一种基于改进U-net的无人机海上溢油路径识别方法及装置

    公开(公告)号:CN113902748B

    公开(公告)日:2024-04-26

    申请号:CN202110990896.2

    申请日:2021-08-26

    Abstract: 本发明提出一种基于改进U‑net的无人机海上溢油路径识别方法及装置,其中,方法包括利用无人机采集视频数据;从视频数据中获取预设数量的图像,对图像中的溢油像素进行标注,根据标注后的溢油像素生成溢油数据集;基于多尺度U‑Net语义分割算法,根据溢油数据集对预设的全卷积神经网络进行训练,得到溢油分割模型;根据溢油分割模型生成的溢油分割掩码进行导航信息提取,生成溢油区域拟合中点;对拟合中点进行曲线近似拟合,以完成溢油区域导航路径的识别。本申请提出的方法可以使无人机本身具有溢油监测航程远、费效比低、机动灵活等特性,可运用无人机对海上重点溢油区域进行监测,及时发现海上溢油状况,并且可以追溯到溢油发生的源头,以便及时处理。

    基于时间间隔数据增强的生成对抗网络序列推荐方法

    公开(公告)号:CN116842254A

    公开(公告)日:2023-10-03

    申请号:CN202310756274.2

    申请日:2023-06-26

    Abstract: 本发明提供了一种基于时间间隔数据增强的生成对抗网络序列推荐方法。该方法根据用户交互序列以及交互项之间的时间间隔,进行数据增强后用于探索用户的兴趣,预测用户下一个将会点击或购买的项目。主要包含如下步骤:1、根据用户交互序列中不同交互项之间的时间间隔,将时间间隔变化较大或不均匀的交互项之间通过自监督学习插入与前后交互项最为相关的项目,以此来实现交互序列的数据增强;2、生成网络模型基于增强的交互序列来预测用户将会感兴趣的下一个项目;3、用判别模型结合知识图谱信息来判断生成模型预测的项目的合理程度,并为其打分;4、利用最大最小化竞争算法,使生成网络模型与判别模型相互对抗,从基于数据增强的用户交互序列更好地学习到用户的偏好,从而提高个性化推荐的精准度。本发明能有效针对用户交户数据稀疏以及冷启动问题,有效的捕捉用户交互序列的特征,从而提升序列推荐的准确性。

    基于语义保留的对抗混合半监督高光谱图像分类方法

    公开(公告)号:CN113807438B

    公开(公告)日:2023-08-29

    申请号:CN202111093418.8

    申请日:2021-09-17

    Abstract: 本发明涉及一种基于语义保留的对抗混合半监督高光谱图像分类方法,所述方法在训练阶段包括以下步骤:步骤1、通过特征提取网络对有标签样本进行特征提取;步骤2、通过所述特征提取网络对从样本集中随机抽取的两个无标签样本进行特征提取,将所提取的两个无标签样本的特征混合后送入重构网络;步骤3、通过所述重构网络重构样本,将重构的样本送入对抗语义还原网络;步骤4、通过联合损失函数来优化特征提取网络、重构网络和对抗语义还原网络的参数。所述方法在测试阶段包括以下步骤:步骤5、将需要分类的高光谱图像的无标签样本送入所述特征提取网络,提取特征之后通过分类函数得到作为分类结果的标签。

    基于语义保留的对抗混合半监督高光谱图像分类方法

    公开(公告)号:CN113807438A

    公开(公告)日:2021-12-17

    申请号:CN202111093418.8

    申请日:2021-09-17

    Abstract: 本发明涉及一种基于语义保留的对抗混合半监督高光谱图像分类方法,所述方法在训练阶段包括以下步骤:步骤1、通过特征提取网络对有标签样本进行特征提取;步骤2、通过所述特征提取网络对从样本集中随机抽取的两个无标签样本进行特征提取,将所提取的两个无标签样本的特征混合后送入重构网络;步骤3、通过所述重构网络重构样本,将重构的样本送入对抗语义还原网络;步骤4、通过联合损失函数来优化特征提取网络、重构网络和对抗语义还原网络的参数。所述方法在测试阶段包括以下步骤:步骤5、将需要分类的高光谱图像的无标签样本送入所述特征提取网络,提取特征之后通过分类函数得到作为分类结果的标签。

