-
公开(公告)号：CN116841317A
公开(公告)日：2023-10-03
申请号：CN202310815670.8
申请日：2023-07-05
Applicant: 北京航空航天大学
IPC: G05D1/10
Abstract: 本发明涉及一种基于图注意力强化学习的无人机集群协同对抗方法，增强了各无人机之间的协同作战能力，在无人机集群协同对抗的模拟仿真环境中取得实验成功：(1)设计了处理无人机集群的观测数据处理模块，得到图注意力网络的训练数据；(2)采用图注意力网络学习无人机集群中个体在协同对抗任务中应采取的行动；(3)在仿真环境中与另一组无人机集群进行协同对抗实验，并与其他基于强化学习的无人机集群协同对抗方法进行性能的比较测试。
-
公开(公告)号：CN118711003A
公开(公告)日：2024-09-27
申请号：CN202410803286.0
申请日：2024-06-20
Applicant: 北京航空航天大学
IPC: G06V10/766 , G06V10/82 , G06N3/0455 , G06V10/80
Abstract: 本发明公开了一种基于扩散模型的先验引导弱特征隐匿目标回归方法，首先对已标注数据进行数据增强增加数据泛化性；其次设计弱特征隐匿目标边缘推理方法，通过边缘引导的信息精炼模块辅助对弱特征目标的位置理解；而后在扩散模型架构下，以复杂场景作为条件信息，当前阶段数目，以及上一阶段输出作为当前阶段输入，进行初始阶段到当前阶段的高斯噪声预测，实现反向传播；再高斯噪声预测过程中使用由粗到精的思想，通过多层级特征融合对回归结果的进一步优化。这种隐匿目标回归采用区别于传统编码器‑解码器结构的扩散模型框架，可以针对弱特征隐匿目标实现像素级的回归，对弱特征目标细节重建方面、模型可解释性方面有更加优异的表现。
-
公开(公告)号：CN113947616B
公开(公告)日：2022-08-30
申请号：CN202111116009.5
申请日：2021-09-23
Applicant: 北京航空航天大学
IPC: G06T7/246 , G06T7/73 , G06V10/44 , G06V10/50 , G06V10/774
Abstract: 本发明涉及一种基于层级化感知机的智能目标跟踪及丢失重检方法，首先根据选定跟踪目标的位置和大小，对两种不同搜索区域的图像计算特征图，并采集样本作为两种不同感知机的训练样本。当输入跟踪的第一帧图像时，感知机完成初始化训练，并且初始化目标状态、位置和参考响应值；当输入第二帧及之后帧的图像时，将判断当前帧的图像数据是进入跟踪支路还是重检测支路。当进入跟踪支路时，利用多级感知机构建的具有层级化结构的两个跟踪分支都会计算当前帧的目标位置，输出比较后最优的目标位置并且判断目标状态；当进入重检测支路时，利用多个一级感知机组成的重检测器会在大范围内重检测目标，将最大响应值区域作为重检目标同时判断该目标状态。
-
公开(公告)号：CN116665123A
公开(公告)日：2023-08-29
申请号：CN202310583024.3
申请日：2023-05-22
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种基于时序注意力与搜索范围细化的多目标跟踪方法，利用深度卷积神经网络对输入数据进行特征提取；使用包含两个分支的单阶段检测头FCOS对深度卷积神经网络提取后的特征进行直接预测，然后进行目标类别与位置信息的解码；将当前帧多目标检测结果与之前帧多目标跟踪结果输入到搜索范围细化模块中，得到搜索范围热点图，并对提取后的特征进行点乘处理，得到搜索范围细化后的特征，将之前帧与当前帧得到的搜索范围细化后的特征输入到基于注意力感知的多目标跟踪头中，得到当前帧的多目标跟踪结果，并将此跟踪结果与的检测结果合并，得到当前帧的多目标跟踪结果。本发明提高了跟踪精度，并通过搜索范围细化，减少了计算量，保证实时运行。
-
公开(公告)号：CN113947616A
公开(公告)日：2022-01-18
申请号：CN202111116009.5
申请日：2021-09-23
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种基于层级化感知机的智能目标跟踪及丢失重检方法，首先根据选定跟踪目标的位置和大小，对两种不同搜索区域的图像计算特征图，并采集样本作为两种不同感知机的训练样本。当输入跟踪的第一帧图像时，感知机完成初始化训练，并且初始化目标状态、位置和参考响应值；当输入第二帧及之后帧的图像时，将判断当前帧的图像数据是进入跟踪支路还是重检测支路。当进入跟踪支路时，利用多级感知机构建的具有层级化结构的两个跟踪分支都会计算当前帧的目标位置，输出比较后最优的目标位置并且判断目标状态；当进入重检测支路时，利用多个一级感知机组成的重检测器会在大范围内重检测目标，将最大响应值区域作为重检目标同时判断该目标状态。
