-
公开(公告)号：CN114219826A
公开(公告)日：2022-03-22
申请号：CN202111156857.9
申请日：2021-09-30
Applicant: 北京航空航天大学 , 应急管理部国家减灾中心 , 北京空间机电研究所
Abstract: 本发明公开了一种应用于航拍视频中的地面目标跟踪方法，将SiamFC++的特征空间嵌入网络更改为ResNet；将搜索区域图像x和模板图像z输入ResNet提取深度特征；将深度特征输入跟踪头部网络，输出分类置信分数图和目标边界框回归响应图；选择分类置信分数最大值所在位置，目标边界框回归响应图在该位置的向量为目标边界框预测结果。在提取深度特征过程中，通过构造特征金字塔网络，自适应地融合特征空间嵌入网络的浅层和深层特征，使特征表示既有丰富的细节信息，也有强大的语义信息，可以强化小目标的判别性特征表示，避免跟踪漂移甚至跟踪丢失问题。并提出搜索区域大小自适应调整策略，可以增强跟踪器抵抗跟踪丢失风险能力。
-
公开(公告)号：CN115690579A
公开(公告)日：2023-02-03
申请号：CN202211324004.6
申请日：2022-10-27
Applicant: 西南交通大学 , 应急管理部国家减灾中心
IPC: G06V20/10 , G06V10/26 , G06V10/30 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0895
Abstract: 本发明公开了一种基于弱监督语义分割的损毁建筑物高分遥感提取方法。为改善类别激活图CAM质量，抑制损毁建筑物内部的噪声等技术问题，本发明以采用膨胀卷积的级联式密集连接的方法来提高目标相关区域的激活响应和抑制目标不相关区域的激活响应、通过在大范围内综合考虑和整合每个像素的特征相互依赖性来优化像素之间的全局空间相关性为技术手段，解决了CAM质量不佳、损毁建筑物内部的噪声严重、拼接位置不平滑等技术问题，获得了增强网络对细节的感知能力，缓解提取目标边界模糊、实现平滑拼接等技术效果。本发明适于遥感图像处理领域。
-
公开(公告)号：CN117372876A
公开(公告)日：2024-01-09
申请号：CN202311489762.8
申请日：2023-11-09
Applicant: 北京邮电大学 , 应急管理部国家减灾中心(应急管理部卫星减灾应用中心)
Abstract: 一种多任务遥感影像道路损毁评估方法及系统，涉及遥感图像分析领域，该方法包括以下步骤：获取道路损毁双时态图像，并对道路损毁双时态图像进行标注；输入带标注的道路损毁双时态图像，通过多尺度特征提取模块提取多尺度特征，获取多尺度双时态特征图；对多尺度双时态特征图进行时空全局信息建模；通过逐级上采样和密集连接进行特征重建；设置损失函数，将重建后的特征图像分别输入到两个预测头，使用重建特征生成道路变化检测图像，同时使用类嵌入预测道路损毁等级。本发明在道路变化检测的基础上融合道路损毁评估，多任务之间相互促进，实现了更好的道路评估效果；同时本发明能有效提取连续变化的道路区域，准确识别道路变化的细微连续特征。
-
公开(公告)号：CN116434009A
公开(公告)日：2023-07-14
申请号：CN202310423262.8
申请日：2023-04-19
Applicant: 应急管理部国家减灾中心(应急管理部卫星减灾应用中心)
IPC: G06V10/774 , G06T15/00 , G06T17/10
Abstract: 本发明公开了一种损毁建筑物深度学习样本集的构建方法及系统，包括：创建若干项目并分别命名，其中，所述项目包括用于显示二维影像的第一项目、用于显示三维模型的第二项目及用于显示标签属性的第三项目；分别基于第一项目和第二项目加载同一地区相同投影坐标系的灾后二维影像与灾后三维模型，对灾后二维影像与灾后三维模型进行检测，获取检测结果；若检测结果与预设规则一致，则通过所有项目打开并加载二维样本矢量，并进行标绘与编辑，获取标签矢量；根据标签矢量与灾后二维影像生成损毁建筑物深度学习样本集。本发明有助于高效进行二维标绘、属性编辑与三维数据多角度观察。
-
公开(公告)号：CN116434009B
公开(公告)日：2023-10-24
申请号：CN202310423262.8
申请日：2023-04-19
Applicant: 应急管理部国家减灾中心(应急管理部卫星减灾应用中心)
IPC: G06V10/774 , G06T15/00 , G06T17/10
Abstract: 本发明公开了一种损毁建筑物深度学习样本集的构建方法及系统，包括：创建若干项目并分别命名，其中，所述项目包括用于显示二维影像的第一项目、用于显示三维模型的第二项目及用于显示标签属性的第三项目；分别基于第一项目和第二项目加载同一地区相同投影坐标系的灾后二维影像与灾后三维模型，对灾后二维影像与灾后三维模型进行检测，获取检测结果；若检测结果与预设规则一致，则通过所有项目打开并加载二维样本矢量，并进行标绘与编辑，获取标签矢量；根据标签矢量与灾后二维影像生成损毁建筑物深度学习样本集。本发明有助于高效进行二维标绘、属性编辑与三维数据多角度观察。
-
Patent Agency Ranking
公开(公告)号：CN114219826B
