-
公开(公告)号：CN114282576B
公开(公告)日：2024-11-15
申请号：CN202111579588.7
申请日：2021-12-22
申请人： 中国地质大学(武汉) , 中建三局智能技术有限公司 , 中建三局第二建设工程有限责任公司
IPC分类号： G06F18/213 , G06F18/24 , G06F18/10 , G06N3/0464
摘要： 本发明公开了一种基于时频分析及去噪的雷达信号调制格式识别方法及装置，包括：雷达信号的选取，时频分析方法CTFD将信号转化为时频图像；改进后的ADNet网络去噪处理；改进后的Googlenet进行信号的分类识别预测；与真实的标签比对，得到识别率。本发明从抗噪性出发，利用CTFD提取信号的时频特征，新的核函数在滤波的同时也保留了信号的频率变化特征，为了在低信噪比下对被强烈噪声污染的时频图进行降噪恢复，构建改进后的ADNet网络用于含噪时频图像的复原。本发明可以很好的将被高斯或复合噪声污染的时频图像复原，提高识别精度。构建改进后的Googlenet网络用于多种雷达信号的分选识别。显著提高了低信噪比条件下雷达信号调制格式的识别精度，在‑8dB下识别准确率可达94.81％。
-
公开(公告)号：CN117009778A
公开(公告)日：2023-11-07
申请号：CN202310588196.X
申请日：2023-05-23
申请人： 中国地质大学(武汉) , 中建三局智能技术有限公司
IPC分类号： G06F18/213 , G06F18/241 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种高效雷达信号调制方式识别方法及装置，具体提出了一种基于时空特征共享重构网络STARNet，以一种轻量化的方式达到优秀的识别精度。使用单个自动编码器结构同时提取无线电信号的低维空间和时间特征，此外，还设计了一个混合注意力模块(HA‑Ghost)来根据信号重构性能自动地提取有区别的雷达信号空间信息，从而减少模型的参数的数量并提高了自动识别的性能。在基准数据集上的大量实验表明，所提出的STARNet实现了63.60％的平均调制分类准确率，优于之前最先进的模型。而且，尽管提取了更多类型的特征，STARNet只有14860个参数，这比现有的基于自动编码器的方法的参数要少很多。
-
公开(公告)号：CN115588230A
公开(公告)日：2023-01-10
申请号：CN202211051519.3
申请日：2022-08-31
申请人： 中国地质大学(武汉) , 中建三局智能技术有限公司 , 中建三局第二建设工程有限责任公司
IPC分类号： G06V40/20 , G06V20/40 , G06V10/764 , G06V10/766 , G06V10/82 , G06T7/73 , G06N3/04 , G06N3/08
摘要： 本发明公开了一个基于高精度边界预测的时序动作检测方法及计算机设备。该方法的任务是对候选提名由粗到细的多阶段修正从而高质量、高效率地完成时序动作定位，主要包含以下步骤：针对起始、中间和结束三个过程进行高斯过程建模，输出每帧为某个动作起始、中间和结束的概率，用于提升边界预测和动作分类的质量；针对从视频中提取到的特征图进行帧级分类；生成高质量的时序候选动作提名和对应的置信度分数；对回归网络结果、帧级动作分类网络结果以及精细动作提名生成网络结果设计总损失函数对时序动作检测架构进行优化。本发明提高了时序动作检测的精度和效率。
-
公开(公告)号：CN114254678A
公开(公告)日：2022-03-29
申请号：CN202111579593.8
申请日：2021-12-22
申请人： 中国地质大学(武汉) , 中建三局智能技术有限公司 , 中建三局第二建设工程有限责任公司
摘要： 本发明公开了一种基于去噪引导解耦网络的雷达信号脉冲内调制识别方法，具体提出了一种基于Inception结构的去噪引导解耦网络DGDNet，以端到端的方式同时完成雷达信号的去噪和识别。通过全局特征提取器得到雷达信号时频图的全局特征，特征解耦器将纯净雷达信号表达(PSR)从噪声信号表达(NSR)中分离出来，用于学习低信噪比环境下的调制模式识别器，最后通过调制模式识别器完成分类的任务。为了扩大纯净雷达信号表达(PSR)和噪声信号表达(NSR)之间的距离，提出了信号噪声互信息(SNMI)损失的概念。实验结果表明，该方法在‑8dB信噪比下的识别准确率为98.75％，在‑10dB环境下的12种调制格式的雷达信号识别准确率为89.25％。
-
公开(公告)号：CN112120694B
公开(公告)日：2021-07-13
申请号：CN202010838957.9
申请日：2020-08-19
申请人： 中国地质大学(武汉) , 中建三局智能技术有限公司
摘要： 本发明公开了一种基于神经网络的运动想象脑电信号分类方法，包括：敏感时间段提取；敏感通道提取；离散小波变换分解并进行脑电信号时空变换；基于残差网络提出全卷积残差网络，用于提取脑电信号的时域特征并执行分类任务。本发明建立MI识别框架来识别和判断人类在不同情况下产生的运动想象脑电波，利用EEG时空转换，以使计算机视觉技术可以用于时间序列分类和归因，构建了全卷积残差网络，以提取脑电信号的时间上下文特征，完成分类任务，解决了EEG信号与其他脑信号采集方法相比信噪比低和空间定位分辨率低的缺点，且提高了分类性能并极大地提高了网络的训练速度。
-
公开(公告)号：CN115171011A
