基于二维点组卷积的高光谱遥感数据的轻量级特征融合方法

    公开(公告)号:CN111461172A

    公开(公告)日:2020-07-28

    申请号:CN202010144828.X

    申请日:2020-03-04

    Abstract: 基于二维点组卷积的高光谱遥感数据的轻量级特征融合方法,属于遥感数据特征提取技术领域。本发明是为了解决现有基于深度学习的高光谱遥感数据特征融合方法需要大量的融合参数问题。本发明所述方法针对征融合前的处理过程处理后得到的特征,进行二维点组卷积操作;二维点组卷积的过程中,首先将融合前的特征先分成若干个组,然后每组各自单独进行特征融合,融合后的特征为每组的局部特征;对每层融合后的局部特征进行洗牌,使得洗牌后的每组特征来自于洗牌前各组的局部特征;对洗牌后的特征再进行二维点组卷积操作,进行特征融合,此时融合后的特征为全局特征。本发明用于高光谱遥感数据的特征融合。

    一种基于身体关键点监督的真实场景行人小目标检测网络及检测方法

    公开(公告)号:CN109753946A

    公开(公告)日:2019-05-14

    申请号:CN201910063682.3

    申请日:2019-01-23

    Abstract: 本发明提出了一种基于身体关键点监督的真实场景行人小目标检测网络及检测方法,属于计算机视觉行人检测技术领域。所述检测网络包括超分辨率网络、关键点检测网络和行人分类网络:所述检测方法首先准备训练样本,然后,利用基准行人检测器产生候选区域图像,通过超分辨率网络生成与低分辨率图像对应的高分辨率图像,根据行人身体关键点来监督训练超分辨率网络,最后利用行人分类网络判定输入的图像是真实的高分辨率图像还是超分辨率网络生成的超分辨率图像,同时实现与超分辨率网络的对抗训练,以及用于判定输入的图像是行人图像还是背景图像,进而完成真实场景中行人小目标的检测。使用所述方法可以实现真实场景中的微小行人检测。

    一种基于伪真值搜寻法的弱监督物体检测方法

    公开(公告)号:CN107730553A

    公开(公告)日:2018-02-23

    申请号:CN201711065776.1

    申请日:2017-11-02

    CPC classification number: G06T7/75 G06T7/77

    Abstract: 本发明涉及一种基于伪真值搜寻法的弱监督物体检测方法,是为了解决现有的全监督物体检测器需要依靠大量的有标注信息的数据库,以及当图片中含有多个物体且物体相互遮挡时物体位置检测不准确而提出的,包括:将训练样本中的图片输入到弱监督物体检测器中;将弱监督物体检测器的输出结果进行非极大抑制处理(NMS),将超过预定的得分阈值的边界框保留;在保留下来的边界框中,删除被完全包含在其他边界框中的边界框;计算该边界框与其他边界框的重合面积,将重合面积大于一定阈值的边界框进行融合;将融合后的边界框的信息作为伪真值信息输入给全监督物体检测器,得到检测结果。本发明适用于物体检测技术,尤其是真实场景中的一般物体检测技术。

    基于无线传感器网络的移动节点编队避障方法

    公开(公告)号:CN103139812B

    公开(公告)日:2015-06-03

    申请号:CN201310065901.4

    申请日:2013-03-01

    Abstract: 基于无线传感器网络的移动节点编队避障方法,涉及无线传感器网络在移动节点队列运动控制领域,它是为了解决在移动节点编队避障过程中无线节点的动态感知范围窄,以及节点通信和临时自主处理突发状况的能力差的问题。本发明中主节点结合自身的传感器信息和障碍物及目标点的信息进行数据处理,做出避障决策。主节点首先将各超声波模块返回的障碍物信息进行数据融合处理,判断具体障碍物位置及障碍物与主节点行进方向的角度,并传输给从节点,从节点据此规划行进路径并回复主节点,主节点进而控制整个移动节点编队进行避障。本发明适用于移动节点编队的避障过程中。

    基于ZYNQ的无人机平台多传感器数据同步采集系统

    公开(公告)号:CN116577802A

    公开(公告)日:2023-08-11

    申请号:CN202310524952.2

    申请日:2023-05-10

    Abstract: 基于ZYNQ的无人机平台多传感器数据同步采集系统,属于无人机平台遥感技术领域。为了解决现有系统对无人机搭载的多光谱相机与激光雷达不能进行同步采集或者同步误差较大的问题。本发明设计持续时间同步触发信号发生器,当ZYNQ开发板内部设置的毫秒定时计时每满一秒或者当惯性导航板卡接收到卫星GPS信号的秒脉冲上升沿时,由持续秒脉冲发生器输出持续时间同步触发信号,同时清空毫秒定时器,循环重复;在生成持续时间同步触发信号的同时,记录毫秒定时器所计数的一秒时长与UTC时间真实的一秒时长的差值,基于差值得到修正误差并对毫秒定时器进行修正。基于持续时间同步触发信号进行多光谱相机、激光雷达和惯性导航板卡的时间持续性同步。

    基于一维组卷积神经网络的高光谱遥感数据深度光谱特征提取方法

    公开(公告)号:CN111062403B

    公开(公告)日:2022-11-22

    申请号:CN201911369737.X

    申请日:2019-12-26

    Abstract: 基于一维组卷积神经网络的高光谱遥感数据深度光谱特征提取方法,属于遥感数据特征提取技术领域。为了解决现有的基于深度学习方法需要大量标记的训练样本学习模型的参数,存在针对高光谱遥感数据标记训练样本稀少的情况光谱特征提取效果差的问题。本发明所述方法利用D个一维滤波器对归一化数据进行卷积操作,在特征通道方向分成g组;每组利用多个一维滤波器进行一维卷积操作,将每组卷积结果在特征通道方向上堆栈在一起;进行全局和局部相关性并进行加权,洗牌,然后进行一维卷积操作,提取光谱特征;进而确定高光谱遥感数据深度光谱特征提取模型,训练高光谱遥感数据深度光谱特征提取模型。本发明用于高光谱遥感数据深度光谱特征的提取。

Patent Agency Ranking