-
公开(公告)号：CN113989474A
公开(公告)日：2022-01-28
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 , G06K9/62
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：CN112700005A
公开(公告)日：2021-04-23
申请号：CN202011576874.3
申请日：2020-12-28
Applicant: 北京环境特性研究所
Abstract: 一种基于蒙特卡洛树搜索的异常事件处理方法和装置，包括：监测深海安全事件推演场景中异常事件；当所述异常事件(如海底电缆断裂等)发生时；通过对异常事件处理方案空间进行采样建立蒙特卡洛搜索树；并确定异常事件发生后的待选处置方案的选择；确定采取每一种所述待选处置方案所取得的收益，对所述异常事件造成的影响进行评估；确定使所述异常事件造成的全局损失最小的处置方案，获得最优的异常事件处置方案(如最优的带宽分配策略等)。从而降低该异常事件对经济、民生等方面的安全影响范围及影响程度。
-
公开(公告)号：CN109754016A
公开(公告)日：2019-05-14
申请号：CN201910007002.6
申请日：2019-01-04
Applicant: 北京环境特性研究所
IPC: G06K9/62
Abstract: 本发明涉及一种图片数据智能识别系统，其包括图片数据存储模块，用于存储图片数据，并获取所述图片数据的存储路径和图片标识；图片数据标注模块，用于对所述图片数据进行标准化处理，还用于对所述图片数据进行标记；训练模块，用于对预存的多种网络模型进行训练，得到多种训练模型；识别模块，用于根据所述训练模型对所述图片数据进行分类。本发明提供的图片数据智能识别系统能够提高识别效率，降低成本。
-
公开(公告)号：CN114187221B
公开(公告)日：2025-05-27
申请号：CN202111513619.9
申请日：2021-12-13
Applicant: 北京环境特性研究所
IPC: G06T5/50 , G06V10/774 , G06V10/82 , G06N3/045
Abstract: 本发明涉及一种基于自适应权重学习的红外与可见光图像融合方法，基于像素级注意力机制与融合权重自适应生成构建了深度特征自适应提取模块，并通过跨层级级联方式基于深度特征自适应提取模块搭建了生成器网络；基于孪生网络思想，搭建了双通道鉴别器网络；将红外与可见光图像进行初步的连接操作后输入至生成器后生成融合图像，通过生成器与判别器的博弈对抗完成红外图像与可见光图像的融合生成；本发明融入了像素级注意力机制以及层次级联思想，能够降低网络参数量的情况下增强网络深度特征提取能力，提高红外与可见光图像的融合图像生成质量，实现了红外图像与可见光图像的融合增强。
-
Patent Agency Ranking
公开(公告)号：CN118072038A
公开(公告)日：2024-05-24
申请号：CN202311553562.4
申请日：2023-11-20
Applicant: 北京环境特性研究所
IPC: G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明提供了一种基于生成对抗网络的红外图像转换方法及装置，其中方法包括：获取待转换的可见光图像数据；将所述待转换的可见光图像数据输入预先训练好的生成对抗式转换模型中，输出得到红外图像数据；其中，所述生成对抗式转换模型是通过已知样本集对预设的生成对抗网络进行训练得到的，所述已知样本集是通过对原始可见光图像数据和原始红外图像数据进行配准配对得到的，所述预设的生成对抗网络是通过对原始生成对抗网络进行优化处理得到的，所述优化处理包括生成网络的优化、对抗网络的优化和损失函数的优化。本方案，能够改善生成对抗式红外图像纹理等细节，确保生成高质量红外图像数据。
-
公开(公告)号：CN117493604A
公开(公告)日：2024-02-02
申请号：CN202311542560.5
申请日：2023-11-17
Applicant: 北京环境特性研究所
IPC: G06F16/587 , G06F16/583 , G06F16/29 , G06V20/10 , G06V20/13 , G06V20/62 , G06N5/022
Abstract: 本发明提供了一种非显著场景图像的地理定位方法、装置及计算设备，该方法包括：构建地理空间知识库；其中，地理空间知识库包括存储空间语义特征、文字语义特征和地理位置之间的关联关系的索引表；对待处理非显著场景图像进行特征提取，得到空间语义特征和文字语义特征；根据地理空间知识库、待处理非显著场景图像的空间语义特征和文字语义特征，确定待处理非显著场景图像的地理位置。本方案提供的非显著场景图像的地理定位方法提高了非显著场景图像的地理定位精度。
-
公开(公告)号：CN117392256A
公开(公告)日：2024-01-12
申请号：CN202311403092.3
申请日：2023-10-26
Applicant: 北京环境特性研究所
IPC: G06T11/00 , G06N3/08 , G06N3/0464 , G06N3/0455
Abstract: 本发明提供了一种基于深度神经网络的红外图像生成方法及装置，该方法包括：获取目标场景的实测背景图像；对红外目标进行建模，得到目标前景图像；将所述实测背景图像和所述目标前景图像输入预先训练好的深度神经网络，得到所述红外目标在所述目标场景的红外场景图像。本方案能够快速生成大量不同场景下的高质量红外场景图像，满足模型训练需求以及生成复杂环境场景数据的需求。
-
公开(公告)号：CN109711381B
公开(公告)日：2021-03-23
申请号：CN201910007003.0
申请日：2019-01-04
Applicant: 北京环境特性研究所
Abstract: 本发明涉及一种遥感图像的目标识别方法，其获取训练遥感图像，以及，获取与所述训练遥感图像对应的标准识别结果；对预设神经网络进行优化，获取优化神经网络；其中，所述优化神经网络具有至少两个不同尺度的用于检测图像的感知域；根据所述训练遥感图像和所述标准识别结果，训练所述优化神经网络，得到训练神经网络；将待识别的遥感图像输入所述训练神经网络，得到所述遥感图像的目标识别结果；能够有效降低成本，并且能够对遥感图像实时检测，且精度较高。
-
公开(公告)号：CN110852261A
公开(公告)日：2020-02-28
申请号：CN201911090281.3
申请日：2019-11-08
Applicant: 北京环境特性研究所
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。
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.033 seconds)
