-
公开(公告)号：CN116153073B
公开(公告)日：2025-03-18
申请号：CN202310130856.X
申请日：2023-02-06
Applicant: 北京科技大学
IPC: G08G1/01 , G06F18/2431 , G06F18/25 , G06N3/088
Abstract: 本发明公开了一种基于叠视窗约束的探测识别方法与装置，该方法包括：获取多源交通数据；提取多源交通数据的特征数据，构建交通特征数据集；对交通特征数据集中感兴趣的特征进行约束条件设置，筛除冗余特征，建立约束条件对应的视窗；其中，视窗后只包含符合约束条件的相应特征类型；将不同约束条件对应的视窗进行组合，构建叠视窗，使叠视窗的输出能够反映具有可解释物理含义的综合特征；将综合特征与预设网络模型相融合，构建具有可解释性的深度神经网络，进而根据实际交通数据完成对不同交通事件的探测与识别。本发明能够在处理信息量巨大的多源交通数据时，大大压缩数据量，并且对不同种类交通特征的后续处理以及统计分析提供便利的先决条件。
-
公开(公告)号：CN116153073A
公开(公告)日：2023-05-23
申请号：CN202310130856.X
申请日：2023-02-06
Applicant: 北京科技大学
IPC: G08G1/01 , G06F18/2431 , G06F18/25 , G06N3/088
Abstract: 本发明公开了一种基于叠视窗约束的探测识别方法与装置，该方法包括：获取多源交通数据；提取多源交通数据的特征数据，构建交通特征数据集；对交通特征数据集中感兴趣的特征进行约束条件设置，筛除冗余特征，建立约束条件对应的视窗；其中，视窗后只包含符合约束条件的相应特征类型；将不同约束条件对应的视窗进行组合，构建叠视窗，使叠视窗的输出能够反映具有可解释物理含义的综合特征；将综合特征与预设网络模型相融合，构建具有可解释性的深度神经网络，进而根据实际交通数据完成对不同交通事件的探测与识别。本发明能够在处理信息量巨大的多源交通数据时，大大压缩数据量，并且对不同种类交通特征的后续处理以及统计分析提供便利的先决条件。
-
公开(公告)号：CN116403128A
公开(公告)日：2023-07-07
申请号：CN202310263784.6
申请日：2023-03-17
Applicant: 北京科技大学 , 中国人民解放军63726部队
Abstract: 本发明公开了一种基于多无人机的沙漠小目标自动搜寻方法及系统，属于自动搜寻技术领域，方法包括：无人机群采集沙漠地区的红外图像，并将红外图像回传地面工作站；地面工作站对红外图像进行预处理，将预处理后的红外图像发送至无人机群；无人机群根据预处理后的红外图像，通过深度学习网络进行弱小目标检测，获取疑似目标的位置信息；无人机群在靠近疑似目标时，针对疑似目标采集可见光图像，并将可见光图像回传地面工作站；地面工作站融合红外图像和可见光图像，基于深度特征网络，准确获取待找寻目标的全局坐标，并发送至无人机群；无人机群根据全局坐标对待找寻目标进行定位，基于降低延时算法，对待找寻目标进行跟踪拍摄。
-
公开(公告)号：CN118736428A
公开(公告)日：2024-10-01
申请号：CN202410505185.5
申请日：2024-04-25
Applicant: 北京科技大学
IPC: G06V20/13 , G06V10/40 , G06N3/0455 , G06N3/0464 , G06N3/08 , G01N21/27
Abstract: 本发明涉及高光谱图像解混领域，特别是指一种基于先验知识纠正及Swin Transformer的高光谱图像解混方法及装置，方法包括：根据待解混的高光谱图像以及高光谱图像解混网络模型，得到高光谱图像解混结果；其中，高光谱图像解混网络模型包括第一分支以及第二分支；第一分支以及第二分支分别包括编码器、Swin Transformer模块以及解码器；第一分支以及第二分支之间使用权重共享策略。本发明构建具有先验信息校正的Swin Transformer双分支高光谱图像解混网络模型，第一分支利用预先提取的端成员来提供纯像素先验信息。第二分支采用Swin Transformer结构进行特征提取和分解处理。两分支间采用权重共享策略，以引入先验知识提高网络模型的可靠性，关注全局信息，以较小的计算复杂度提高解混精度。
-
-
-
Search Results
4
records
(took 0.02 seconds)
