-
公开(公告)号：CN114217283A
公开(公告)日：2022-03-22
申请号：CN202111300430.1
申请日：2021-11-04
Applicant: 清华大学 , 中国人民解放军海军航空大学
Abstract: 本申请公开了一种多普勒雷达静态融合平滑变结构滤波方法及装置，其中，方法包括以下步骤：利用第一广义平滑变结构滤波器对目标状态进行更新估计，获取目标状态后验估计；利用第二广义平滑变结构滤波器对目标伪状态进行更新估计，获取目标伪状态后验估计；利用静态融合器对目标状态后验估计和目标伪状态后验估计进行融合处理，获得目标最终的后验状态估计。本申请在保持模型不确定条件下的鲁棒估计性能的前提下，解决了非线性观测模型和非满秩观测矩阵导致的欠定问题，从而提高多普勒雷达系统的目标跟踪性能。可用于多普勒雷达的非线性观测模型，并在目标运动模型不确定条件下实现鲁棒的雷达目标状态估计。
-
公开(公告)号：CN109444841A
公开(公告)日：2019-03-08
申请号：CN201811600312.0
申请日：2018-12-26
Applicant: 清华大学 , 中国人民解放军海军航空大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于修正切换函数的平滑变结构滤波方法及系统，其中，该方法包括：根据雷达目标的运动过程和量测过程分别建立目标运动模型和雷达量测模型；利用目标运动模型和雷达跟踪的历史数据计算出当前时刻目标状态的预测值；根据雷达目标的运动状态和噪声的先验信息给定出目标运动模型和雷达量测模型的不确定度，根据不确定度的先验估计计算新息增益项；根据目标状态的预测值和新息增益项计算出目标状态的后验更新，并序贯迭代上述步骤对目标状态持续跟踪，直至雷达判断航迹终止。该方法采用双曲正切函数作为切换函数计算新息增益项，抑制滤波过程中的抖振现象，提高滤波器对未建模的系统不确定度的鲁棒性，获得更好的目标状态估计精度。
-
公开(公告)号：CN120088673A
公开(公告)日：2025-06-03
申请号：CN202510568170.8
申请日：2025-04-30
Applicant: 清华大学深圳国际研究生院
IPC: G06V20/13 , G06V20/70 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/26 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本申请涉及图像处理技术领域，提供一种遥感图像变化检测方法、装置、电子设备、存储介质及计算机产品，方法包括：将待检测的两时相遥感图像输入至变化检测模型，得到其输出的变化检测结果；其中，变化检测模型基于调整后的孪生神经网络构建，其中包括至少两个编码器分支与一个解码器；每一编码器分支分别用于通过结合其中的第一分支与第二分支提取输入图像的多尺度语义编码；解码器用于对各编码器分支分别提取的多尺度语义编码，通过高低频信息引导进行融合后编码得到变化检测的结果；第一分支为预训练视觉基础模型；第二分支用于对输入图像进行多阶段语义编码，每一阶段的语义编码由高低频信息分别引导。本申请可提高遥感图像变化检测的准确性。
-
公开(公告)号：CN119862298A
公开(公告)日：2025-04-22
申请号：CN202510346491.3
申请日：2025-03-24
Applicant: 清华大学深圳国际研究生院
IPC: G06F16/583 , G06V10/42 , G06V10/44 , G06V10/80
Abstract: 本发明提供一种舰船图像的目标关联处理方法、装置、设备、介质及产品，涉及图像处理技术领域，该方法包括：获取舰船查询图像和舰船图像数据库；将舰船查询图像和舰船图像数据库输入舰船目标关联处理模型中，得到舰船目标关联处理模型输出的目标关联处理结果；其中，舰船目标关联处理模型为对舰船查询图像和舰船图像数据库进行全局特征和局部特征提取，并基于对全局特征和局部特征的融合处理确定舰船查询图像和舰船图像数据库对应的目标关联处理结果的模型。本发明的技术方案，基于舰船目标关联处理模型提取全局特征和局部特征，基于全局特征和局部特征的融合处理确定目标关联处理结果，提升舰船查询图像和舰船图像数据库的关联准确性。
-
公开(公告)号：CN119851146A
公开(公告)日：2025-04-18
申请号：CN202510346496.6
申请日：2025-03-24
Applicant: 清华大学深圳国际研究生院
IPC: G06V20/10 , G06V10/26 , G06V10/764 , G06V10/74 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明实施例涉及小样本学习和跨域遥感图像识别技术领域，提供一种遥感图像识别方法、模型及装置，该方法包括：获取待识别的目标遥感图像并对所述目标遥感图像进行图像块划分，得到多个等大小的图像块；对每个图像块进行特征嵌入，生成所述每个图像块的特征向量；通过自注意力机制将所述每个图像块的特征向量与已有的模型训练集的特征进行特征交互，优化所述每个图像块的特征向量；基于优化后的每个图像块的特征向量对所述待识别的目标遥感图像进行识别，得到所述目标遥感图像对应的识别结果。由此，可以实现模型对不同域特征的适应能力、学习性能、分类精度、实际应用的灵活性以及应用的效率和实用性的提高。
