一种基于边缘增强的跨尺度CNN舰船识别方法

    公开(公告)号:CN118570745A

    公开(公告)日:2024-08-30

    申请号:CN202410632406.5

    申请日:2024-05-21

    Abstract: 本发明公开了一种基于边缘增强的跨尺度CNN舰船识别方法,属于计算机视觉技术领域。包括:建立舰船目标识别数据集与构建舰船识别模型,所建模型包含对影像进行预处理与识别网络两部分,其中识别网络以YOLOX网络为基础,在其主干网络中每个CSPLayer后增加注意力机制模块,在颈部金字塔网络中每个Concat+Csplayer结构之间增加跨尺度特征增强模块;使用舰船目标识别数据集完成对舰船识别模型的训练。本发明通过超分辨率重建与轮廓信息增强结合的预处理模块,提高了中低分辨率影像的舰船特征信息;通过在识别网络中添加注意力机制与跨尺度特征增强模块,提取高质量样本特征,并从多尺度获取目标特征来增强跨尺度信息,提高目标识别率。

    基于改进的Ring All Reduce算法的面向深度学习的GPU并行方法

    公开(公告)号:CN113961337B

    公开(公告)日:2024-05-10

    申请号:CN202111073054.7

    申请日:2021-09-14

    Abstract: 本发明公开了一种基于改进的RingAllReduce算法的面向深度学习的GPU并行方法,用于提升数据并行多设备间传输效率,缓解传统参数服务器并行结构带宽损耗问题;另外,利用传统深度学习主干网络包含权重参数较全连接层小,同步开销小而全连接层权重庞大梯度传输开销过高这一特点,将主干网络进行数据并行处理,全连接层采用模型并行处理,解决了数据并行模式难以支撑大规模网络参数及加速延缓的问题。相比其他方法,本方法最终测试与训练精度差异不大,但在加速效果上衰减幅度更小,效果更好,实验也发现,相比Cifar10等类别较少的数据集,该方法在miniImageNet上存在更大的加速优势,因此更适用于海量数据并行训练。

    一种基于GNSS反射信号的海面叶绿素浓度反演模型构建方法

    公开(公告)号:CN117828369A

    公开(公告)日:2024-04-05

    申请号:CN202410004351.3

    申请日:2024-01-03

    Abstract: 本发明公开了一种基于GNSS反射信号的海面叶绿素浓度反演模型构建方法,其包括:S1:获取ECMWF风速数据、CYGNSS数据、GOCI叶绿素浓度数据;S2:对ECMWF风速数据以及CYGNSS数据进行插值匹配,随后将匹配结果与GOCI叶绿素浓度数据进行匹配,得到最终匹配结果;S3:对最终匹配结果进行数据预处理,得到数据样本;S4:利用数据样本对随机森林模型进行训练,得到GNSS‑R叶绿素浓度反演模型。使用GNSS‑R数据,匹配环境风速数据作为特征值进行机器学习,建立GNSS‑R叶绿素浓度反演模型,能够全天时全天候实现中尺度海面叶绿素浓度反演。

    一种边缘增强与分布均衡化的遥感立体影像特征匹配方法

    公开(公告)号:CN115359276A

    公开(公告)日:2022-11-18

    申请号:CN202210997195.6

    申请日:2022-08-19

    Abstract: 本发明公开了一种边缘增强与分布均衡化的遥感立体影像特征匹配方法,构建基准影像和待配准影像对应的多尺度空间图像,并利用无偏差比UDR边缘检测器对各个尺度空间图像进行边缘滤波,从而获取最终的多尺度空间图像;搜索最终的多尺度空间图像中的极值点,获取的极值点即为候选特征点,再采用非极大值抑制算法对候选特征点进行均匀化处理,完成特征点提取;以特征点为圆心,从不同尺度图像上选用四个大小不同的同心圆区域构建多尺度特征描述子,计算多尺度特征描述子向量,然后采用最近邻距离比算法获取初始特征匹配点对,再利用随机抽样一致算法删除初始特征匹配点对中的异常点删除,完成基准影像和待配准影像的特征点配准。

    一种基于疫情大数据的返校安全评估方法

    公开(公告)号:CN112561224A

    公开(公告)日:2021-03-26

    申请号:CN202010846537.5

    申请日:2020-08-21

    Abstract: 本发明公开了一种基于疫情大数据的返校安全评估方法,包括如下步骤:1)构建地理信息大数据:服务器端通过客户端采集上传、网络爬虫爬取和学校多系统交互获基础数据,构建疫情地理信息大数据;2)地理信息空间分析:基于疫情地理信息大数据,构建地理信息地图,结合空间分析方法——缓冲区分析,完成地理信息空间分析,获取疫情严重区域和疫情轻微区域;3)安全评估:客户端向服务器端发送安全评估请求,服务器端根据客户端的当前位置生成用户运动轨迹,并与服务器端中存储的疫情严重区域和疫情轻微区域进行比对,判断用户运动轨迹与疫情严重区域是否重合,并根据比对反馈是否可以返校的信息给客户端。

    基于深度学习的多特征融合高光谱遥感地物分类方法

    公开(公告)号:CN111738052A

    公开(公告)日:2020-10-02

    申请号:CN202010283627.8

    申请日:2020-04-13

    Abstract: 本发明公开了一种基于深度学习的多特征融合高光谱遥感地物分类方法,该方法可应用于高光谱遥感地物图像分类,解决了高光谱图像分类中标签样本不足和不同层次特征没有得到充分利用的弊端,具体如下:从原始高光谱遥感图像中选取各类别标签样本,并将样本标记为训练样本和测试样本;对训练样本进行预处理将其复制为相同的多份,并输入卷积神经网络的不同卷积层中以得到更多的样本;将卷积神经网络中层和高层的特征在全连接层中进行融合以得到不同层次的特征信息;获得训练的特征后对测试样本进行分类。

    一种用于苹果采摘机器人的果实快速识别方法

    公开(公告)号:CN111046782A

    公开(公告)日:2020-04-21

    申请号:CN201911248880.3

    申请日:2019-12-09

    Abstract: 本发明公开了一种用于苹果采摘机器人的果实快速识别方法,对采集的图像进行颜色空间的转换,将RGB颜色空间图片转换成Lab颜色空间的图片,对Lab颜色空间下的图片进行一种基于亮度的优化显著性检测处理;对原始图像用色差法进行处理,其结果与显著性检测结果做融合处理;最终将直方图反向投影的结果和显著性检测的结果进行融合处理,OTSU二值化处理,通过最大连通域分析方法获得最大连通域,对最大连通域进行动态次数阈值腐蚀操作,对腐蚀结果再次做最大连通域分析获得最大连通域,最后对最大连通域进行与腐蚀操作等次数等结构元素的膨胀操作;做最大连通域的外接矩形实现对果实的标定。

Patent Agency Ranking