-
公开(公告)号：CN117152606A
公开(公告)日：2023-12-01
申请号：CN202311067451.2
申请日：2023-08-23
Applicant: 北京理工大学
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/26 , G06V10/82 , G06V10/40 , G06N3/0895 , G06N3/047
Abstract: 本发明公开了一种基于置信度动态学习的遥感图像跨域小样本分类方法，包括：获取源域和目标域的遥感图像数据；利用源域遥感图像数据对深度学习网络模型进行预训练获得预训练初始化参数；构建半监督跨域协同训练模型并加载初始化参数；基于源域遥感图像数据进行监督学习；进行半监督跨域协同训练模型处理；进行置信度动态学习策略处理；基于总损失函数对初始化参数更新获得用于小样本分类的深度学习网络模型；待测试遥感图像数据输入用于小样本分类的深度学习网络模型，获得对应的分类结果。本发明克服目前对目标域数据信息利用不充分和深度学习模型不确定性损害跨域学习的缺陷，提高深度学习模型的泛化能力，提升对遥感图像跨域小样本分类的性能。
-
公开(公告)号：CN114889375A
公开(公告)日：2022-08-12
申请号：CN202210330170.0
申请日：2022-03-28
Applicant: 北京理工大学
Abstract: 本发明涉及一种水空跨介质折叠翼无人机，属于飞行器技术领域。无人机包括：头部段、机身中段和机尾；整体机身采用中空桁架结构；本发明公开的基于鲣鸟及鱼类的流线外形结构设计，采用仿生结构和鸭式布局设计，并将载荷利用率较好的椭圆翼外形与抗失速能力较大的矩形翼外形结合，分别在两端翼尖处对承受载荷较小的部分进行拟椭圆化处理，在气动外形上有效地解决跨介质无人机在变体时气动力突变及重心位置变化导致的操纵不稳定性与控制稳定性的设计目标之间的矛盾，进而提升了两栖活动的稳定性。
-
公开(公告)号：CN117152504A
公开(公告)日：2023-12-01
申请号：CN202311069311.9
申请日：2023-08-23
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/10 , G06N3/0464 , G06N3/047 , G06N3/0455 , G06N3/096 , G06N3/0895
Abstract: 本发明公开了一种空间相关性引导的原型蒸馏小样本分类方法，包括利用无标签光学遥感图像对CNN‑ViT双分支混合异构网络模型进行自监督预训练，以获得自监督预训练后的CNN‑ViT双分支混合异构网络模型；利用有标签光学遥感图像的模式特征、上下文关系特征和空间特征对上述网络模型进行元训练，以获得用于小样本分类的CNN‑ViT双分支混合异构网络模型；将待分类光学遥感图像输入用于小样本分类的CNN‑ViT双分支混合异构网络模型，以获得待分类光学遥感数据的分类结果。本发明可有效捕获潜在的空间判别性语义信息，提高小样本条件下光学遥感图像分类性能，解决了在有限样本条件下的鲁棒性特征表征能力差、容易过拟合的问题。
-
Patent Agency Ranking
公开(公告)号：CN117152503A
公开(公告)日：2023-12-01
申请号：CN202311067475.8
申请日：2023-08-23
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于伪标签不确定感知的遥感图像跨域小样本分类方法，包括：获取源域遥感图像数据以及目标域遥感图像数据；利用源域遥感图像数据对深度学习骨干网络模型进行预训练，以获得深度学习骨干网络模型的预训练初始化参数；构建用于半监督跨域训练的教师‑学生网络模型；将源域遥感图像数据和目标域遥感图像数据输入教师‑学生网络模型进行训练，以获得训练后的深度学习骨干网络模型；将待测试遥感图像数据输入训练后的深度学习骨干网络模型，以获得待测试遥感图像数据的分类结果。本发明能够克服现有技术中高不确定性伪标签损害模型跨域学习的缺陷，提高深度学习方法对遥感图像跨域小样本分类的性能。
-
