-
公开(公告)号：CN115311531A
公开(公告)日：2022-11-08
申请号：CN202210881472.7
申请日：2022-07-26
申请人： 哈尔滨工业大学 , 大连中睿科技发展有限公司
IPC分类号： G06V10/82 , G06V10/774 , G06V10/764 , G06V10/30 , G06V10/26 , G06N3/04 , G06N3/08 , G01S7/292 , G01S7/35 , G01S7/41 , G01S13/88
摘要： 本发明提出一种RefineDet网络模型的探地雷达地下空洞目标自动检测方法。所述方法包括对已获取的探地雷达地下空洞目标的回波图像进行背景消除，得到横向波纹受到抑制的探地雷达回波图像；对生成的探地雷达回波图像进行增益，突出空洞目标像素位置特征；利用增益后的图像进行降噪处理，抑制杂波影响；对处理后的探地雷达回波图像进行预筛选，参照人工识别并实地确认的结果，利用labelimg对图像中的空洞进行标注；将获得的数据制成图像检测数据集；用获得的检测数据集训练RefineDet网络模型，得到网络权重参数；利用训练后的网络模型对地下空洞目标探地雷达回波图像进行目标检测。本发明解决现有方法难以检测地下空洞目标的问题。
-
公开(公告)号：CN114169411A
公开(公告)日：2022-03-11
申请号：CN202111384746.3
申请日：2021-11-22
申请人： 哈尔滨工业大学 , 大连中睿科技发展有限公司
IPC分类号： G06K9/62 , G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08
摘要： 本发明提出一种基于3D‑CNN算法的三维探地雷达图像地下管线识别方法，通过探地雷达获得三维回波图像，对三维回波图像进行预处理，将已预处理的探地雷达的三维回波图像进行标注，并将其打乱，随机分配至训练集和验证集；利用的训练集和验证集对3D‑CNN的神经网络模型进行训练，得到训练好的权重模型；利用获得训练好的神经网络模型，对探地雷达三维回波图像进行管线目标识别检测，最终标注出带有地下管线信息的三维回波图像；本发明可以将地下管线目标识别概率提高到95％以上，且对探地雷达三维回波图像的地下管线目标进行检测可以有效提高识别概率并且可以大幅降低管线虚检概率。
-
公开(公告)号：CN114169402B
公开(公告)日：2024-10-18
申请号：CN202111354267.7
申请日：2021-11-16
申请人： 哈尔滨工业大学 , 大连中睿科技发展有限公司
IPC分类号： G06V10/764 , G06V10/774 , G06V10/44 , G06V10/50 , G06V10/82 , G06N3/0442 , G06N3/08
摘要： 本发明提供一种基于门控循环单元的探地雷达地下空洞目标自动识别方法。所述门控循环神经网络的GRU有两个门：重置门和更新门；重置门主要决定了到底有多少过去的信息需要遗忘，根据输入xt，当前重置门的输出rt和上一时间步隐藏状态ht‑1得到候选隐藏状态#imgabs0#如果重置门近似0，上一个隐藏状态将被丢弃；而更新门帮助模型决定到底要将多少信息传递到未来，或到底前一时间步和当前时间步的信息有多少是需要继续传递的，更新门zt根据上一时间步的隐藏状态ht‑1和当前时间步的候选隐藏状态#imgabs1#得到当前的隐藏状态ht；重置门和更新门的激活函数σ是sigmoid函数。本发明解决现有方法难以检测识别地下空洞目标的问题。
-
公开(公告)号：CN115343703A
公开(公告)日：2022-11-15
申请号：CN202210881029.X
申请日：2022-07-26
申请人： 哈尔滨工业大学 , 大连中睿科技发展有限公司
IPC分类号： G01S13/88 , G01S7/41 , G06V10/82 , G06V10/774 , G06V10/764 , G06N3/04 , G06N3/08
摘要： 本发明提出一种基于自训练的3D‑CNN探地雷达三维图像的管线识别方法。所述方法包括对所获得的探地雷达三维回波图像进行预处理；将探地雷达三维回波图像划分成训练集和验证集，对验证集中的全部数据以及训练集中的一部分数据进行人工标注；利用训练集对结合注意力机制的3D‑CNN的神经网络模型进行自训练，得到训练好的权重模型；利用训练好的神经网络模型，对探地雷达三维回波图像进行管线目标识别。本发明解决了传统的神经网络依赖于大量、准确的标记样本的问题，仅用少量的标记样本和大量的无标记样本使得识别准确率有了较大的提高，同时也节省了人工标注样本的时间，提高了效率。
-
公开(公告)号：CN115291210A
公开(公告)日：2022-11-04
申请号：CN202210881070.7
申请日：2022-07-26
申请人： 哈尔滨工业大学 , 大连中睿科技发展有限公司
摘要： 本发明提出一种结合注意力机制的3D‑CNN探地雷达三维图像管线识别方法。所述方法包括对所获得的探地雷达的实际三维回波图像进行预处理；对得到的探地雷达的三维回波图像进行人工标注，并进行置乱，然后随机分配至训练集和验证集，但是需要保证每次置乱后的训练集中每个类别的样本数保持相同；利用生成的训练集对添加注意力机制的3D‑CNN的神经网络模型进行训练，获得训练好的神经网络模型；利用得到的神经网络模型，对探地雷达三维图像进行管线识别。本发明解决了传统识别方法以及基于2D‑CNN的神经网络识别方法识别准确率低和效率低的问题，同时通过添加注意力机制对3D‑CNN进行了改进，提高了网络模型对探地雷达三维图像的识别准确率。