-
Patent Agency Ranking
公开(公告)号：CN119848287A
公开(公告)日：2025-04-18
申请号：CN202510325169.2
申请日：2025-03-19
Applicant: 清华大学深圳国际研究生院
IPC: G06F16/583 , G06F16/58 , G06F16/538 , G06N3/0895 , G06F16/51
Abstract: 本发明提供一种舰船图像的检索方法、装置、电子设备、存储介质及产品，涉及图像处理技术领域，该方法包括：获取待检索舰船图像和舰船样本数据库；将待检索舰船图像和舰船样本数据库中的所有舰船样本图像分别输入舰船视觉语言模型，得到舰船视觉语言模型输出的待检索舰船图像对应的哈希码和舰船样本数据库中所有舰船样本图像对应的所有样本哈希码；分别根据哈希码和所有样本哈希码确定所有汉明相似度，并根据所有汉明相似度确定相似度排名列表；根据所有汉明相似度的排名列表确定目标检索结果。本发明的技术方案，基于舰船视觉语言模型得到的哈希码和样本哈希码，并确定目标检索结果，提升图像跨模态检索的准确性。
-
公开(公告)号：CN119273858B
公开(公告)日：2025-03-25
申请号：CN202411825628.5
申请日：2024-12-12
Applicant: 清华大学深圳国际研究生院
Abstract: 本发明提供一种三维高斯泼溅算法的训练方法、装置、设备及介质，属于图像处理技术领域，方法包括获取图像数据集，基于至少一采样率对图像数据集中的图像进行下采样，确定目标图像数据集；根据图像数据集，确定三维高斯分布模型；根据目标图像数据集以及二维滤波器对三维高斯分布模型进行多轮迭代训练；每轮迭代训练根据目标图像数据集以及预设的二维滤波器，确定抗混叠滤波器；根据抗混叠滤波器对三维高斯分布模型进行滤波，并对滤波后的模型进行训练。本发明利用低分辨率图像而非原图像进行迭代训练，降低计算复杂度，实现训练加速，通过抗混叠滤波器对三维高斯分布模型进行滤波，克服混叠效应，在减少训练时间的同时保证渲染质量。
-
公开(公告)号：CN114217283B
公开(公告)日：2025-03-14
申请号：CN202111300430.1
申请日：2021-11-04
Applicant: 清华大学 , 中国人民解放军海军航空大学
Abstract: 本申请公开了一种多普勒雷达静态融合平滑变结构滤波方法及装置，其中，方法包括以下步骤：利用第一广义平滑变结构滤波器对目标状态进行更新估计，获取目标状态后验估计；利用第二广义平滑变结构滤波器对目标伪状态进行更新估计，获取目标伪状态后验估计；利用静态融合器对目标状态后验估计和目标伪状态后验估计进行融合处理，获得目标最终的后验状态估计。本申请在保持模型不确定条件下的鲁棒估计性能的前提下，解决了非线性观测模型和非满秩观测矩阵导致的欠定问题，从而提高多普勒雷达系统的目标跟踪性能。可用于多普勒雷达的非线性观测模型，并在目标运动模型不确定条件下实现鲁棒的雷达目标状态估计。
-
公开(公告)号：CN116977215B
公开(公告)日：2024-09-20
申请号：CN202310925907.8
申请日：2023-07-26
Applicant: 清华大学深圳国际研究生院
Abstract: 本发明涉及图像处理技术领域，提供一种图像去雾方法、装置、设备和存储介质，该方法包括：确定待去雾的图像的第一深度信息；根据第一时间步的数量对第一深度信息进行拆分，得到各个第一时间步各自对应的待去雾的图像的第二深度信息；利用训练后的扩散模型的逆向过程，根据第一时间步的数量和各个第一时间步各自对应的待去雾的图像的第二深度信息对待去雾的图像逐步进行去雾处理，得到第一目标去雾图像。本发明中将扩散模型与待去雾的图像的第一深度信息相结合，生成的第一目标去雾图像的细节特征充足，而且去雾处理的精度较高。
-
公开(公告)号：CN118247614A
公开(公告)日：2024-06-25
申请号：CN202410284922.3
申请日：2024-03-13
Applicant: 清华大学深圳国际研究生院
IPC: G06V10/80 , G06V20/64 , G06V20/70 , G06V10/25 , G06V10/46 , G06V10/52 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/048
Abstract: 本发明提供一种多智能体协同感知方法、设备及存储介质，涉及协同感知技术领域，所述方法包括：获取第一原始点云数据；根据第一原始点云数据，获取第一多尺度特征；对第一多尺度特征进行挑选处理，获取第一高信息量特征；将第一高信息量特征广播至各个协同智能体，获取第二高信息量特征；将第一高信息量特征与全部第二高信息量特征进行第二融合处理，获取融合协同特征；根据融合协同特征，生成检测结果信息。通过挑选获得的高信息量值的特征，降低噪声导致的感知偏差影响，同时降低通信带宽消耗提高协同效率。利用第一融合处理以及第二融合处理的双阶段融合，在不同阶段对传递的高信息量值的特征进行融合，降低协同感知过程中位姿噪声的影响。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.021 seconds)
