-
公开(公告)号：CN120071128A
公开(公告)日：2025-05-30
申请号：CN202510063906.6
申请日：2025-01-15
Applicant: 浙江大学
IPC: G06V20/10 , G06V10/25 , G06V10/82 , G06V10/764 , G06V10/80 , G06N3/0464 , G06V10/774 , G06T5/40 , G06F17/10 , G06N3/048
Abstract: 本发明公开了一种基于变分模态分解的SAR海上舰船识别装置，包括SAR雷达、数据库以及上位机。SAR雷达、数据库、上位机依次相连，所述SAR雷达对海域进行实时监测，并将SAR雷达获得的图像数据存储到所述的数据库中，所述的上位机包括图像预处理模块、变分模态分解模块、分类模块、决策融合模块以及结果显示模块。本发明利用SAR雷达的合成孔径技术获取高分辨率图像，通过二维变分模态分解获得图像的多模态表示，利用卷积神经网络对各个模态进行分类并输出概率分布，然后基于贝叶斯理论融合各个模态的概率分布并判定目标，最终达到高精度的舰船目标识别。
-
公开(公告)号：CN120070952A
公开(公告)日：2025-05-30
申请号：CN202510058289.0
申请日：2025-01-14
Applicant: 浙江大学
Abstract: 本发明公开了一种基于多尺度图注意力的舰船目标识别装置，包括多频段SAR雷达、数据库及上位机；多频段SAR雷达、数据库和上位机依次相连，所述多频段SAR雷达对所监测海域进行扫描，并将SAR雷达SAR图像储存到所述的数据库中，所述的上位机包括数据预处理模块、多尺度图数据重建模块、特征向量聚合模块以及目标识别模块。本发明提供了一种基于图结构数据重建与图注意力网络的多尺度SAR雷达海上舰船目标识别装置及方法，融合多频段、多角度的特性，具备了高精度和高智能化的优势，有效提升海上舰船目标识别的准确性与效率。
-
公开(公告)号：CN120070953A
公开(公告)日：2025-05-30
申请号：CN202510058356.9
申请日：2025-01-14
Applicant: 浙江大学
IPC: G06V10/764 , G06V20/13 , G06V10/774 , G06V10/77 , G06V10/82 , G06T5/80 , G06F17/11 , G06F17/18 , G06N3/0455 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于深度神经网络特征编码的舰船图像分类装置，所述装置包括SAR图像数据采集模块，多源SAR图像数据库模块，图像编码器模块，深度残差神经网络分类器模块，舰船目标分类显示模块。本发明所涉及的舰船图像分类系统，采用所述的设备实现SAR舰船图像的特征编码，进一步输入到深度残差神经网络分类器模块中，使深度学习模型能够灵活地适应舰船图像的多样性，提高对不同舰船类型的识别能力。本发明克服目前基于深度学习的SAR舰船图像识别系统对舰船变体多样性识别不准确，对图像的干扰与噪声不鲁棒等不足，利用Transformer编码器强大的特征提取能力与深度残差神经网络精确的分类能力，对SAR舰船图像进行精准分类。
-
-
Search Results
3
records
(took 0.016 seconds)
