-
公开(公告)号:CN117040600A
公开(公告)日:2023-11-10
申请号:CN202311053555.8
申请日:2023-08-21
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明属于无人机群通信领域,公开了一种基于通信拓扑的无人机群通信支援方法,主要解决无人机群通信支援问题,步骤为:获取无人机群通信拓扑;基于无人机群通信拓扑,计算每个无人机节点连通数目;基于无人机群通信拓扑中边的信号强度及每个无人机节点连通数目,计算每个无人机节点的连通信号强度;然后计算每个无人机节点对通信拓扑的关键度量;并对每个无人机节点的连通数目、连通信号强度和关键度量进行加权,得到每个无人机节点的通信支援收益;对于通信收益大的无人机节点优先进行通信支援。本发明对每个无人机节点的连通数目、连通信号强度、关键度量进行加权,并对通信支援收益较高的无人机节点优先通信支援,思路简单、有效。
-
公开(公告)号:CN116704552A
公开(公告)日:2023-09-05
申请号:CN202310697045.8
申请日:2023-06-13
Applicant: 中国电子科技集团公司第五十四研究所 , 北京交通大学
IPC: G06V40/10 , G06V10/40 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于主要次要特征的人体姿态估计方法,属于人工智能技术领域。本发明首先构建人体姿态估计模型,然后使用训练数据集对人体姿态估计模型进行训练,最后,使用训练好的人体姿态估计模型进行人体姿态估计,得到人体关键点热图。本发明的人体姿态估计模型引入了一种主次特征划分机制,对于主要、次要特征引入了基于自注意力机制的特征增强模块,对次要特征进行动态激活从而获得完整的目标特征,能够提高人体姿态估计的准确率。
-
公开(公告)号:CN116257621A
公开(公告)日:2023-06-13
申请号:CN202310261280.0
申请日:2023-03-17
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06F16/34 , G06F16/51 , G06F40/186 , G06V10/424 , G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种战场语义化态势抽取方法,属于战场态势构建技术领域。该方法首先构建多源图像数据库;然后对多源图像数据库进行时空关系统一;接着对多源图像数据进行语义化描述;最后对语义化描述结果进行多级摘要提取,生成战场语义化态势。本发明基于人工智能手段构建了图像语义化描述、多级摘要提取的全流程体系,可获取战场“目标与目标”以及“目标与环境”之间的逻辑关系”,实现从局部到全局的语义化态势信息逐层提取,更接近于人类语言体系,态势生成简单、高效,并以指数级压缩战场信息,可快速为指挥官提供决策支撑。
-
公开(公告)号:CN113011528B
公开(公告)日:2022-11-01
申请号:CN202110464398.4
申请日:2021-04-28
Applicant: 中国电子科技集团公司第五十四研究所 , 西安电子科技大学
IPC: G06V10/774 , G06V10/82 , G06V30/41 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于上下文和级联结构的遥感图像小目标检测方法,属于图像处理技术领域。其步骤为:1)获取训练样本和测试样本;2)构建遥感图像小目标检测网络模型;3)对遥感图像小目标检测网络模型进行训练;4)获取遥感图像小目标检测结果。本发明通过引入上下文模块框,使目标区域用于上下文感知能力,有效改善了小目标定位难问题,再通过级联结构提高预测边界框质量,实现了更高的检测精度,可用于资源勘探、自然灾害预警、城市规划和无人机目标识别等领域。
-
公开(公告)号:CN112966748B
公开(公告)日:2022-06-10
申请号:CN202110254493.1
申请日:2021-03-09
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于边缘感知双分支FCN的极化SAR图像分类方法,属于图像处理技术领域。其包括以下步骤:输入极化SAR图像;使用精致Lee滤波算法对极化SAR图像滤波;得到极化SAR图像的边缘标签;随机选取部分有标记样本,设置为训练集,剩余的有标记样本设置为测试集;使用训练集对双分支全卷积网络进行训练,得到训练好的分类模型。本发明以全卷积网络为基础,增加边缘感知网络,通过同步训练分类网络和边缘感知网络两个分支,达到约束分类区域边缘、增强区域一致性的目的,从而有效地提升极化SAR图像的分类准确率。
