关键点之间的关联编码；基于各个关联编码和检测得到的关键点，获取多个物体类别的类别概率；将最大的类别概率对应的物体类别确定为检测目标的类别。本申请提供的目标检测方法可以提高对目标检测的准确率。
-
公开(公告)号：CN114330714B
公开(公告)日：2022-06-14
申请号：CN202210217667.1
申请日：2022-03-08
Applicant: 北京环境特性研究所
Abstract: 本发明提供了一种卷积神经网络剪枝优化方法、装置、电子设备及存储介质，该方法包括：获取完成训练的卷积神经网络模型；对于卷积神经网络模型的每一个类别，确定对应的语义信息图，并基于语义信息图，确定每个滤波器在各类别中的滤波器重要性因子；根据滤波器重要性因子及剪枝目标，对滤波器进行重要程度排序；基于排序结果及剪枝目标，逐步剪除重要程度小的滤波器，直至达成剪枝目标，得到剪枝优化后的卷积神经网络模型；对剪枝优化后的卷积神经网络模型进行重训练。本发明能够实现有针对性的、效果更佳的卷积神经网络剪枝压缩。
-
公开(公告)号：CN114330350A
公开(公告)日：2022-04-12
申请号：CN202210007201.9
申请日：2022-01-05
Applicant: 北京环境特性研究所
IPC: G06F40/295
Abstract: 本发明涉及计算机深度学习技术领域，特别涉及一种命名实体识别方法、装置、电子设备及存储介质，该方法包括：获取已知命名实体的中文文本并进行预处理，得到多个已知命名实体的文本向量；基于已知命名实体的文本向量，对联合模型进行训练；联合模型包括字符识别模型、分词识别模型和序列标注模型；获取待识别的中文文本并进行预处理，得到待识别的文本向量；将待识别的文本向量输入训练后的联合模型，进行命名实体识别。本发明能够提高中文文本的实体识别性能。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.026 seconds)
