-
公开(公告)号：CN118981020A
公开(公告)日：2024-11-19
申请号：CN202410843673.7
申请日：2024-06-27
Applicant: 国家海洋局南海调查技术中心(国家海洋局南海浮标中心)
Abstract: 本发明公开了一种左右舷模糊情况下的无人潜航器多目标跟踪方法及装置，其中方法包括：预测新生目标和存活目标；将新生目标和存活目标组合为预测目标，并得到预测目标的标签多伯努利参数集；根据预测目标的标签多伯努利参数集和目标观测集更新所述预测目标的标签多伯努利参数集；修剪更新后的预测目标的标签多伯努利参数集，得到目标状态估计结果集；判断所述目标状态估计结果对应的预测目标的左右舷位置。本发明适用于目标数未知且时变的复杂场景，可自动判定目标位于左舷或者右舷，适用于UUV平台在无人干预的环境下自主判决。
-
公开(公告)号：CN118966305A
公开(公告)日：2024-11-15
申请号：CN202410965972.8
申请日：2024-07-18
Applicant: 国家海洋局南海调查技术中心(国家海洋局南海浮标中心) , 佛山大学
IPC: G06N3/082 , G06N3/084 , G06N3/0464
Abstract: 本发明公开了一种基于Shapley值的可微分架构搜索优化方法，该方法包括：设置可微分神经网络架构搜索的原始操作池；基于原始操作池，对可微分神经网络架构搜索进行搜索处理，得到标准单元与缩减单元；对标准单元与缩减单元分别进行Shapley值计算，得到标准单元的贡献度值与缩减单元的贡献度值；根据标准单元的贡献度值与缩减单元的贡献度值，将低于预设贡献度阈值对应的标准单元与缩减单元进行剔除处理，得到优化后的可微分神经网络架构搜索。通过使用本发明，能够降低可微分神经网络架构搜索的空间复杂度，进而缩短可微分神经网络架构搜索的时间，提高搜索效率。本发明作为一种基于Shapley值的可微分架构搜索优化方法，可广泛应用于神经网络架构搜索技术领域。
-
Patent Agency Ranking
公开(公告)号：CN115578435A
公开(公告)日：2023-01-06
申请号：CN202211226585.X
申请日：2022-10-09
Applicant: 华南理工大学 , 国家海洋局南海调查技术中心(国家海洋局南海浮标中心)
Abstract: 本发明公开了一种静态环境和动态物体的稠密重建方法、系统及介质，方法包括：对输入的图像进行实例分割；在静态图像上提取和匹配第一特征点，计算相机的初始位姿；在实例图像上提取和追踪第二特征点，计算动态物体的初始相对位姿；对相机的位姿、动态物体的相对位姿、第一特征点坐标和第二特征点坐标的约束关系进行紧耦合非线性优化；对输入图像通过深度估计获得深度图并进行预处理；对静态环境建立稠密点云图；筛选物体点云片段，将保留的点云片段变换到参考片段下进行融合，从而稠密重建动态物体。本发明通过输入双目图像，即可输出静态环境和动态物体的稠密重建点云图，全过程自动处理，具有精度高、拖影和噪声少、鲁棒性好等特点。
-
公开(公告)号：CN111830586B
公开(公告)日：2022-09-06
申请号：CN202010540933.5
申请日：2020-06-12
Applicant: 国家海洋局南海调查技术中心(国家海洋局南海浮标中心) , 中国人民解放军海军参谋部办公室
Abstract: 本发明公开了一种基于克里金格网算法的海域垂线偏差获取方法及其装置，该方法包括：根据全球重力场球谐模型，移去观测点处垂线偏差观测值中的垂线偏差模型值，得到所述观测点处的残差垂线偏差；根据所述观测点处的残差垂线偏差和克里金格网算法，得到待估点处的残差垂线偏差；根据所述待估点处的残差垂线偏差，恢复所述待估点处的垂线偏差子午分量和卯酉分量残差的模型值，得到所述待估点处的海域垂线偏差值。本发明应用了基于频域特性的克里金格网算法，实现了高精度高分辨率海域垂线偏差模型的构建，有效地解决了海洋测绘技术领域中，如何快速、经济地获取海域垂线偏差的问题。
-
公开(公告)号：CN216593539U
公开(公告)日：2022-05-24
申请号：CN202122782876.4
申请日：2021-11-12
Applicant: 国家海洋局南海调查技术中心(国家海洋局南海浮标中心)
Abstract: 本实用新型公开了一种船艇拖曳阵系统，包括：拖缆、拖体、刚性连接杆及水听器阵列；拖体的一端通过拖缆与船艇连接，另一端通过刚性连接杆与水听器阵列连接；其中，拖体设有摄像装置和照明装置；水听器阵列设有罗经、传感器和水听器。本实用新型能够根据实际场景调整系统的上升、下降和航行轨迹，以提升海洋生物的定位与跟踪能力，工作方式更加灵活，可测量范围更广；通过在拖体上集成摄像装置和照明装置，能够准确识别海洋生物的物种和丰度，水体的温度、盐度及深度数据，从而为海洋生物的行为学研究提供基础资料和数据支撑；通过将水听器阵列与拖体刚性连接，保证了阵列姿态的稳定性，同时能减少噪声干扰，使监测结果更准确。
-
公开(公告)号：CN118155059B
公开(公告)日：2024-07-30
申请号：CN202410559141.0
申请日：2024-05-08
Applicant: 南方海洋科学与工程广东省实验室(珠海) , 佛山科学技术学院
IPC: G06V20/05 , G06N3/0455 , G06N3/082 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于深度学习嵌入的水下目标检测方法及系统，该方法包括：获取待检测水下目标数据；引入Transformer编码器与动态非单调聚焦机制Wise‑IoU边框损失函数，构建深度学习水下目标检测网络；基于深度学习水下目标检测网络对待检测水下目标数据进行目标检测处理，得到水下目标检测结果。该模块包括：获取模块、构建模块和检测模块。本发明能够提高深度学习水下目标检测网络对水下微小目标的检测精度与检测速度。本发明作为一种基于深度学习嵌入的水下目标检测方法及系统，可广泛应用于水下目标检测技术领域。
-
公开(公告)号：CN118155059A
公开(公告)日：2024-06-07
申请号：CN202410559141.0
申请日：2024-05-08
Applicant: 南方海洋科学与工程广东省实验室(珠海) , 佛山科学技术学院
IPC: G06V20/05 , G06N3/0455 , G06N3/082 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于深度学习嵌入的水下目标检测方法及系统，该方法包括：获取待检测水下目标数据；引入Transformer编码器与动态非单调聚焦机制Wise‑IoU边框损失函数，构建深度学习水下目标检测网络；基于深度学习水下目标检测网络对待检测水下目标数据进行目标检测处理，得到水下目标检测结果。该模块包括：获取模块、构建模块和检测模块。本发明能够提高深度学习水下目标检测网络对水下微小目标的检测精度与检测速度。本发明作为一种基于深度学习嵌入的水下目标检测方法及系统，可广泛应用于水下目标检测技术领域。
-
-
-
-
-
-
Search Results
27
records
(took 0.083 seconds)
