-
公开(公告)号：CN118262257A
公开(公告)日：2024-06-28
申请号：CN202410464157.3
申请日：2024-04-17
Applicant: 中国人民解放军陆军军事交通学院镇江校区
IPC: G06V20/17 , G06V10/25 , G06V10/74 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种航空图像目标检测方法和系统，涉及航空图像目标检测技术领域，包括：基于单次特征聚合模块，构建骨干网络和特征金字塔网络；利用基于代表点生成旋转的外接矩形框进行旋转目标检测的算法，构建轻量级检测头；基于骨干网络、特征金字塔网络、轻量级检测头和预设损失函数，构建航空图像目标检测模型；基于航空图像目标检测模型，对待检测航空图像进行目标检测。本发明缓解了目前单一的旋转框检测算法和水平框检测算法均无法同时满足快速性和高精度性的要求的技术问题。
-
公开(公告)号：CN116229272B
公开(公告)日：2023-10-31
申请号：CN202310241950.2
申请日：2023-03-14
Applicant: 中国人民解放军陆军军事交通学院镇江校区
Abstract: 本发明公开了一种基于代表点表示的高精度遥感图像检测方法，所述方法包括：获取待检测遥感图像；将获取的遥感图像输入预先训练的单次特征聚合深度网络，输出特征映射；其中，所述骨干网络用于将遥感图像分成多个尺度的多尺度特征；所述特征上融合网络用于将分辨率低的深层特征与分辨率高的浅层特征进行向上融合得到初级融合特征；所述特征下融合网络将深层的高分辨率初级融合特征逐步与浅层的低分辨率初级融合特征进行向下融合得到高级融合特征；所述特征变换网络用于对特征进行降维，输出轻量级特征；所述卷积模块用于对图像卷积操作；所述单次特征聚合深度网络用于将原始图像进行特征编码和解码后，输出通道维度为na×(nc+1+2*np)的特征映射；所述损失函数包括分类损失项、定位损失项、置信度损失项、几何正则化项和特征正则化项。
-
公开(公告)号：CN116229272A
公开(公告)日：2023-06-06
申请号：CN202310241950.2
申请日：2023-03-14
Applicant: 中国人民解放军陆军军事交通学院镇江校区
Abstract: 本发明公开了一种基于代表点表示的高精度遥感图像检测方法，所述方法包括：获取待检测遥感图像；将获取的遥感图像输入预先训练的单次特征聚合深度网络，输出特征映射；其中，所述骨干网络用于将遥感图像分成多个尺度的多尺度特征；所述特征上融合网络用于将分辨率低的深层特征与分辨率高的浅层特征进行向上融合得到初级融合特征；所述特征下融合网络将深层的高分辨率初级融合特征逐步与浅层的低分辨率初级融合特征进行向下融合得到高级融合特征；所述特征变换网络用于对特征进行降维，输出轻量级特征；所述卷积模块用于对图像卷积操作；所述单次特征聚合深度网络用于将原始图像进行特征编码和解码后，输出通道维度为na×(nc+1+2*np)的特征映射；所述损失函数包括分类损失项、定位损失项、置信度损失项、几何正则化项和特征正则化项。
-
-
公开(公告)号：CN112489073A
公开(公告)日：2021-03-12
申请号：CN202011292935.3
申请日：2020-11-18
Applicant: 中国人民解放军陆军军事交通学院镇江校区
Abstract: 本发明公开了基于帧间高级特征差分的零样本视频前景分割方法，所述方法包括步骤：将两组视频帧frame输入到预先训练好的高级特征差分对比网络模型进行特征编码，获取两组对应的高级特征映射；所述特征解码是特征编码的逆操作；将获取的高级特征映射输入到差分对比模块中进行差分对比获取高级时域对比特征；解码器对高级时域对比特征进行特征解码得到前景mask；本发明无需人工对算法待部署的场景进行费时费力的标注，仅利用其它现有数据集的监督信息就行进行模型训练，并达到较高精度。
-
Patent Agency Ranking
公开(公告)号：CN119295933A
公开(公告)日：2025-01-10
申请号：CN202411371905.X
申请日：2024-09-29
Applicant: 中国人民解放军陆军军事交通学院镇江校区
