-
公开(公告)号：CN116796038A
公开(公告)日：2023-09-22
申请号：CN202310558251.0
申请日：2023-05-17
Applicant: 清华大学深圳国际研究生院
IPC: G06F16/903 , G06F16/906 , G06F18/2115 , G06F18/23213 , G06F18/22
Abstract: 本发明提供一种遥感数据检索方法、装置、边缘处理设备及存储介质，该方法包括：获取检索输入数据；利用训练好的编码器模型对检索输入数据进行特征提取，得到第一特征数据，训练好的编码器模型用于对检索输入数据进行图像特征提取或文本特征提取；基于第一特征数据和预先构建的特征库中各聚类的聚类中心数据确定目标聚类，目标聚类为所有聚类中聚类中心数据与第一特征数据相似度最高的聚类；基于第一特征数据和目标聚类中的各第二特征数据确定目标遥感数据，目标遥感数据为与第一特征数据相似度最高的第二特征数据对应的遥感数据。由此，能够提高跨模态遥感数据检索的检索效率。
-
公开(公告)号：CN115047444A
公开(公告)日：2022-09-13
申请号：CN202210667660.X
申请日：2022-06-14
Applicant: 清华大学
Abstract: 本申请提供一种基于广义时变平滑层策略的多普勒雷达滤波方法及系统，属于雷达数据处理和目标跟踪领域。所述方法首先计算笛卡尔坐标系下的线性位置观测变量；基于线性位置观测变量，执行面向多普勒雷达观测模型的广义时变平滑层策略，实时地判决目标运动模型的模型不确定度，并依据模型不确定度的高低选择不同的切换增益项；利用切换增益项，计算当前帧的第一后验状态估计；利用构造的距离‑径向速度积伪量测，对第一后验状态估计进行更新，得到当前帧最终的目标状态估计。本申请旨在保持目标运动模型不确定条件下的鲁棒估计性能的前提下，解决参数敏感性问题，在低模型不确定度时获得最优估计性能，从而提高多普勒雷达的目标跟踪精度。
-
公开(公告)号：CN112230195A
公开(公告)日：2021-01-15
申请号：CN202010911596.6
申请日：2020-09-02
Applicant: 清华大学 , 中国人民解放军海军航空大学
Abstract: 本申请公开了一种基于非线性最优平滑层策略的平滑变结构滤波方法及系统，方法包括：基于非线性切换函数在最小均方误差准则下实时计算非线性最优平滑层参数；将该非线性最优平滑参数与预设的平滑层参数对比，以判断当前模型不确定度的大小；根据不确定度大小采用一种自适应切换策略计算增益项，并利用增益项在一个先验预测‑后验更新的框架中计算目标状态估计值；上述过程序贯迭代以实现对目标状态的持续跟踪。该方法采用基于非线性最优平滑层参数的自适应切换策略计算增益项，能够实现跟踪算法及系统在低模型不确定度下的最优性，同时保证高不确定度下的鲁棒性和优良的抖振抑制特性，从而获得更好的目标状态跟踪精度，具有较高的工程应用价值。
-
公开(公告)号：CN119887581A
公开(公告)日：2025-04-25
申请号：CN202510363949.6
申请日：2025-03-26
Applicant: 清华大学深圳国际研究生院
IPC: G06T5/73 , G06T5/60 , G06T5/50 , G06V10/80 , G06V10/143 , G06V10/52 , G06V10/776 , G06N3/0455 , G06N3/0464 , G06V10/44
Abstract: 本发明实施例涉及遥感图像处理技术领域，提供一种卫星遥感图像的全色锐化方法、装置、电子设备及介质，该方法包括：获取待处理的全色模态和多光谱模态的卫星遥感图像；对多光谱模态图像进行上采样处理，直至达到目标全色锐化图像的目标输出尺寸，得到多光谱模态的第一卫星遥感图像；对全色模态图像进行多尺度特征提取，得到全色模态的卫星遥感图像的不同尺度特征；对第一卫星遥感图像和与第一卫星遥感图像尺度相同的全色模态图像的图像特征进行频率选择性增强处理，得到不同尺度的高频特征和低频特征；将尺度相同的高低频特征进行特征融合，并进行图像重建，得到目标全色锐化图像。由此，可以提高重建图像的细节丰富度和视觉协调性。
-
公开(公告)号：CN119807993A
公开(公告)日：2025-04-11
申请号：CN202411742045.6
申请日：2024-11-29
Applicant: 清华大学深圳国际研究生院
Abstract: 本发明涉及计算机技术领域，提供一种多传感器目标状态估计方法、装置、设备和存储介质，该方法包括：根据上一时刻待观测目标多传感器的第一观测值、上一时刻待观测目标的第一状态估计以及当前时刻待观测目标多传感器的第一观测值，利用第一状态估计模型预测得到当前时刻待观测目标的第一状态估计；基于边缘不确定性集以及预设映射函数确定目标优化问题，并求解得到目标映射函数以及目标概率分布；边缘不确定性集用于表征状态估计过程中真实环境中可能的变化；利用目标映射函数根据当前时刻待观测目标的标称联合分布的均值、当前时刻待观测目标的标称联合分布的协方差和目标概率分布确定待观测目标的第二状态估计。本发明提高了多传感器目标状态估计方法的适应性。
-
Patent Agency Ranking