-
公开(公告)号:CN113435317A
公开(公告)日:2021-09-24
申请号:CN202110712515.4
申请日:2021-06-25
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种无人机遥测数据相关性分析方法,属于无人机技术领域。该方法首先输入无人机遥测数据,并使用低通滤波器对其进行滤波;然后对滤波后的无人机遥测数据进行标准化处理;接着计算无人机遥测数据每类信号的标准差;计算无人机遥测数据两个信号之间的协方差,构建无人机遥测数据的协方差矩阵;最后计算无人机遥测数据两个信号之间的相关系数,构建无人机遥测数据的相关系数矩阵。本发明采用基于相关系数矩阵的无人机遥测数据相关性分析方法,泛化性强,操作简单,并且可以量化无人机遥测数据的相关性。
-
公开(公告)号:CN113361319A
公开(公告)日:2021-09-07
申请号:CN202110361476.8
申请日:2021-04-02
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种基于目标检测和人员属性识别的室内场景探测方法,属于图像处理技术领域。其包括以下步骤:采集室内场景图像数据;将采集的图像数据输入室内目标检测模型,对室内目标进行检测,得到室内目标的类型;若室内目标为人员,则将采集的图像数据输入人员属性识别模型,对人员属性进行识别,得到并输出人员属性,否则输出目标类型,完成目标检测和人员属性识别。本发明将室内场景探测问题分为室内目标检测和室内人员属性识别,实现了室内场景智能探测,可面向城市应急保障,解决了室内场景智能探测的问题。
-
公开(公告)号:CN115268490B
公开(公告)日:2024-11-22
申请号:CN202210858861.8
申请日:2022-07-21
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G05D1/695 , G05D109/20
Abstract: 本发明针对建筑空间这类室内外结合、空间狭小、行动路线严重受限场景下的无人机群任务规划问题,提出了一种建筑空间无人机群任务规划方法,属于无人机任务规划领域。根据建筑空间层次化特点,在空间属性划分、层次化任务分配、航线规划、航线融合四方面进行了针对性设计,不同的任务规划及航线规划策略之间由空间的连续性可以无缝衔接,即保证了整个任务规划过程的分段处理优势,又遵循了无人机执行过程的航线连续性,较传统手段单一、思路扁平化的规划方法,该方法速度快、效率高,对建筑空间这类层次化特征明显的场景具有很强的适用性。
-
公开(公告)号:CN116823690B
公开(公告)日:2024-04-26
申请号:CN202310696871.0
申请日:2023-06-13
Applicant: 中国电子科技集团公司第五十四研究所 , 北京交通大学
Abstract: 本发明提出了基于Swin Transformer的复杂场景HDR图像重建方法,属于HDR重建技术领域。本发明首先构建基于Swin Transformer的复杂场景HDR图像重建模型,然后对基于Swin Transformer的复杂场景HDR图像重建模型进行训练,最后,将同一场景下三张不同曝光值的LDR图像输入到训练好的模型中,得到HDR重建图像。本发明结合HDR图像重建的具体特征,并提出了细节特征对齐模块和特征融合重建模块,提高了HDR图像重建结果的质量。本发明在复杂场景中的HDR图像重建任务中表现出了较好的性能,有效地提高了HDR图像的质量和细节,具有广泛的应用前景。
-
公开(公告)号:CN116704552B
公开(公告)日:2024-03-12
申请号:CN202310697045.8
申请日:2023-06-13
Applicant: 中国电子科技集团公司第五十四研究所 , 北京交通大学
IPC: G06V40/10 , G06V10/40 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于主要次要特征的人体姿态估计方法,属于人工智能技术领域。本发明首先构建人体姿态估计模型,然后使用训练数据集对人体姿态估计模型进行训练,最后,使用训练好的人体姿态估计模型进行人体姿态估计,得到人体关键点热图。本发明的人体姿态估计模型引入了一种主次特征划分机制,对于主要、次要特征引入了基于自注意力机制的特征增强模块,对次要特征进行动态激活从而获得完整的目标特征,能够提高人体姿态估计的准确率。
-
-
-
-
-
-
-
-
-