Abstract: 本发明涉及图像识别技术领域，具体为一种基于SAM模型的水域环境目标识别方法及系统，方法包括以下步骤：在原始SAM模型特定位置嵌入一系列Adapter模块，生成针对水域环境的W‑SAM模型；获取水域环境图片，根据所述水域环境图片生成水域环境数据集；根据所述水域环境数据集，对所述W‑SAM模型进行训练并测试调整，生成目标W‑SAM模型；使用目标W‑SAM模型对水域环境中的目标进行识别。本发明选取Adapter方式，在分割一切模型SAM的基础上通过嵌入Adapter进行高效微调，让SAM模型既保留原有海量丰富知识，又能对水域环境目标图像进行有效适应。
-
公开(公告)号：CN108647839A
公开(公告)日：2018-10-12
申请号：CN201810689104.6
申请日：2018-06-28
Applicant: 中国人民解放军陆军军事交通学院镇江校区
CPC classification number: G06Q10/04 , G06F17/5009 , G06F17/5095 , G06N3/084 , G06Q50/30
Abstract: 本发明涉及船舶核动力稳压器水位预测技术领域，特别涉及一种基于代价敏感LSTM循环神经网络的稳压器水位预测方法。一种基于代价敏感LSTM循环神经网络的稳压器水位预测方法，包括如下步骤：S1，选取与稳压器水位耦合度较高的p个参数 作为输入参数；S2，构建基于LSTM稳压器水位预测模型及其框架；S3，采用BPTT算法对步骤S2中构建的水位预测模型进行训练和优化。本发明LSTM模型比SVR模型和BP神经网络模型能够更好的逼近水位的真实值，具有更强的学习能力和预测能力，且基于代价敏感型的LSTM模型精度更好、收敛更快。
-
公开(公告)号：CN107697240A
公开(公告)日：2018-02-16
申请号：CN201711079839.9
申请日：2017-11-06
Applicant: 中国人民解放军陆军军事交通学院镇江校区
Abstract: 本发明涉及船舶救生技术领域，特别涉及一种船艇抛投式抗沉防倾覆气囊装置。一种船艇抛投式抗沉防倾覆气囊装置，包括设置在船体上的气囊包，船体上设有缆桩，船体底部设有地令；系固绳穿过地令设置，系固绳的一端缠绕在缆桩上，另一端系在气囊包上；系固绳沿缆桩收放，气囊包在系固绳的牵引下运动。本发明对船体的改动小，只需要在艏/艉近缆桩处的船底加焊地令，系固绳从地令中穿过，气囊系在系固绳的另一端，对船艇现有性能影响小；囊体平时置于舷侧，船艇危险时抛投入水，将系固绳收紧缠绕在缆桩上，使气囊没入水中，然后通过牵拉启动高压瓶气阀对气囊充气，提高船艇生命力，用于援救船艇反应时间短，速率快。
-
公开(公告)号：CN116524348B
公开(公告)日：2023-11-07
申请号：CN202310241969.7
申请日：2023-03-14
Applicant: 中国人民解放军陆军军事交通学院镇江校区
Abstract: 本发明公开了一种基于角度周期表示的航空图像检测方法及系统，获取待检测的航空图像；将待检测的航空图像输入预先训练的单次特征聚合深度网络中，输出特征映射；其中，所述骨干网络用于将航空图像分成多个尺度的多尺度特征；所述特征上融合网络用于分辨率低的深层特征逐步与分辨率高的浅层特征进行向上融合得到初级融合特征；所述特征下融合网络用于将深层的高分辨率初级融合特征逐步与浅层的低分辨率初级融合特征进行向下融合得到高级融合特征；所述特征变换网络用于对特征进行降维，输出轻量级特征；所述卷积模块是指经典的图像卷积操作；所述单次特征聚合深度网络将原始图像进行特征编码和解码后，输出特征映射；所述损失函数包括分类损失项、定位损失项、置信度损失项和角度损失项。
-
公开(公告)号：CN116524348A
公开(公告)日：2023-08-01
申请号：CN202310241969.7
申请日：2023-03-14
Applicant: 中国人民解放军陆军军事交通学院镇江校区
Abstract: 本发明公开了一种基于角度周期表示的航空图像检测方法及系统，获取待检测的航空图像；将待检测的航空图像输入预先训练的单次特征聚合深度网络中，输出特征映射；其中，所述骨干网络用于将航空图像分成多个尺度的多尺度特征；所述特征上融合网络用于分辨率低的深层特征逐步与分辨率高的浅层特征进行向上融合得到初级融合特征；所述特征下融合网络用于将深层的高分辨率初级融合特征逐步与浅层的低分辨率初级融合特征进行向下融合得到高级融合特征；所述特征变换网络用于对特征进行降维，输出轻量级特征；所述卷积模块是指经典的图像卷积操作；所述单次特征聚合深度网络将原始图像进行特征编码和解码后，输出特征映射；所述损失函数包括分类损失项、定位损失项、置信度损失项和角度损失项。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.049 seconds)
