-
公开(公告)号:CN117409307A
公开(公告)日:2024-01-16
申请号:CN202311351573.4
申请日:2023-10-18
Applicant: 大连海事大学
IPC: G06V20/05 , G06V20/70 , G06V10/26 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/776 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种海杂波背景下的隐蔽信号检测方法,包括:数据集的获取与划分,划分成训练集,验证集,测试集,并对数据集进行预处理;采用深度学习领域中的先进技术,将基于卷积结构的编码解码网络与隐蔽信号检测任务结合,通过数据预处理、多层卷积层特征提取、语义分割算法等完成检测任务。首先对隐蔽信号的环境数据分布特性进行分析,然后生成仿真图像作为训练数据,将语义分割算法中基于卷积结构的编码解码网络与自注意力多尺度特征提取机制相融合,通过采用数据增广和正则化技术对海杂波的环境数据分布特性进行分析,同时结合仿真图像的语义信息进行目标检测。本发明能更好的应用于在复杂海杂波背景下隐蔽信号的检测。
-
公开(公告)号:CN116858843A
公开(公告)日:2023-10-10
申请号:CN202310853742.8
申请日:2023-07-12
Applicant: 大连海事大学
Abstract: 本发明一种基于深度强化学习的海工平台导管架自主巡检系统,包括:设置在巡检系统本体上方,采集前方海洋环境信息的第一二维声纳传感器;第二二维声纳传感器;第三二维声纳传感器;三维声纳传感器;对巡检系统本体前方目标焊接点的焊缝进行拍照的摄像模块;根据第二二维声纳传感器传送的一侧海洋环境信息、第三二维声纳传感器传送的另一侧海洋环境信息,三维声纳传感器采集的前方海洋环境信息控制巡检系统本体到达要进行焊缝检测的目标焊接点,基于第一二维声纳传感器采集的前方海洋环境信息并对巡检系统本体进行位姿矫正的控制模块;控制模块控制摄像模块进行拍照。本发明得到一种自适应能力好、泛化能力强的导管架平台自主巡检方法。
-
公开(公告)号:CN116051840A
公开(公告)日:2023-05-02
申请号:CN202310059786.3
申请日:2023-01-17
Applicant: 大连海事大学
IPC: G06V10/26 , G06V20/05 , G06V10/774 , G06V10/82 , G06V10/764 , G06V20/70 , G06N3/0475 , G06N3/0464 , G06N3/0455 , G06N3/094 , G06N3/0895
Abstract: 本发明公开了一种基于生成对抗学习的半监督水下图像语义分割方法,包括:获取水下图像并划分为训练集、验证集和测试集,并对水下图像进行预处理;设计兼具Transformer全局自注意力机制和卷积神经网络底层细节和定位优势的混合编码分割器;构建半监督语义分割的生成对抗网络;利用半监督语义分割的生成对抗网络对训练集和验证集上进行训练,得到预测模型,并采用测试集对预测模型进行评估。本发明能够以较低的计算成本实现准确的图像分割,能更好的应用于水下图像语义分割任务,对水下航行器光视觉智能感知系统的发展具有重要的指导意义和应用价值。
-
公开(公告)号:CN115292915A
公开(公告)日:2022-11-04
申请号:CN202210871852.2
申请日:2022-07-22
Applicant: 大连海事大学
IPC: G06F30/20 , G06T15/00 , G06T15/50 , G06F113/08
Abstract: 本发明公开了一种多海况大范围水面环境模拟方法,包括:构建海洋模型,生成海洋模型中波形需要的Phillips频谱、高斯随机数、初始频谱,控制波形的方向;根据初始频谱通过海洋公式生成海洋波形的高度频谱、海洋波形在x方向上的偏移频谱以及在Z方向上的偏移频谱;获取海洋波形的偏移纹理和法线纹理;生成网格、通过网格过滤器和网格渲染器将该网格进行显示;将生成的偏移纹理、法线纹理赋到对应的纹理变量中;以获取当前坐标点相对于海平面在高度方向上的坐标偏移值;将当前表面网格点在海洋模型空间中的最终坐标转换成裁剪空间下的坐标和世界坐标系下的坐标;获取当前表面网格点的法线值,生成在不同角度下有不同颜色值的海面、并添加浪涌和视角远近海水波浪细节图。
-
公开(公告)号:CN115713493A
公开(公告)日:2023-02-24
申请号:CN202211364039.2
申请日:2022-11-02
Applicant: 大连海事大学
IPC: G06T7/00 , G06V20/05 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08 , G06V10/766
Abstract: 本发明公开了一种基于梯度纹理显著性的多任务水下图像的质量评价方法,包括采集水下图像数据集,利用软件标注失真类型标签和质量分数标签;利用sobel算子提取图像的梯度图;利用卷积神经网络对原图和梯度图进行特征提取,对失真类型预测子网络和质量分数回归子网络进行训练、验证和测试,生成失真类型预测模型和质量分数预测模型;利用水下图像质量评估模型对水下图像进行质量评估。本发明对水下图像的质量分数进行回归,既能判断水下图像的失真类型,方便选择增强算法,还以真实类型作为质量回归的指导,提高了水下图像质量评估模型的质量预测精度,能更全面地对水下图像进行评价,提高了水下图像增强系统的运行效率。
-
-
-
-