-
公开(公告)号:CN116310804A
公开(公告)日:2023-06-23
申请号:CN202310163861.0
申请日:2023-02-24
申请人: 海南大学
IPC分类号: G06V20/10 , G06V10/77 , G06V10/82 , G06T3/40 , G06V10/774 , G06N3/0464 , G06N3/08
摘要: 本发明涉及一种基于高分辨率表征的水上垃圾检测方法,将获取的包含水上垃圾的图像数据输入预先构建并训练好的检测网络中,输出水上垃圾检测结果;检测网络包括:高分辨率特征提取模块:将图像数据处理为高分辨率特征图,提取空间信息;语义特征提取模块:提取高分辨率特征图的语义信息;特征信息融合模块:用以融合高分辨率特征提取模块输出的空间信息和语义特征提取模块输出的语义信息,输出融合信息;多尺度检测模块:根据融合信息对多种尺度的物体进行检测,得到水上垃圾检测结果。与现有技术相比,本发明能够获得具有丰富的空间、语义信息的高分辨率特征图,结合多分支结构和多尺度检测,可以弥补现有水上垃圾检测方法的不足,提高检测性能。
-
公开(公告)号:CN118842309A
公开(公告)日:2024-10-25
申请号:CN202410864027.9
申请日:2024-06-30
申请人: 海南大学
摘要: 本发明涉及一种用于直流‑直流降压变换器的深度强化学习控制方法,方法包括以下步骤:S1、构建系统的状态空间模型;S2、构建线性扩张状态估计器,得到更新后的控制律;S3、构建直流‑直流降压变换器系统;S4、计算修正占空比,修正占空比输入PWM驱动模块,PWM驱动模块向直流‑直流降压变换器系统的直流‑直流降压变换器中的三极管输出控制信号,重复S4。与现有技术相比,本发明具有抑制实际系统与强化学习仿真训练模型的偏差,提高控制系统的鲁棒性能和自适应性能等优点。
-
公开(公告)号:CN118941941A
公开(公告)日:2024-11-12
申请号:CN202410923963.2
申请日:2024-07-11
申请人: 海南大学
IPC分类号: G06V20/10 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
摘要: 本发明涉及一种基于多尺度特征融合的海上目标检测方法,包括:获取海上目标图像,并进行图像预处理;将预处理后的海上目标图像输入特征提取网络中,得到不同层次、不同尺度的图像特征;通过多层高效重参数化泛化特征金字塔网络,对特征提取网络输出的各个图像特征进行第一次多尺度特征融合,得到多个金字塔网络融合特征;通过多层自适应结构特征融合网络,对各个金字塔网络融合特征进行第二次多尺度特征融合,得到多个自适应网络融合特征;将各个自适应网络融合特征输入到分类回归网络,得到海上目标的类别和位置信息。与现有技术相比,本发明提高了海上目标的检测精度和鲁棒性,为海上无人视觉系统的建立提供了新的解决方案。
-
-