-
公开(公告)号：CN118247614B
公开(公告)日：2024-12-17
申请号：CN202410284922.3
申请日：2024-03-13
Applicant: 清华大学深圳国际研究生院
IPC: G06V10/80 , G06V20/64 , G06V20/70 , G06V10/25 , G06V10/46 , G06V10/52 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/048
Abstract: 本发明提供一种多智能体协同感知方法、设备及存储介质，涉及协同感知技术领域，所述方法包括：获取第一原始点云数据；根据第一原始点云数据，获取第一多尺度特征；对第一多尺度特征进行挑选处理，获取第一高信息量特征；将第一高信息量特征广播至各个协同智能体，获取第二高信息量特征；将第一高信息量特征与全部第二高信息量特征进行第二融合处理，获取融合协同特征；根据融合协同特征，生成检测结果信息。通过挑选获得的高信息量值的特征，降低噪声导致的感知偏差影响，同时降低通信带宽消耗提高协同效率。利用第一融合处理以及第二融合处理的双阶段融合，在不同阶段对传递的高信息量值的特征进行融合，降低协同感知过程中位姿噪声的影响。
-
公开(公告)号：CN117689997A
公开(公告)日：2024-03-12
申请号：CN202311817081.X
申请日：2023-12-26
Applicant: 清华大学深圳国际研究生院
IPC: G06V10/82 , G06V10/774 , G06V20/56 , G06N3/082
Abstract: 本发明提供一种检测模型剪枝方法、装置、电子设备和存储介质，属于目标检测技术领域，方法包括：对待剪枝检测模型的网络层进行分解，得到分解网络层；根据分解网络层之间的连接关系和剪枝策略，构建分解网络层的依赖图；根据依赖图对分解网络层进行分组，得到网络层分组；对网络层分组进行稀疏性训练，确定网络层分组的重要性以及网络层分组中参数的重要性；根据网络层分组的重要性、参数的重要性以及预设的剪枝率，对网络层分组中参数进行移除以完成剪枝。本发明利用依赖图描述分解网络层的依赖关系，在对网络层分组中相互依赖的参数剪枝时会一并移除，避免破坏网络结构，稀疏性训练使得网络层分组内耦合的参数都是稀疏的，避免移除重要参数。
-
公开(公告)号：CN117319580A
公开(公告)日：2023-12-29
申请号：CN202311029356.3
申请日：2023-08-15
Applicant: 清华大学深圳国际研究生院
IPC: H04N5/265 , G06V20/40 , G06V10/764 , H04N7/18
Abstract: 本发明提供一种多路视频智能融合展示方法、装置、电子设备及存储介质，该方法包括：获取至少一个摄像头分别拍摄的视频数据；基于异常监测的类型，对至少一个摄像头对应的多路视频数据分别进行异常监测分析，得到至少一个异常监测分析结果；异常监测分析结果包括至少一个监测目标的检测概率、告警融合画面和告警信息；基于各监测目标的检测概率、各告警融合画面、各告警信息和各异常监测事件对应的优先级权重，将各告警信息和各告警融合画面传输至客户端，客户端用于基于各告警信息，对各告警融合画面进行融合展示，实现了多路视频数据的融合展示，多路视频数据之间互不干扰，相互协同，资源消耗较小，同时，提升了告警融合画面的展示效果。
-
公开(公告)号：CN116563346A
公开(公告)日：2023-08-08
申请号：CN202310708300.4
申请日：2023-06-14
Applicant: 清华大学
Abstract: 本申请中提供了一种基于transformer结构的强机动目标跟踪方法和装置，所述方法包括：对量测轨迹进行编码和位置嵌入，得到具有状态差异的轨迹特征；将具有状态差异的轨迹特征输入到transformer编码器进行单层状态特征自注意力信息提取，得到具有不同状态信息的编码器特征；将具有不同状态信息的编码器特征和具有状态差异的轨迹特征，输入到transformer解码器进行交叉注意力提取与融合，得到融合不同相关性信息的解码器特征；基于解码器特征进行预测处理，将得到的残差轨迹和量测轨迹相加得到目标轨迹。该方法更能够学习快速变化状态的转移规律，提高强机动目标状态估计的准确性，保证了目标跟踪任务的性能。
-
公开(公告)号：CN109324315B
公开(公告)日：2023-03-28
申请号：CN201811413959.2
申请日：2018-11-26
Applicant: 清华大学
