-
公开(公告)号：CN110568441A
公开(公告)日：2019-12-13
申请号：CN201910848355.9
申请日：2019-09-09
Applicant: 大连海事大学
Abstract: 本发明提供一种基于卷积神经网络的船用雷达测雨识别方法，包括模型搭建过程、模型优化过程以及模型训练过程。本发明基于经典的LeNet-5卷积神经网络模型，建立多层次残差卷积神经网络模型，用小雨、中雨、大雨的样本创建训练集，输入到多层次残差卷积神经网络中，对网络模型进行训练，用交叉熵损失函数统计损失率，快速得到最小损失，利用批量训练的方式，能达到很好的收敛稳定状态。
-
公开(公告)号：CN110568441B
公开(公告)日：2023-04-07
申请号：CN201910848355.9
申请日：2019-09-09
Applicant: 大连海事大学
IPC: G01S13/95 , G01S7/41 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于卷积神经网络的船用雷达测雨识别方法，包括模型搭建过程、模型优化过程以及模型训练过程。本发明基于经典的LeNet‑5卷积神经网络模型，建立多层次残差卷积神经网络模型，用小雨、中雨、大雨的样本创建训练集，输入到多层次残差卷积神经网络中，对网络模型进行训练，用交叉熵损失函数统计损失率，快速得到最小损失，利用批量训练的方式，能达到很好的收敛稳定状态。
-
公开(公告)号：CN110443830B
公开(公告)日：2022-12-02
申请号：CN201910750694.3
申请日：2019-08-14
Applicant: 大连海事大学
Abstract: 本发明提供一种基于混合高斯背景模型的降水云团检测方法，包括以下步骤：通过形态学处理方法去除干扰、近程静态强回波并将地理信息叠加至底图；基于混合高斯背景模型进行背景建模；所述混合高斯背景建模通过K个高斯模型表示图像中的每一个像素点；输入视频，获取新的视频帧图形，在获取新的一帧图像后更新调整高斯分布的权重建立背景模型，使用当前图像的每一个像素点与混合高斯模型进行匹配，若匹配成功则判定该像素点为背景像素点，否则认为是目标像素点。检测并获取降水云团的轮廓信息。本发明混合高斯背景模型检测算法满足降水云团检测的实时性和准确性要求，良好的检测效果为下一章降水云团的特征提取与跟踪奠定了可靠的基础。
-
公开(公告)号：CN110443830A
公开(公告)日：2019-11-12
申请号：CN201910750694.3
申请日：2019-08-14
Applicant: 大连海事大学
Abstract: 本发明提供一种基于混合高斯背景模型的降水云团检测方法，包括以下步骤：通过形态学处理方法去除干扰、近程静态强回波并将地理信息叠加至底图；基于混合高斯背景模型进行背景建模；所述混合高斯背景建模通过K个高斯模型表示图像中的每一个像素点；输入视频，获取新的视频帧图形，在获取新的一帧图像后更新调整高斯分布的权重建立背景模型，使用当前图像的每一个像素点与混合高斯模型进行匹配，若匹配成功则判定该像素点为背景像素点，否则认为是目标像素点。检测并获取降水云团的轮廓信息。本发明混合高斯背景模型检测算法满足降水云团检测的实时性和准确性要求，良好的检测效果为下一章降水云团的特征提取与跟踪奠定了可靠的基础。
-
-
-
Search Results
4
records
(took 0.02 seconds)
