-
公开(公告)号：CN117876699A
公开(公告)日：2024-04-12
申请号：CN202410282230.5
申请日：2024-03-13
Applicant: 中国人民解放军火箭军工程大学
IPC: G06V10/40 , G06N3/045 , G06N3/0464 , G06V10/82
Abstract: 本申请涉及一种基于孪生神经网络的仿真图像逼真度评估方法，针对深度特征提取过程中出现大量的冗余特征以及当网络层数加深时出现的梯度消失等问题，设计一种基于孪生神经网络的仿真图像逼真度评估方法，首先构建孪生神经网络的总体构架，然后构建含有嵌入卷积注意力机制的残差神经网络来进行特征提取，最后实现基于孪生神经网络的实拍图与仿真图的逼真度评估。该方法能够通过已经具备一定特征提取能力的预训练网络减少训练工作量，并且在数据较少的情况也可以提取到更多的有效特征，增强网络的特征提取能力，缩小多模态图像之间的特征差异。
-
公开(公告)号：CN116485677A
公开(公告)日：2023-07-25
申请号：CN202310470476.0
申请日：2023-04-27
Applicant: 中国人民解放军火箭军工程大学
IPC: G06T5/00 , G06T5/50 , G06T7/11 , G06N3/0464 , G06N3/08
Abstract: 本发明属于目标信息消隐技术领域，公开了一种目标实时智能消隐方法，包括以下步骤，其中步骤一为数据集收集与标注，包括目标数据集收集和场景数据集收集；步骤二为模型训练，包括目标分割模型训练和目标消隐模型训练；步骤三为实时目标消隐，包括图像采集、单帧目标分割、更新图像储存库、目标消隐和图像显示步骤。本发明通过视频采集到终端存储之间传输的视频流，智能识别敏感目标并高效消隐，可以有效减少敏感目标出现于互联网；同时在技术实现上，采用实时分割生成掩码，然后进行消隐的方式，有效解决了当前消隐算法极大依赖于人工标注的问题，极大减少了人力物力。
-
公开(公告)号：CN116596993A
公开(公告)日：2023-08-15
申请号：CN202310560741.4
申请日：2023-05-18
Applicant: 中国人民解放军火箭军工程大学
IPC: G06T7/70 , G06V10/40 , G06V10/25 , G06V10/26 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/08 , G06V20/17
Abstract: 本发明提供了一种基于伪孪生网络与深度特征的目标识别匹配定位方法，具体包括以下步骤：基于伪孪生网络模型进行目标识别与图像匹配定位一体化设计，获取目标图像并基于SSD算法对目标进行识别，基于深度特征匹配方法进行目标匹配定位，基于网格运动统计模型优化匹配结果。本发明采用伪孪生网络结构，通过目标识别算法选取参考图与实时图的适配区，利用深度特征与GMS算法相结合的匹配策略，完成目标识别与匹配定位任务。本发明与其他的匹配算法相比，鲁棒性更强、匹配精度更高，在保证实时性的前提下，提高了网络的泛化能力，实现了目标识别与匹配定位算法的一体化设计，减少了运算量，在光照、尺度和成像角度发生较大变化时，表现更加优异。
-
公开(公告)号：CN116363531A
公开(公告)日：2023-06-30
申请号：CN202310298128.X
申请日：2023-03-24
Applicant: 中国人民解放军火箭军工程大学
IPC: G06V20/17 , G06V10/24 , G06V10/764 , G06V10/774 , G06V10/82 , G06V20/70 , G01C21/12
Abstract: 本发明提供了一种基于KDSR‑CNN的轻量化导航标志物检测方法，包括以下步骤：S1、在巡航范围内获取无人机视角的航拍视频；S2、制备视觉导航数据集并进行数据增强；S3、构建轻量化KDSR‑CNN网络模型；S4、知识蒸馏训练轻量化网络从而提高模型精度；S5、在嵌入式平台上部署进行推理验证。本发明显著降低了模型的参数量和计算量，更易部署在嵌入式平台，同时提高了导航标志物的检测精度，从而可以有效提高视觉导航的定位精度，有效实现了飞行器的实时航空目标检测。
-
公开(公告)号：CN116129263A
公开(公告)日：2023-05-16
申请号：CN202211725328.0
申请日：2022-12-30
Applicant: 中国人民解放军火箭军工程大学
Abstract: 本发明属于图像处理技术领域，公开了一种基于拓扑结构相似度的集群舰船队形识别方法，包括以下步骤，步骤一，构建单阶段无锚框的舰船目标关键点检测模型，利用中心点估计任意方向集群舰船目标，获取舰船中心点的坐标位置；步骤二，利用德洛内三角网实现对集群舰船目标外围轮廓的表达，绘制集群舰船编队外围轮廓的拓扑结构；步骤三，利用待识别编队的拓扑结构信息，计算与公开的标准舰船编队的相似度，从而实现集群舰船队形识别；过程中使用拓扑结构、距离关系、分布范围、分布密度以及集群舰船目标来计算相似度。本发明能有效识别集群舰船队形。