Abstract: 本发明提出一种基于双层次块稀疏性的空时自适应处理雷达杂波抑制方法，属于雷达技术领域。该方法首先对机载雷达一个相参处理间隔内采集的数据进行脉冲压缩并向量化处理，取待检测距离单元周围若干个距离单元的数据作为训练样本，该方法联合了杂波在空时平面中的成簇特性以及邻近距离单元的联合稀疏特性，也就是双层次块稀疏性来提高杂波谱的估计精度，从而获得更精确的杂波协方差矩阵的估计，然后计算得到空时自适应处理滤波器的权值；将待检测距离单元的数据通过空时自适应处理滤波器，实现对该距离单元雷达数据的杂波抑制。本发明方法在少量训练样本情况下可以获得更好的杂波抑制性能和低速目标检测性能，有很高的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN114399451A
公开(公告)日：2022-04-26
申请号：CN202111622014.3
申请日：2021-12-28
Applicant: 清华大学 , 中国人民解放军海军航空大学
Abstract: 本发明公开了一种合成孔径雷达图像舰船目标协同增强方法和装置，其中，该方法包括：输入原始合成孔径雷达SAR图像，并获取SAR图像中含有舰船目标的所有SAR图像切片的切片集合，以获得切片集合中的超像素；基于切片集合计算出切片集合中所有超像素的局部灰度对比度，根据直方图信息计算得到局部灰度的超像素直方图密度值；基于超像素直方图密度值，计算得到交叉相关特征；基于交叉相关特征进行特征融合，获得图像增强结果并输出。本发明通过开发不同SAR图像切片之间基于密度特征的相关性，协同增强其中的弱目标、抑制强海杂波，有利于后续目标检测性能的提升。
-
公开(公告)号：CN112766287B
公开(公告)日：2021-09-17
申请号：CN202110161176.5
申请日：2021-02-05
Applicant: 清华大学 , 中国人民解放军海军航空大学
Abstract: 本发明提出一种基于密度审查的SAR图像舰船目标检测加速方法，属于合成孔径雷达图像处理领域。该方法首先对SAR图像进行超像素分割；分别计算每个超像素的密度特征和密度距离特征，筛选出该SAR图像作为目标聚类中心的超像素和作为杂波聚类中心的超像素；利用最近邻分类器比较每个超像素与杂波聚类中心的差异以及该超像素与目标聚类中心的差异，删除与目标聚类中心差异更大的超像素，将最终保留的超像素作为之后舰船目标检测方法的输入。本发明通过在检测之前先行快速删除大量海杂波超像素，将保留的超像素作为舰船目标检测方法的输入并进行精细检测，显著提升现有超像素检测方法的计算速度，提高了SAR图像中舰船目标检测的运行效率。
-
公开(公告)号：CN112766286A
公开(公告)日：2021-05-07
申请号：CN202110161165.7
申请日：2021-02-05
Applicant: 清华大学 , 中国人民解放军海军航空大学
Abstract: 本发明提出一种基于SAR图像全局‑局部特征的舰船目标检测方法，属于雷达图像处理领域。该方法首先对SAR图像建立对应的混合高斯模型，并对该图像进行超像素分割；然后分别计算每个超像素的费雪向量，以及每个费雪向量的全局密度对比度、全局密度距离对比度以及局部对比度；对全局密度对比度、全局密度距离对比度和局部对比度求积得到每个超像素的检验统计量；对每个检验统计量进行判定，最终得到SAR图像的舰船检测结果。本发明在SAR图像舰船检测中额外考虑了费雪向量的全局对比特征，有助于降低检测结果中的虚警率。
-
公开(公告)号：CN110598748A
公开(公告)日：2019-12-20
申请号：CN201910745676.6
申请日：2019-08-13
Applicant: 清华大学 , 中国人民解放军海军航空大学
Abstract: 本发明公开了一种基于卷积神经网络融合的异质图像变化检测方法及装置，其中，方法包括以下步骤：提取异质图像的卷积神经网络构造及同质变换特征；根据同质变换特征损失函数，融合异质图像之间的内容特征和风格形式特征，以进行异质图像的同质空间变换，得到同质空间变换的结果；根据同质空间变换的结果进行变化检测，得到最终异质图像变化检测结果。该方法能够在复杂的地形条件下仍然准确地检测异质图像的变化区域，进而全面且深入地提取异质图像之间的同质变换特征。
-
公开(公告)号：CN109360190A
公开(公告)日：2019-02-19
申请号：CN201811105522.2
申请日：2018-09-21
Applicant: 清华大学
Abstract: 本发明公开了一种基于图像超像素融合的建筑损毁检测方法及装置，其中，该方法包括以下步骤：对至少一幅合成孔径雷达图像和至少一幅光学图像进行超像素分割及相互对应处理，以提取多幅建筑物损毁检测图像的超像素；根据多幅建筑物损毁检测图像的超像素并利用BBA逐个超像素描述每幅建筑物损毁检测图像中建筑物损毁的置信度；融合多幅建筑物损毁检测图像中相互对应的超像素的BBA，以获取最终建筑物损毁检测结果。该方法可以在合成孔径雷达图像和光学图像的分辨率存在较大差异时仍然能够进行建筑物损毁检测，具有较高的准确率和有效性，解决了应用场景的局限性问题。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.029 seconds)