公开(公告)号：CN119672064A
公开(公告)日：2025-03-21
申请号：CN202411644278.2
申请日：2024-11-18
Applicant: 清华大学深圳国际研究生院
Abstract: 本发明提供一种卫星视频目标跟踪方法、装置、设备及存储介质，应用于目标跟踪技术领域，该方法包括：获取卫星视频中的当前帧图像；将当前帧图像输入至预设的目标跟踪模型中进行目标跟踪处理，确定当前帧图像中目标对应的跟踪结果；目标跟踪模型是根据多个卫星训练图像、每个卫星训练图像中样本对象的真实边界框以及相应的预测边界框之间的回归损失进行训练得到的，回归损失是根据样本对象的真实边界框和相应的预测边界框两者各自的二维高斯分布之间的第一高斯Wasserstein距离确定的，真实边界框对应的二维高斯分布中真实边界框的中心区域像素的密度大于边缘区域像素的密度。采用本发明的技术方案可以提升对卫星目标跟踪的效果。
-
公开(公告)号：CN117055556B
公开(公告)日：2024-09-24
申请号：CN202311051352.5
申请日：2023-08-18
Applicant: 清华大学深圳国际研究生院
IPC: G05D1/43 , G05D1/246 , G05D1/633 , G05D1/644 , G05D1/693 , G05D1/692 , G05D1/247 , G05D1/648 , G05D109/10
Abstract: 本发明提供一种多机器人编队路径规划方法、装置、电子设备及存储介质，涉及机器人技术领域，该方法包括：基于目标区域的密集障碍环境，对多个机器人编队进行全局路径规划，得到多个机器人编队在所述目标区域的全局路径；基于各机器人在每个时刻的待跟踪路径点，对各机器人的局部轨迹进行优化，得到多个机器人编队的优化轨迹，实现了多个机器人编队在密集障碍环境中的全局路径规划以及局部轨迹优化，使得多个机器人编队中每个机器人在任意离散时刻能够保持编队队形，并基于优化轨迹能够最短的时间到达目标位置，有效提升了多机器人编队在密集障碍环境中编队的效率以及完成导航任务的成功率。
-
公开(公告)号：CN115047444B
公开(公告)日：2024-08-20
申请号：CN202210667660.X
申请日：2022-06-14
Applicant: 清华大学
Abstract: 本申请提供一种基于广义时变平滑层策略的多普勒雷达滤波方法及系统，属于雷达数据处理和目标跟踪领域。所述方法首先计算笛卡尔坐标系下的线性位置观测变量；基于线性位置观测变量，执行面向多普勒雷达观测模型的广义时变平滑层策略，实时地判决目标运动模型的模型不确定度，并依据模型不确定度的高低选择不同的切换增益项；利用切换增益项，计算当前帧的第一后验状态估计；利用构造的距离‑径向速度积伪量测，对第一后验状态估计进行更新，得到当前帧最终的目标状态估计。本申请旨在保持目标运动模型不确定条件下的鲁棒估计性能的前提下，解决参数敏感性问题，在低模型不确定度时获得最优估计性能，从而提高多普勒雷达的目标跟踪精度。
-
公开(公告)号：CN112230195B
公开(公告)日：2024-07-30
申请号：CN202010911596.6
申请日：2020-09-02
Applicant: 清华大学 , 中国人民解放军海军航空大学
Abstract: 本申请公开了一种基于非线性最优平滑层策略的平滑变结构滤波方法及系统，方法包括：基于非线性切换函数在最小均方误差准则下实时计算非线性最优平滑层参数；将该非线性最优平滑参数与预设的平滑层参数对比，以判断当前模型不确定度的大小；根据不确定度大小采用一种自适应切换策略计算增益项，并利用增益项在一个先验预测‑后验更新的框架中计算目标状态估计值；上述过程序贯迭代以实现对目标状态的持续跟踪。该方法采用基于非线性最优平滑层参数的自适应切换策略计算增益项，能够实现跟踪算法及系统在低模型不确定度下的最优性，同时保证高不确定度下的鲁棒性和优良的抖振抑制特性，从而获得更好的目标状态跟踪精度，具有较高的工程应用价值。
-
公开(公告)号：CN118171242A
公开(公告)日：2024-06-11
申请号：CN202410248791.3
申请日：2024-03-05
Applicant: 清华大学深圳国际研究生院
IPC: G06F18/28 , G06F18/241 , G06F18/214
Abstract: 本发明提供一种置信度阈值确定方法、装置、电子设备及存储介质，属于深度学习技术领域，方法包括：获取无标签样本，得到每一训练批次的无标签样本的分类预测结果；根据分类预测结果，得到每一训练批次的样本级别的样本难度分数以及每一无标签样本对应的初步分类类别；根据样本难度分数和初步分类类别，确定每一初步分类类别对应的置信度阈值。本发明考虑了样本之间的互异性，通过样本级别的样本难度分数体现样本级别的特性，根据样本级别的样本难度分数获得每一初步分类类别对应的置信度阈值，更符合模型的训练过程，既能使更多的无标签样本参与模型训练，又保证了参与模型训练的无标签样本中其伪标签的正确率，提升了模型的最终效果。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.023 seconds)
