-
公开(公告)号：CN112270370B
公开(公告)日：2023-06-02
申请号：CN202011226859.6
申请日：2020-11-06
Applicant: 北京环境特性研究所
IPC: G06V10/766 , G06V10/80 , G06V10/82 , G06V10/26 , G06V10/774 , G06V20/70 , G06N3/0464 , G06N3/048 , G06N3/084
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：CN114330714A
公开(公告)日：2022-04-12
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：CN112098733A
公开(公告)日：2020-12-18
申请号：CN202011002152.7
申请日：2020-09-22
Applicant: 北京环境特性研究所
Abstract: 本发明提供了一种电磁散射特性数据插值生成方法和装置。所述方法包括：获取目标电磁散射特性数据，并按照电磁散射数据空间描述规范对所述电磁散射特性数据进行整编；根据预设的平滑处理机制对所述电磁散射特性数据进行平滑处理；利用预设的决策树集群模型进行电磁散射数据插值生成。本发明具有高鲁棒性且可生成高置信度数据的电磁散射数据插值生成方法，以解决目标电磁散射特性数据插值生成中，插值数据置信度较低、插值方法鲁棒性弱的问题。
-
公开(公告)号：CN110909550A
公开(公告)日：2020-03-24
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：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。
-
Patent Agency Ranking
公开(公告)号：CN117453945A
公开(公告)日：2024-01-26
申请号：CN202311543990.9
申请日：2023-11-17
Applicant: 北京环境特性研究所
IPC: G06F16/587 , G06F16/583 , G06F16/29 , G06V20/40 , G06V20/10 , G06V20/13 , G06V20/62 , G06V10/20 , G06V10/80 , G06N5/022
Abstract: 本发明提供了一种基于序列图像的地理定位方法、装置及计算设备，该方法包括：对待处理视频图像进行切分，得到子场景图像序列；其中，子场景图像序列中包括场景相同的若干单帧图像；将子场景图像序列中的所有单帧图像帧进行融合增强处理，得到子场景增强图像；根据预设地理空间知识库，确定子场景增强图像对应的候选地理位置；对候选地理位置进行融合排序，得到待处理视频图像的目标地理位置。本方案提供的基于序列图像的地理定位方法有效利用序列图像提高了地理定位精度。
-
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：CN110826566B
公开(公告)日：2022-03-01
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。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.028 seconds)