    溢油检测系统以及方法
    26.
    发明公开

    公开(公告)号:CN113156420A

    公开(公告)日:2021-07-23

    申请号:CN202110268794.X

    申请日:2021-03-12

    Abstract: 本申请提出一种溢油检测系统以及方法。其中,该系统包括无人机和地面控制端;其中,无人机上设置红外装置、合成孔径雷达SAR装置、高光谱装置和处理单元;无人机飞行一次将获得的同一场景下采集的不同特性的三路数据进行数据融合,并通过无人机与地面控制端之间的通信连接,传输融合图像,地面控制端对实时接收到的融合图像进行分析,以分析出溢油种类,溢油量及油膜厚度。本申请可以提高溢油检测精度、应用效果和使用价值。

    一种基于动态路由表的船联网协议实现方法

    公开(公告)号:CN110247850B

    公开(公告)日:2021-07-09

    申请号:CN201910531164.X

    申请日:2019-06-19

    Abstract: 本发明属于船联网通信技术领域,特别涉及机会网络通信,具体是一种基于动态路由表的船联网协议实现方法。主要原理是:每个节点在缓存中维护一个动态路由表,并根据所有节点的路由表构造当前网络的连接拓扑图。若发送节点与目的节点在同一连通图内,根据机会连通路由算法进行数据传输;若发送节点与目的节点不在同一连通图内,根据机会非连通路由算法进行数据传输。若发送节点的下一跳中没有目的节点,则发送节点在更新路由表时继续向网络中发送数据包。数据传输过程中,发送节点与接收节点交换已传输成功数据包列表,删除缓存中的已传输成功数据包。本发明可以适应海洋网络通信环境,以相对低廉的成本进行海量非实时数据传输,提出的路由算法可以有效减少时延,提高效率。

    基于双路图U-NET卷积网络的溢油高光谱图像检测方法

    公开(公告)号:CN113052216A

    公开(公告)日:2021-06-29

    申请号:CN202110276544.0

    申请日:2021-03-15

    Abstract: 本发明公开了一种基于双路图U‑NET卷积网络的溢油高光谱图像检测方法,包括以下步骤:步骤1、对需要检测溢油的高光谱图像的数据进行图结构化,得到光谱图结构信息和空间图结构信息;步骤2、将所述光谱图结构信息和空间图结构信息分别送入双路图U‑NET卷积网络中的一路,分别得到所述高光谱图像的光谱图特征和空间图特征;步骤3、对所述光谱图特征和所述空间图特征进行融合,得到空‑谱图特征;步骤4、将所述空‑谱图特征送入分类器,以得到所述高光谱图像的分类结果。本发明能够将欧式图像数据映射为非欧数据,更有效地表示光谱信息和空间信息,进一步提取到溢油高光谱图像的空‑谱图特征,提高了溢油高光谱图像的检测准确率。

    基于高低阶信息融合的高光谱图像分类方法

    公开(公告)号:CN111340064A

    公开(公告)日:2020-06-26

    申请号:CN202010083796.7

    申请日:2020-02-10

    Abstract: 本发明涉及一种基于高低阶信息融合的高光谱图像分类方法,包括以下步骤:步骤1、对从高光谱图像提取的样本数据X={x1,x2,...,xn}进行编码,得到高阶语义特征 其中,i=1、2、……n,f函数为编码函数,n为样本数目,同时,保存在编码过程中得到的低阶图像特征,步骤2、对高阶语义特征 和低阶图像特征进行融合,解码得到高光谱特征,步骤3、基于所述高光谱特征,通过分类器生成所述高光谱图像的分类结果,其中,所述步骤1至3是基于卷积神经网络实现的,所述样本数据作为训练集或测试集。本发明将高低阶信息融合应用到高光谱图像分类中,并将联合损失函数应用到高光谱图像的地物分类中,辅助函数监督语义特征提取,提高了高光图像分类的准确率。

    一种基于位置信息的紧急预警报文多跳组播路由协议

    公开(公告)号:CN110232838A

    公开(公告)日:2019-09-13

    申请号:CN201910531196.X

    申请日:2019-06-19

    Abstract: 本发明涉及车辆协同碰撞预警协议,具体是一种基于位置信息的紧急预警报文多跳组播路由协议。位置广播报文采用单跳广播方式,紧急预警报文采用组播路由方式,由异常车辆进行组播并发送给最远的首选转发车辆和候选转发车辆。主要步骤是:收到紧急预警报文的车辆做紧急处理并判断自己是否是选定的首选转发车或候选转发车。若是首选转发车且TTL不为0则转发紧急预警报文;若是候选车,则延迟t时间后,若没有收到首选车发送的相同ID的预警报文且TTL不为0,则转发紧急预警报文;其他车辆只接收,不转发。紧急预警报文在发送过程中进行CSMA-CA检测,若碰撞则按优先级进行避让。本发明可以满足低时延、长距离的通信要求,降低车辆连环碰撞的概率。

Patent Agency Ranking