-
Patent Agency Ranking
公开(公告)号：CN117011343B
公开(公告)日：2024-04-05
申请号：CN202311002146.5
申请日：2023-08-09
Applicant: 北京航空航天大学
IPC: G06T7/269 , G06T7/246 , G06N3/0464 , G06N3/048
Abstract: 本发明提出了一种面向拥挤场景的光流引导多目标跟踪方法，针对现有的多目标跟踪算法进行优化设计，提出了光流引导分支，利用光流信息引导多帧目标特征转移，一方面利用了时序信息，将上下文特征以光流形式引入多目标跟踪当中，本发明提升了模型的跟踪精度，另一方面光流分支设计简单，可保证整体模型实时运行。
-
公开(公告)号：CN115272414A
公开(公告)日：2022-11-01
申请号：CN202210925557.0
申请日：2022-08-03
Applicant: 北京航空航天大学
IPC: G06T7/246 , G06V10/50 , G06V10/56 , G06V10/764 , G06V10/80
Abstract: 本发明提供了一种基于模板池匹配的抗遮挡跟踪及重检系统和方法，包括模板池跟踪模块和稀疏矩阵重检模块两部分；模板池跟踪模块主要是针对传统核相关滤波算法进行优化，通过一种自适应的特征融合策略来分别应对纹理信息丰富和色彩信息丰富的场景，同时结合APCE与PSR两种判据对跟踪过程中的遮挡情况进行判断，模板池策略通过存储和对比时空上下文信息来应对遮挡场景；稀疏矩阵重检模块则通过一种稀疏采样方法对目标可能出现的位置进行多线程搜索，以达到在目标丢失情况发生时进行快速重捕的目的。
-
公开(公告)号：CN118351410A
公开(公告)日：2024-07-16
申请号：CN202410475463.7
申请日：2024-04-19
Applicant: 北京航空航天大学
IPC: G06V10/80 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/40 , G06V20/64 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明提出了一种基于稀疏代理注意力的多模态三维检测方法，利用代理概念实现了高效的同模态下的特征提取与端到端的跨模态的数据融合。本发明首先提出了一种多模态通用的稀疏代理注意力模块，利用空间代理相关先验简化了注意力计算的复杂度，并实现了算子的高效的并行化加速与相关优化。其次，本发明实现同模态与跨模态下的高效代理融合方法，实现了基于代理的多模态融合模型。相比直接基于体素与图像进行融合，基于代理的融合即减少了计算与内存的压力，又增大融合时的感受野，从而提升了模型检测的性能。
-
公开(公告)号：CN117011343A
公开(公告)日：2023-11-07
申请号：CN202311002146.5
申请日：2023-08-09
Applicant: 北京航空航天大学
IPC: G06T7/269 , G06T7/246 , G06N3/0464 , G06N3/048
Abstract: 本发明提出了一种面向拥挤场景的光流引导多目标跟踪方法，针对现有的多目标跟踪算法进行优化设计，提出了光流引导分支，利用光流信息引导多帧目标特征转移，一方面利用了时序信息，将上下文特征以光流形式引入多目标跟踪当中，本发明提升了模型的跟踪精度，另一方面光流分支设计简单，可保证整体模型实时运行。
-
公开(公告)号：CN113850188A
公开(公告)日：2021-12-28
申请号：CN202111122438.3
申请日：2021-09-24
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于重结构化类脑卷积的无人机视角下的车辆检测方法，先将标注好的无人机视角车辆检测数据集划分为训练集和测试集，并进行预处理；然后利用加入了重结构化类脑卷积模块的深度卷积神经网络实现对输入数据的高速特征提取及自适应语义信息加强，抑制通道噪声，并构建特征金字塔；接着使用单阶段检测头FCOS在修正后的特征金字塔上进行目标类别与位置信息预测，并进行位置信息的解码，得到训练结果；最后对神经网络进行重结构化，将重结构化卷积结构中的并行分支压缩至单一分支，提升模型运行速度。这种检测方法采用的网络结构设计合理，针对无人机视角下的车辆目标的检测效果良好且算法能够满足对无人机平台上进行实时处理的需求。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
