-
公开(公告)号:CN117876771A
公开(公告)日:2024-04-12
申请号:CN202410046518.2
申请日:2024-01-11
Applicant: 北京环境特性研究所
IPC: G06V10/764 , G06V10/766 , G06V10/25 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明提供了一种小样本目标检测识别方法、装置及计算设备,该方法包括:获取目标域内的小样本目标数据集;利用小样本目标数据集对由源域数据集预训练得到的初始检测网络模型和初始分类网络模型进行训练,得到目标检测网络模型和目标分类网络模型;将目标域的待检测识别图像输入目标检测网络模型中,得到目标图像和回归结果;将目标图像与目标图像相关的语义信息、属性信息和图像信息输入目标分类网络模型中,得到分类结果;根据回归结果和分类结果,得到待检测识别图像的识别结果。本方案提供的小样本目标检测识别方法能够实现对小样本数据的准确识别,提高基于小样本数据的识别准确性。
-
公开(公告)号:CN117746162A
公开(公告)日:2024-03-22
申请号:CN202410037726.6
申请日:2024-01-10
Applicant: 北京环境特性研究所
IPC: G06V10/764 , G06V10/774 , G06T3/4053 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明涉及计算机视觉技术领域,特别涉及一种面向低分辨率小样本的目标识别方法及装置。方法包括:基于待测试小样本集构建训练集;待测试小样本集包括不带有标签的低分辨率图像和每一个类别带有标签的高分辨率图像;利用训练集对预先构建的识别网络进行监督预训练和元训练,得到识别模型;将训练集中的样本图像进行下采样,以利用训练集中的样本图像和下采样后的低分辨率样本图像,对预先构建的超分辨率网络进行训练,得到超分辨率模型;在将待测试小样本集中的低分辨率图像输入至超分辨率模型得到超分辨率图像后,利用识别模型和每一个类别的类中心,得到超分辨率图像的预测类别。本方案可以增强低分辨率图像的小样本分类性能。
-
公开(公告)号:CN112270370B
公开(公告)日:2023-06-02
申请号:CN202011226859.6
申请日:2020-11-06
Applicant: 北京环境特性研究所
IPC: G06V10/766 , G06V10/80 , G06V10/82 , G06V10/26 , G06V10/774 , G06V20/70 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种车辆表观毁伤评估方法、计算机设备及计算机可读存储介质,该方法包括:进行尺寸归一化处理;分两路进行灰度化,一路直接进行灰度化处理,得到含目标及背景的灰度图像,另一路先利用目标语义分割模型进行像素级分割,分割出目标区域,再对分割得到的图像进行灰度化处理,得到只含目标的灰度图像;基于卷积神经网络构建特征提取模型,对得到的含目标及背景的灰度图像和只含目标的灰度图像分别进行高维特征提取;对得到的两路目标高维卷积特征进行特征融合;利用全连接网络对最终目标融合特征进行回归计算,并输出一个0~1范围内的连续值,作为车辆目标表观毁伤程度评估值。本发明能够实现车辆表观毁伤的快速量化评估。
-
公开(公告)号:CN115797171A
公开(公告)日:2023-03-14
申请号:CN202211430211.X
申请日:2022-11-15
Applicant: 北京环境特性研究所
Abstract: 本发明实施例涉及图像处理技术领域,特别涉及一种合成图像的生成方法、装置、电子设备及存储介质,方法包括:基于Alpha透明蒙版标注法,生成由前景目标和背景图像组成的第一图像以及所述前景目标在所述第一图像中的前景目标掩码;利用编解码网络提取所述第一图像的背景特征以及所述前景目标掩码的目标特征,并将所述背景特征和所述目标特征进行融合,生成和谐化的第二图像;利用阴影生成对抗网络为所述第二图像中的前景目标生成阴影,生成目标图像。本方案,能够提高合成图像的质量。
-
公开(公告)号:CN115695951A
公开(公告)日:2023-02-03
申请号:CN202211351653.5
申请日:2022-10-31
Applicant: 北京环境特性研究所