公开(公告)日：2022-10-11
申请号：CN202210756710.1
申请日：2022-06-30
申请人： 中国地质大学(武汉) , 中建三局智能技术有限公司 , 中建三局第二建设工程有限责任公司
摘要： 本发明提供了一种多类别建材视频计数方法及系统、计数设备，所述计数方法包括：提取机器人拍摄视频的视频帧；将待测视频帧输入到YOLOv4模型中，提取出待测图像的特征；对主干特征提取网络的最后一个特征层进行三次卷积后，利用多尺度的最大池化处理，以分离待测图像中的上下文特征；对获取的特征进行多尺度预测，经解码获取预测框在待测输入图像中的位置；将所有框信息输入到NMS模块中，以得到筛选后的框信息；将目标检测器输出帧序列中前后帧的框坐标序列输入sort跟踪模块中，输出帧间目标id。本发明采用神经网络方法并使用一个多类别多目标跟踪，关联视频的帧间信息，克服目标遮挡，最后通过双过线计数算法计算出整个视频中的建材数量和种类。
-
公开(公告)号：CN112120694A
公开(公告)日：2020-12-25
申请号：CN202010838957.9
申请日：2020-08-19
申请人： 中国地质大学(武汉) , 中建三局智能技术有限公司
IPC分类号： A61B5/0476 , A61B5/00
摘要： 本发明公开了一种基于神经网络的运动想象脑电信号分类方法，包括：敏感时间段提取；敏感通道提取；离散小波变换分解并进行脑电信号时空变换；基于残差网络提出全卷积残差网络，用于提取脑电信号的时域特征并执行分类任务。本发明建立MI识别框架来识别和判断人类在不同情况下产生的运动想象脑电波，利用EEG时空转换，以使计算机视觉技术可以用于时间序列分类和归因，构建了全卷积残差网络，以提取脑电信号的时间上下文特征，完成分类任务，解决了EEG信号与其他脑信号采集方法相比信噪比低和空间定位分辨率低的缺点，且提高了分类性能并极大地提高了网络的训练速度。
-
公开(公告)号：CN116805303A
公开(公告)日：2023-09-26
申请号：CN202310587194.9
申请日：2023-05-23
申请人： 中国地质大学(武汉) , 中建三局智能技术有限公司 , 罗人立
IPC分类号： G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048
摘要： 本发明针对工业产品表面缺陷在实际应用中“样本不平衡”问题，以及由于非显著缺陷和不同缺陷之间的相似性，高效定位和分类表面缺陷仍然是一个挑战的问题，提出了一种具有对抗性训练的伪异常样本表面缺陷检测方法及设备，在不需要额外异常样本学习的基础上能够适应检测数据集，从而达到工业产品表面缺陷的有效检测。方法中混合对象检测器，特征编解码器和分类器。对象检测器能够在正式检测之前先筛选一轮异常区域达到整个模型的高效检测能力。特征编解码器具有伪异常样本的对抗性训练，能够使得模型在不需要真实的异常样本的情况下完成数据集正常和异常的学习，减少实际应用中“样本不平衡”对检测结果的影响。
-
公开(公告)号：CN116524533A
公开(公告)日：2023-08-01
申请号：CN202310257567.6
申请日：2023-03-16
申请人： 中国地质大学(武汉) , 中建三局智能技术有限公司
IPC分类号： G06V40/10 , G06V10/774 , G06V10/762 , G06V10/764 , G06V10/82 , G06V10/46 , G06V10/74 , G06V20/70 , G06N3/0464 , G06N3/048 , G06N3/084
摘要： 本发明提出了一种基于混合注意解耦重识别网络的行人重识别方法及设备，以增强领域不变的行人特征的辨别能力，从而形成可靠的类别边界和学习类内语义多样性。方法中混合注意模块的设计是为了从空间和通道的角度，以注意力权重解耦的方式加强领域不变的特征表达，这迫使网络自动利用有利于跨领域重识别的图像区域和属性线索。此外，基于增强的领域不变特征表达，提出了一种多困难样本内存学习策略，以提高目标域样本的类内多样性。本发明通过更新可靠样本内存库和多个困难样本内存库来优化特征学习过程，通过考虑同一类别内各个样本之间的关系，可以用来捕获显著的类内语义变化，同时能够对伪标签的准确性产生积极影响。
-
公开(公告)号：CN115171012A
公开(公告)日：2022-10-11
申请号：CN202210759466.4
申请日：2022-06-30
申请人： 中国地质大学(武汉) , 中建三局智能技术有限公司 , 中建三局第二建设工程有限责任公司
摘要： 本发明提供了一种建材智能计数方法及计数设备，所述计数方法包括：提取建材放置场景视频的视频帧，使用多层感知器计算时域与空域关键帧分数{s1,s2,…,st}；按K高值法抽取对应帧的特征单位，以表示帧与帧之间的时空信息{f1,f2,…,ft}；对特征单位进行位置编码后，输入到预训练的网络结构进行注意力计算，得到带注意力的特征序列{o1,o2,…,ot}；对每一单位的特征序列{o1,o2,…,ot}进行全局平均池化操作，得到融合特征序列{F1,F2,…,Ft}；使用回归头将拼接的融合特征序列向数字回归，得到预测数目；使用分类头分析拼接的融合特征序列，得到视频中的建材类别。本发明采用神经网络方法，降低网络结构运算量，提高检测速度；通过全局注意力计算机制提取图像中的时空信息，实现准确数目与类别估计。
-
-
-
-
-
-
-
-
-
搜索结果
69 条记录 (耗时 0.054 秒)