-
Patent Agency Ranking
公开(公告)号：CN113743565B
公开(公告)日：2022-09-30
申请号：CN202110897444.X
申请日：2021-08-05
Applicant: 中国人民解放军火箭军工程大学
IPC: G06N3/00
Abstract: 本发明公开了一种基于群体体系结构的无人机蜂群反制方法，包括步骤Step1.蜂群状态信息获取；Step2.蜂群体系结构判别；Step3.可反制关键无人机设定；Step4.导航诱骗信号作用；Step5.反制效果确定；本发明上述方法通过分析蜂群空间分布和运动轨迹特征对蜂群体系结构分类，针对不同体系结构选定相应可反制关键无人机，利用蜂群分布式体系结构特性，通过导航诱骗部分无人机实现无人机蜂群的整体反制，以局部带动整体，有效提升分布式无人机蜂群反制效费比，具有反制效果好、反制效费比高的特点。
-
公开(公告)号：CN113743565A
公开(公告)日：2021-12-03
申请号：CN202110897444.X
申请日：2021-08-05
Applicant: 中国人民解放军火箭军工程大学
IPC: G06N3/00
Abstract: 本发明公开了一种基于群体体系结构的无人机蜂群反制方法，包括步骤Step1.蜂群状态信息获取；Step2.蜂群体系结构判别；Step3.可反制关键无人机设定；Step4.导航诱骗信号作用；Step5.反制效果确定；本发明上述方法通过分析蜂群空间分布和运动轨迹特征对蜂群体系结构分类，针对不同体系结构选定相应可反制关键无人机，利用蜂群分布式体系结构特性，通过导航诱骗部分无人机实现无人机蜂群的整体反制，以局部带动整体，有效提升分布式无人机蜂群反制效费比，具有反制效果好、反制效费比高的特点。
-
公开(公告)号：CN113739638A
公开(公告)日：2021-12-03
申请号：CN202110898653.6
申请日：2021-08-05
Applicant: 中国人民解放军火箭军工程大学
IPC: F41H11/02
Abstract: 本发明公开了一种基于群体协同信息的无人机蜂群反制方法，包括：Step1.探测预警；Step2.跟踪定位；Step3.判断是否反制；Step4.反制蜂群目标；Step5.确定反制效果；针对基于声呐信息/视觉信息感知实现自主导航和群体协同的无人机蜂群，本发明方法采用声波攻击和强光干扰的方式可有效破坏部分无人机的自主导航能力、与邻近无人机的分布式协同能力，使得声波攻击和强光干扰范围内无人机无法获取导航定位信息和邻近无人机位置信息，蜂群期望队形难以维持，进而实现对无人机蜂群的有效反制，具有攻击角度和瞄准位置精度高、攻击效率和反制成功率高的特点。
-
公开(公告)号：CN113673373A
公开(公告)日：2021-11-19
申请号：CN202110886156.4
申请日：2021-08-03
Applicant: 中国人民解放军火箭军工程大学
Abstract: 本发明公开了一种基于自适应角约束的空地红外时敏弱小移动目标检测方法，利用多尺度局部差异度量算法消除背景杂波干扰，有效分割出候选目标点；利用核相关滤波算法对候选目标点进行跟踪，建立首帧和末帧的候选目标点集对；利用背景候选目标点的角度约束不变性，构建首末帧的角约束矩阵；计算候选目标点的角度变化偏差，并利用阈值分割检测移动目标，消除背景目标。本发明解决了如何提高空地复杂动态背景下的红外弱小移动目标的检测效果。
-
公开(公告)号：CN113362341B
公开(公告)日：2024-02-27
申请号：CN202110647385.0
申请日：2021-06-10
Applicant: 中国人民解放军火箭军工程大学
IPC: G06T7/11 , G06T7/194 , G06T5/50 , G06V10/762 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于超像素结构约束的空地红外目标跟踪数据集标注方法，S1：对需要处理的图像的前M帧进行人工标注，得到初始训练数据库，再对其红外图像进行超像素分割，通过聚类算法，实现外部类结构约束，提取图像正负样本集；S2：使用S1提取的负样本，构建基于空间位置的概率超图模型，实现样本集的内部位置结构约束；S3：使用S1提取的正样本的超像素，构建基于类的概率超图模型，实现样本集的内部类结构约束；S4：融合S2和S3两种内部约束的显著图，并对目标进行有效框选和标注；S5：通过人工标注的前M帧图像，更新训练数据集和分类器模型，对M帧以后图像进行训练和分类。解决了利用视觉跟踪算法实现对视频图像中目标的自动标
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.063 seconds)