Abstract: 本发明提供了一种头盔,涉及武器装备技术领域。其中,该头盔包括头盔本体、以及设置在所述头盔本体上的图像采集组件、处理整合器和显示组件;所述图像采集组件,包括多种图像传感器,被配置为基于所述多种图像传感器中的至少一种采集待检测图像;所述处理整合器,被配置为对所述待检测图像进行增强处理,以及,对增强处理后的图像进行目标识别,以得到目标识别结果;显示组件,被配置为对所述目标识别结果进行显示。本发明提供的头盔,不仅能够对用户起到保护作用,而且能够自动识别图像中的目标,辅助用户快速识别、定位目标,大大提高了用户识别、定位目标的精准度和处理效率,从而极大提高巡检效率和战备质量。
-
公开(公告)号:CN115482346A
公开(公告)日:2022-12-16
申请号:CN202211170873.8
申请日:2022-09-23
Applicant: 北京环境特性研究所
Abstract: 本发明实施例涉及一种红外场景仿真系统及方法。系统包括模型构建模块,用于构建待仿真模型,待仿真模型包括背景模型和目标模型;场景构建模块,用于设定背景模型和目标模型的位置及运动轨迹以形成预设的可见光场景,并设置可见光场景的场景参数;大气计算模块,用于计算场景参数下的大气传输透过率、背景及地表散射辐射强度以及太阳直射辐照度;热特征求解模块,用于计算背景模型和目标模型的温度场;红外特性计算模块,用于基于温度场和仿真参数计算可见光场景的第一红外辐亮度图像;传感器效应计算模块,用于基于传感器参数对第一红外辐亮度图像引入传感器效应,生成最终红外仿真图像。该系统能够获得任意场景下的红外图像,成像效率高。
-
公开(公告)号:CN114330714A
公开(公告)日:2022-04-12
申请号:CN202210217667.1
申请日:2022-03-08
Applicant: 北京环境特性研究所
Abstract: 本发明提供了一种卷积神经网络剪枝优化方法、装置、电子设备及存储介质,该方法包括:获取完成训练的卷积神经网络模型;对于卷积神经网络模型的每一个类别,确定对应的语义信息图,并基于语义信息图,确定每个滤波器在各类别中的滤波器重要性因子;根据滤波器重要性因子及剪枝目标,对滤波器进行重要程度排序;基于排序结果及剪枝目标,逐步剪除重要程度小的滤波器,直至达成剪枝目标,得到剪枝优化后的卷积神经网络模型;对剪枝优化后的卷积神经网络模型进行重训练。本发明能够实现有针对性的、效果更佳的卷积神经网络剪枝压缩。
-
公开(公告)号:CN108764456B
公开(公告)日:2021-06-22
申请号:CN201810289335.8
申请日:2018-04-03
Applicant: 北京环境特性研究所
Abstract: 本发明涉及一种机载目标识别模型构建平台、机载目标识别方法及设备,机载目标识别模型构建平台,包括:存储服务器,用于将实测数据和特性数据存储至对应的分类训练数据集;训练服务器,用于将分类训练数据集中的每一个样本输入到深度学习网络,进行特征训练,当接收到生成指令时,为特征训练的结果生成机载目标识别模型;当接收到反向传播指令时,将特征训练的结果反向输入到深度学习网络,进行特征训练;识别服务器,用于对特征训练的结果进行识别测试,并针对识别测试结果,统计识别率,当识别率不小于预设的识别基准值时,发送模型生成指令,否则,发送反向传播指令。本发明提供的方案能够有效地提高机载目标识别的准确率。
-
公开(公告)号:CN109753494B
公开(公告)日:2021-05-25
申请号:CN201910007013.4
申请日:2019-01-04
Applicant: 北京环境特性研究所
Abstract: 本发明涉及一种目标特性数据库系统和数据同步方法,解决以往目标特性数据库的数据同步操作繁琐、效率低下、无法满足仿真或作战对数据实时性的要求等问题。本发明在网络环境中通过将数据分发记录存储在数据分发表中、将数据文件按照树形结构组织存储、原始库与镜像库建立相同的库表结构等策略,可实现镜像库申请原始库中的数据或原始库主动同步镜像库中的数据两种方式,同步方式灵活高效,同时又有利于目标特性数据的保护。本发明提供的数据同步方法可封装成独立调用的函数,从而实现数据的自动调用。
-
公开(公告)号:CN112098733A
公开(公告)日:2020-12-18
申请号:CN202011002152.7
申请日:2020-09-22
Applicant: 北京环境特性研究所
Abstract: 本发明提供了一种电磁散射特性数据插值生成方法和装置。所述方法包括:获取目标电磁散射特性数据,并按照电磁散射数据空间描述规范对所述电磁散射特性数据进行整编;根据预设的平滑处理机制对所述电磁散射特性数据进行平滑处理;利用预设的决策树集群模型进行电磁散射数据插值生成。本发明具有高鲁棒性且可生成高置信度数据的电磁散射数据插值生成方法,以解决目标电磁散射特性数据插值生成中,插值数据置信度较低、插值方法鲁棒性弱的问题。
-
-
-
-
-
-
-
-
-