公开(公告)号：CN116881837A
公开(公告)日：2023-10-13
申请号：CN202310755567.9
申请日：2023-06-26
Applicant: 北京理工大学
IPC: G06F18/25 , G01S17/08 , G01S17/86 , G01C22/00 , G01N22/00 , G06F18/241 , G06F18/214
Abstract: 本发明公开了一种基于多模态融合的广域环境动态自主监测平台，包括移动平台，所述移动平台上安装自动巡航单元，所述移动平台的下端设置介电常数检测装置，所述移动平台的一侧设置有微波检测模块和图像捕捉摄像头，所述介电常数检测装置、微波检测模块和图像捕捉摄像头均与主控模块连接，本发明采用SLAM技术使检测机构能够在室内待检测环境内进行自主移动，防止了检测死角的产生。同时，本发明采用了新颖的微波检测和介电常数检测，这提高了检测的准确率，且能够反馈杂物的材质，便于让清洁人员携带相应设备进行打扫。
-
公开(公告)号：CN117473922A
公开(公告)日：2024-01-30
申请号：CN202311068339.0
申请日：2023-08-23
Applicant: 北京理工大学
IPC: G06F30/337 , G06F30/327 , G06F115/06 , G06F119/02
Abstract: 本发明公开了一种基于HITS的通用电路部分冗余加固方法和系统，所述方法包括：依据节点之间的连接关系生成节点关系矩阵；对所述节点关系矩阵进行HITS迭代，以获得所述节点的HITS值；基于所述HITS值，对所述节点进行降序排序，选取前第一数目个节点，作为待加固节点；所述第一数目是由最终确定的加固比例确定的；对所述待加固节点进行部分三模冗余加固。通过本发明的技术方案，能够在高可靠性要求下有效降低额外的资源开销。
-
公开(公告)号：CN118876061A
公开(公告)日：2024-11-01
申请号：CN202411023335.5
申请日：2024-07-29
Applicant: 北京理工大学
IPC: B25J9/16
Abstract: 本发明提供了一种基于视觉模仿学习的机器人细粒度技能学习与泛化(VLMimic)方法，是一个新颖的视觉模仿学习框架，由VLMs驱动，从人类演示视频中学习可泛化的机器人技能；VLMimic具有知识提取的技能学习器和迭代技能细化的技能适配器，实现了高效的技能习得和适应；本发明构建了一个有效的人‑物交互定位算法，增强了细粒度动作识别能力，并提出了用于VLM推理的层次化约束表示，以减少信息冗余并促进全面动作理解；本发明的方法在RLBench上的表现超过了其他方法27％以上。在现实世界的操作任务中，VLMimic在已知环境中实现了超过21％的提升，在未知环境中实现了34％的提升。此外，VLMimic在长期任务中表现出了超过37％的提升。
-
公开(公告)号：CN117152072A
公开(公告)日：2023-12-01
申请号：CN202311067434.9
申请日：2023-08-23
Applicant: 北京理工大学
IPC: G06T7/00 , G06V20/10 , G06V10/62 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09 , G06N3/048
Abstract: 本发明公开了一种基于两阶段特征金字塔网络的遥感图像变化检测方法，将两张不同时间同一地点的图像分别进行编码特征提取获得两个图像的编码特征图，将编码特征图进行相似性处理和自注意力空间增强处理获得初始差异注意力特征图，通过第一阶段特征金字塔处理和第二阶段特征金字塔处理获得重优化变化特征图，通过损失函数进行深度监督和优化获得优化后的两阶段特征金字塔网络模型，基于优化后的两阶段特征金字塔网络模型进行检测获得检测结果。本发明可以很好地在高分辨率遥感场景下进行变化检测，在面对类不平衡、目标尺度差异过大的遥感场景也能取得良好效果，提升了高分辨率遥感场景中变化检测的各类衡量指标。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
