-
公开(公告)号：CN105629225A
公开(公告)日：2016-06-01
申请号：CN201511018701.9
申请日：2015-12-30
Applicant: 中国人民解放军信息工程大学
IPC: G01S13/66
CPC classification number: G01S13/66
Abstract: 本发明公开了一种基于改进K最短路径的多假设目标跟踪方法，克服了现有技术中，多假设跟踪的算法依赖于大量的假设，计算量和存储量随着跟踪目标和观测帧的增多，呈现爆炸性增长的问题。该发明包括以下步骤：步骤1):给定多个时间点的传感器观测序列步骤2):初始化，构造图中节点node。本发明利用多目标跟踪问题中大部分路径无公共节点的特点，得到了首先求解K条最短路径，然后根据路径间是否存在公共节点进行K最短路径计算，得到了K个目标的最可能观测序列和利用该观测序列所计算出的目标状态，从而具有抗杂波能力强、跟踪精度高，计算速度快的效果。
-
Patent Agency Ranking
公开(公告)号：CN104155541A
公开(公告)日：2014-11-19
申请号：CN201410335063.2
申请日：2014-07-15
Applicant: 中国人民解放军信息工程大学
IPC: G01R31/00
Abstract: 本发明涉及一种微处理器电磁与热应力复合环境敏感性测试方法，包括：RF干扰信号源(1)、功率放大器(2)、耦合电容(3)、电源分布网络(4)、受试微处理器(5)、印刷电路板(6)、恒温加热箱(7)、直流电源(8)、示波器(9)，同时本发明还提供了一种基于电容耦合注入干扰的微处理器电磁与热应力复合环境敏感性测试的方法；本系统易于搭建，成本低，测试快速便捷，解决了微处理器电磁与热应力复合敏感性测试难的问题；同时测试方法简单，操作流程清晰，可在150KHz至1GHz整个频段内精细测试微处理器不同工作环境温度的电磁敏感性，也可在指定的工作温度或某个频点进行抽样测试。
-
公开(公告)号：CN106709924B
公开(公告)日：2019-11-22
申请号：CN201611020101.0
申请日：2016-11-18
Applicant: 中国人民解放军信息工程大学
Abstract: 本发明公开了一种基于深度卷积神经网络和超像素的图像语义分割方法，克服了现有技术中，现有语义分割方法的精度仍待提高的问题。该发明含有如下步骤：1：在图像分类数据集上训练一个由图像到类别标签的深度卷积网络分类模型；2：在深度卷积神经网络分类模型中加入反卷积层，在图像语义分割数据集上进行微调训练，实现从图像到图像语义分割结果的映射；3：将测试图像输入深度卷积神经网络语义分割模型中，得到各个像素的语义标签，同时将测试图像送入超像素分割算法，得到若干超像素区域；4：把超像素和语义标签进行融合，得到最终改善的语义分割结果。本方法改善现有图像语义分割方法的精度，在图像识别和应用中具有重要意义。
-
公开(公告)号：CN104155541B
公开(公告)日：2017-01-18
申请号：CN201410335063.2
申请日：2014-07-15
Applicant: 中国人民解放军信息工程大学
IPC: G01R31/00
Abstract: 本发明涉及一种微处理器电磁与热应力复合环境敏感性测试方法，包括：RF干扰信号源络(4)、受试微处理器(5)、印刷电路板(6)、恒温加热箱(7)、直流电源(8)、示波器(9)，同时本发明还提供了一种基于电容耦合注入干扰的微处理器电磁与热应力复合环境敏感性测试的方法；本系统易于搭建，成本低，测试快速便捷，解决了微处理器电磁与热应力复合敏感性测试难的问题；同时测试方法简单，操作流程清晰，可在150KHz至1GHz整个频段内精细测试微处理器不同工作环境温度的电磁敏感性，也可在指定的工作温度或某个频点进行抽样测试。(1)、功率放大器(2)、耦合电容(3)、电源分布网
-
公开(公告)号：CN105629225B
公开(公告)日：2018-05-11
申请号：CN201511018701.9
申请日：2015-12-30
Applicant: 中国人民解放军信息工程大学
IPC: G01S13/66
Abstract: 本发明公开了一种基于改进K最短路径的多假设目标跟踪方法，克服了现有技术中，多假设跟踪的算法依赖于大量的假设，计算量和存储量随着跟踪目标和观测帧的增多，呈现爆炸性增长的问题。该发明包括以下步骤：步骤1):给定多个时间点的传感器观测序列步骤2):初始化，构造图中节点node。本发明利用多目标跟踪问题中大部分路径无公共节点的特点，得到了首先求解K条最短路径，然后根据路径间是否存在公共节点进行K最短路径计算，得到了K个目标的最可能观测序列和利用该观测序列所计算出的目标状态，从而具有抗杂波能力强、跟踪精度高，计算速度快的效果。
-
公开(公告)号：CN106709924A
公开(公告)日：2017-05-24
申请号：CN201611020101.0
申请日：2016-11-18
Applicant: 中国人民解放军信息工程大学
Abstract: 本发明公开了一种基于深度卷积神经网络和超像素的图像语义分割方法，克服了现有技术中，现有语义分割方法的精度仍待提高的问题。该发明含有如下步骤：1：在图像分类数据集上训练一个由图像到类别标签的深度卷积网络分类模型；2：在深度卷积神经网络分类模型中加入反卷积层，在图像语义分割数据集上进行微调训练，实现从图像到图像语义分割结果的映射；3：将测试图像输入深度卷积神经网络语义分割模型中，得到各个像素的语义标签，同时将测试图像送入超像素分割算法，得到若干超像素区域；4：把超像素和语义标签进行融合，得到最终改善的语义分割结果。本方法改善现有图像语义分割方法的精度，在图像识别和应用中具有重要意义。
-
-
-
-
-
Search Results
6
records
(took 0.031 seconds)