-
公开(公告)号：CN114169411B
公开(公告)日：2024-08-02
申请号：CN202111384746.3
申请日：2021-11-22
申请人： 哈尔滨工业大学 , 大连中睿科技发展有限公司
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
摘要： 本发明提出一种基于3D‑CNN算法的三维探地雷达图像地下管线识别方法，通过探地雷达获得三维回波图像，对三维回波图像进行预处理，将已预处理的探地雷达的三维回波图像进行标注，并将其打乱，随机分配至训练集和验证集；利用的训练集和验证集对3D‑CNN的神经网络模型进行训练，得到训练好的权重模型；利用获得训练好的神经网络模型，对探地雷达三维回波图像进行管线目标识别检测，最终标注出带有地下管线信息的三维回波图像；本发明可以将地下管线目标识别概率提高到95％以上，且对探地雷达三维回波图像的地下管线目标进行检测可以有效提高识别概率并且可以大幅降低管线虚检概率。
-
公开(公告)号：CN115291210B
公开(公告)日：2024-04-30
申请号：CN202210881070.7
申请日：2022-07-26
申请人： 哈尔滨工业大学 , 大连中睿科技发展有限公司
摘要： 本发明提出一种结合注意力机制的3D‑CNN探地雷达三维图像管线识别方法。所述方法包括对所获得的探地雷达的实际三维回波图像进行预处理；对得到的探地雷达的三维回波图像进行人工标注，并进行置乱，然后随机分配至训练集和验证集，但是需要保证每次置乱后的训练集中每个类别的样本数保持相同；利用生成的训练集对添加注意力机制的3D‑CNN的神经网络模型进行训练，获得训练好的神经网络模型；利用得到的神经网络模型，对探地雷达三维图像进行管线识别。本发明解决了传统识别方法以及基于2D‑CNN的神经网络识别方法识别准确率低和效率低的问题，同时通过添加注意力机制对3D‑CNN进行了改进，提高了网络模型对探地雷达三维图像的识别准确率。
-
公开(公告)号：CN114169402A
公开(公告)日：2022-03-11
申请号：CN202111354267.7
申请日：2021-11-16
申请人： 哈尔滨工业大学 , 大连中睿科技发展有限公司
IPC分类号： G06K9/62 , G06V10/764 , G06V10/774 , G06V10/44 , G06V10/50 , G06N3/04 , G06N3/08
摘要： 本发明提供一种基于门控循环单元的探地雷达地下空洞目标自动识别方法。所述门控循环神经网络的GRU有两个门：重置门和更新门；重置门主要决定了到底有多少过去的信息需要遗忘，根据输入xt，当前重置门的输出rt和上一时间步隐藏状态ht‑1得到候选隐藏状态如果重置门近似0，上一个隐藏状态将被丢弃；而更新门帮助模型决定到底要将多少信息传递到未来，或到底前一时间步和当前时间步的信息有多少是需要继续传递的，更新门zt根据上一时间步的隐藏状态ht‑1和当前时间步的候选隐藏状态得到当前的隐藏状态ht；重置门和更新门的激活函数σ是sigmoid函数。本发明解决现有方法难以检测识别地下空洞目标的问题。
-
公开(公告)号：CN115311532A
公开(公告)日：2022-11-08
申请号：CN202210881642.1
申请日：2022-07-26
申请人： 哈尔滨工业大学 , 大连中睿科技发展有限公司
IPC分类号： G06V10/82 , G06V10/72 , G06V10/764 , G06V10/30 , G06V10/26 , G06N3/04 , G06N3/08 , G01S13/88 , G01S13/89 , G01S7/41 , G01V3/12 , G01V3/38
摘要： 本发明提出一种基于ResNet网络模型的探地雷达地下空洞目标自动识别方法。所述方法包括对已获取的地下空洞目标的探地雷达回波图像进行预处理，分别包含背景消除、增益和降噪；对生成的探地雷达回波图像进行增益；对增益后的图像进行降噪；之后，对已降噪后的图像数据进行预筛选和人工分类，然后基于水平镜像翻转对图像进行增广，得到处理后的具有相似分布的增广图像数据集；将得到增广图像数据分为训练集和测试集，对ResNet网络模型进行训练，得到网络权重模型；将得到的测试集输入得到的权重模型，对图像进行目标识别分类；采用本发明的方法能有效的提高探地雷达地下空洞目标识别率，将识别率提高到90％以上。
-
公开(公告)号：CN116541660A
公开(公告)日：2023-08-04
申请号：CN202310508205.X
申请日：2023-05-08
申请人： 哈尔滨工业大学
IPC分类号： G06F18/10 , G06F18/2131
摘要： 本发明提出一种基于数据驱动的分数阶小波变换去噪方法。所述方法在分数阶小波去噪的基础上，将所有的滤波器替换为可学习的卷积核，并定义了一种用于信号降噪的可学习阈值函数激活层，网络中的分数阶尺度滤波器和分数阶小波滤波器以及阈值函数中的正负偏差是通过神经网络反向传播算法得到的。该方法是一种完全基于数据驱动的信号去噪方法。与常规的分数阶小波去噪相比，数据驱动的分数阶小波去噪省去了繁琐的阈值函数设计过程，提高了去噪算法的使用效率。
-
-
-
-
-
-
-
-
-
搜索结果
49 条记录 (耗时 0.063 秒)