公开(公告)日：2024-06-07
申请号：CN202111156857.9
申请日：2021-09-30
Applicant: 北京航空航天大学 , 中国科学院空间应用工程与技术中心 , 北京空间机电研究所
Abstract: 本发明公开了一种应用于航拍视频中的地面目标跟踪方法，将SiamFC++的特征空间嵌入网络更改为ResNet；将搜索区域图像x和模板图像z输入ResNet提取深度特征；将深度特征输入跟踪头部网络，输出分类置信分数图和目标边界框回归响应图；选择分类置信分数最大值所在位置，目标边界框回归响应图在该位置的向量为目标边界框预测结果。在提取深度特征过程中，通过构造特征金字塔网络，自适应地融合特征空间嵌入网络的浅层和深层特征，使特征表示既有丰富的细节信息，也有强大的语义信息，可以强化小目标的判别性特征表示，避免跟踪漂移甚至跟踪丢失问题。并提出搜索区域大小自适应调整策略，可以增强跟踪器抵抗跟踪丢失风险能力。
-
公开(公告)号：CN119342102A
公开(公告)日：2025-01-21
申请号：CN202411897622.9
申请日：2024-12-23
Applicant: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
Abstract: 本申请提供了一种基于深度强化学习的服务网络调度方法，该方法包括获取目标用户节点的服务请求；将服务请求输入到训练完成的网络服务资源调度模型中得到资源调度策略；基于资源调度策略及服务请求获取目标服务节点的网络服务资源；将目标服务节点的网络服务资源按照服务质量等级及传输路径发送给目标用户节点。本发明通过利用网络的族群特性，将其划分为由社团组成的动态服务网络，在该网络结构基础上，通过网络服务资源调度模型能够进行合理的资源分配，包括服务节点选择、路径规划和服务等级的选择，从而有效地减少服务时延、降低资源运输成本，并提高服务质量和网络服务资源调度的效率。
-
公开(公告)号：CN118672142A
公开(公告)日：2024-09-20
申请号：CN202411163184.3
申请日：2024-08-23
Applicant: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC: G05B13/04
Abstract: 本发明提出一种可重入制造系统控制方法、装置、存储介质及设备，引入可重入制造系统的非线性项和线性扰动增益，构建可重入制造系统的非线性误差模型；对非线性误差模型进行局部线性化处理，以得到可重入制造系统的整体模糊状态方程；构建可重入制造系统的控制器算子；将控制器算子带入整体模糊状态方程，以得到闭环控制系统；基于闭环控制系统进行解算，确定控制器增益；基于控制器增益，获取控制器，并基于控制器对可重入制造系统进行调控。在构建可重入制造系统对应的模型时，引入可重入制造系统的非线性项和线性扰动增益，以得到非线性误差模型，能够对可重入制造系统的不确定性和扰动表现出强鲁棒性。
-
公开(公告)号：CN119271422A
公开(公告)日：2025-01-07
申请号：CN202411824297.3
申请日：2024-12-12
Applicant: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC: G06F9/50 , G06N3/0455 , G06N3/092
Abstract: 本申请提供一种基于自蒸馏分层强化学习的服务资源调度方法，涉及人工智能与复杂网络交叉领域，该方法包括：基于配置的多个时间节点，获取任一时间节点处待处理的多个服务资源包对应的初始状态向量；采用自蒸馏分层强化学习网络中的编码器模块，对该服务资源包的初始状态向量进行处理，得到该服务资源包在该时间节点的教师策略表征向量；利用策略网络模块，对教师策略表征向量进行处理，确定该服务资源包在该时间节点的目标策略表征向量；本申请通过自蒸馏技术提高自蒸馏分层强化学习网络的性能，减少计算量，提高调度决策的有效性。
-
公开(公告)号：CN118550200B
公开(公告)日：2024-11-15
申请号：CN202411017285.X
申请日：2024-07-29
Applicant: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC: G05B13/04
Abstract: 本说明书实施例提供视场受限约束下的机器人自适应跟踪控制方法及装置，其中所述方法包括：基于机器人运动学确定运动模型，并基于运动模型确定视场受限约束下的初始控制器；基于最小二乘辨识确定初始控制器的未知参数；基于未知参数和初始控制器确定目标控制器，基于目标控制器对机器人进行自适应跟踪控制。通过基于机器人运动学确定运动模型，并基于运动模型确定视场受限约束下的初始控制器；基于最小二乘辨识确定初始控制器的未知参数；基于未知参数和初始控制器确定目标控制器，基于目标控制器对机器人进行自适应跟踪控制，所采用的最小二乘参数辨识可在有限次参数更新后，消除参数不确定性对自适应跟踪控制系统带来的影响。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.088 seconds)
