-
Patent Agency Ranking
公开(公告)号：CN117152470A
公开(公告)日：2023-12-01
申请号：CN202311148175.2
申请日：2023-09-07
Applicant: 西北工业大学
IPC: G06V10/75 , G06V10/44 , G06V10/82 , G06V20/40 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于深度特征点匹配的空天非合作目标位姿估计方法及装置，属于图像处理、深度学习、航空航天领域。构建了特征点回归提取模块，利用编码器‑解码器结构，从RGB图像和深度图像中提取亚像素关键点。设计了一个多通道特征点配对网络，利用三种损失函数，获取体参考系中关键点的配对。提出了一种非迭代不匹配移除方法，进一步提高配对精度，并从匹配的关键点中提取目标旋转矩阵，获得非合作目标的姿态信息。本发明解决了非合作目标的前后景不显著问题和非合作目标特征点提取精确度不高问题，提高了目标姿态估计的准确度和鲁棒性。
-
公开(公告)号：CN117495659A
公开(公告)日：2024-02-02
申请号：CN202311405331.9
申请日：2023-10-27
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于温度热力特性的红外背景多波段图像生成方法，属于图像处理、红外特性领域。用于合成真实的红外背景用作红外特征，利用红外成像系统仿真中的长波红外实现短波红外、中波红外之间的波段转换。首先利用长波波段的红外背景图转换为辐射值，再将辐射值转换为具有温度‑辐射特性的温度特性图；然后，将温度特性转换为对应波段的红外图像；最后根据变换后的红外背景的辐射值调整红外目标特征的灰度级，将红外目标和背景特征可以合成为特定波长的图像。
-
公开(公告)号：CN112215095A
公开(公告)日：2021-01-12
申请号：CN202011017995.4
申请日：2020-09-24
Applicant: 西北工业大学
Abstract: 本申请提供了一种违禁品检测方法、装置、处理器和安检系统，该检测方法包括：获取待测X光安检图片；将所述待测X光安检图片输入检测模型，得到输出结果，所述检测模型的神经网络结构包括深度神经网络和宽度神经网络，且所述检测模型为通过机器学习训练得到的；根据所述输出结果确定违禁品检测结果。上述方法利用深度学习和宽度学习结合训练得到检测模型，使得检测模型可以自动识别X光安检图片中的违禁品，从而实现了快速检测违禁品的技术效果，进而解决了现有技术中人工检测违禁物品费时费力的问题。
-
公开(公告)号：CN119250161A
公开(公告)日：2025-01-03
申请号：CN202411778280.9
申请日：2024-12-05
Applicant: 西北工业大学
Abstract: 为解决当前追逃博弈智能决策中使用深度强化学习算法得到的神经网络可解释性和可调试性差，难以满足实际部署要求的问题，本发明提出一种基于模糊推理树的深度强化学习策略迁移方法。本发明以经过充分训练的待迁移网络为指导，通过智能优化算法对模糊推理树进行训练使其与训练好的待迁移网络在相同的输入下具有相同的输出，即使得模糊推理树学习到了状态到动作的映射关系，具有与深度强化学习的待迁移网络相同的决策能力，从而达到将深度强化学习算法中蕴含在神经网络内的规则抽取并迁移到模糊推理树的目的。本发明在不改变决策效能的前提下，提升了决策指令的生成速度，且解决了追逃博弈信息不完全可知、决策方法的可调试性和可解释性差的问题。
-
公开(公告)号：CN117495658A
公开(公告)日：2024-02-02
申请号：CN202311405330.4
申请日：2023-10-27
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于灰度特征深度匹配的长短波图像转换方法，属于图像处理、红外特性领域。首先，构建长波和短波数据集，并对背景图像进行区域分割；然后，提取区域的灰度直方图特征，并构建深度学习模型对其深度特征进行提取并训练；最后，利用深度学习模型进行灰度特征图转换，并进行直方图匹配，生成所需的短波图像。相比于利用传统算法实现的图像转换，具有准确度好的优势，相比于基于GAN模型的转换算法，具有可解释强、鲁棒性好等优势。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
