-
公开(公告)号：CN113947589A
公开(公告)日：2022-01-18
申请号：CN202111246243.X
申请日：2021-10-26
Applicant: 北京理工大学
Abstract: 本发明公开的一种基于对抗生成网络的弹载图像去模糊方法，属于弹载计算机视觉技术领域。本发明利用对抗生成网络对模糊的弹载图像进行去模糊处理，设计包括生成器—鉴别器的深度卷积生成对抗网络模型，生成器采用编码—解码结构，构联合损失函数，不断训练以生成弹载模糊图像的复原图像，通过鉴别器辨别清晰图像和生成器伪造的图像，通过生成器逼近清晰图像混淆鉴别器，经过两个网络对抗训练使网络模型达到预期指标，将对抗训练后的网络模型移植到弹载计算机，用于弹载图像去模糊，提高制导精度。此外，本发明通过建立逼真的合成运动模糊的半实物仿真系统来模拟不同的模糊源，解决弹载图像数据的实际获取艰难的问题，提高训练的效率，节省试验成本。
-
公开(公告)号：CN113947589B
公开(公告)日：2024-08-02
申请号：CN202111246243.X
申请日：2021-10-26
Applicant: 北京理工大学
IPC: G06T7/00 , G06T5/73 , G06N3/0464 , G06N3/0895 , G06V10/774 , G06V10/82 , G06T5/60
Abstract: 本发明公开的一种基于对抗生成网络的弹载图像去模糊方法，属于弹载计算机视觉技术领域。本发明利用对抗生成网络对模糊的弹载图像进行去模糊处理，设计包括生成器—鉴别器的深度卷积生成对抗网络模型，生成器采用编码—解码结构，构联合损失函数，不断训练以生成弹载模糊图像的复原图像，通过鉴别器辨别清晰图像和生成器伪造的图像，通过生成器逼近清晰图像混淆鉴别器，经过两个网络对抗训练使网络模型达到预期指标，将对抗训练后的网络模型移植到弹载计算机，用于弹载图像去模糊，提高制导精度。此外，本发明通过建立逼真的合成运动模糊的半实物仿真系统来模拟不同的模糊源，解决弹载图像数据的实际获取艰难的问题，提高训练的效率，节省试验成本。
-
公开(公告)号：CN114266824B
公开(公告)日：2024-10-29
申请号：CN202111508657.5
申请日：2021-12-10
Applicant: 北京理工大学
IPC: G06T7/73 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/048
Abstract: 本发明公开了一种基于深度学习的非合作目标相对位姿测量方法、系统，通过仿真目标卫星图片及其对应的相对位姿信息构建数据集，其中仿真卫星图片包括覆盖全范围姿态的远距离目标卫星图片和模拟接近过程的近距离目标卫星图片；利用检测算法对图片进行卫星检测并裁剪缩放，得到检测图像，将仿真卫星图片输入到ResNet50残差网络中进行学习训练得到相对位置测量模型，将检测图像输入到ResNet50残差网络中进行学习训练得到相对姿态测量模型，其中相对姿态测量模型包括远距离测量模型和接近段测量模型；训练过程中的模型，通过预测结果与相对位姿标注信息的损失函数进行优化，由此获得的测量模型可以更高精度的对航天器进行相对位姿测量。
-
公开(公告)号：CN114266824A
公开(公告)日：2022-04-01
申请号：CN202111508657.5
申请日：2021-12-10
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于深度学习的非合作目标相对位姿测量方法、系统，通过仿真目标卫星图片及其对应的相对位姿信息构建数据集，其中仿真卫星图片包括覆盖全范围姿态的远距离目标卫星图片和模拟接近过程的近距离目标卫星图片；利用检测算法对图片进行卫星检测并裁剪缩放，得到检测图像，将仿真卫星图片输入到ResNet50残差网络中进行学习训练得到相对位置测量模型，将检测图像输入到ResNet50残差网络中进行学习训练得到相对姿态测量模型，其中相对姿态测量模型包括远距离测量模型和接近段测量模型；训练过程中的模型，通过预测结果与相对位姿标注信息的损失函数进行优化，由此获得的测量模型可以更高精度的对航天器进行相对位姿测量。
-
-
-
Search Results
4
records
(took 0.017 seconds)
