-
公开(公告)号：CN113111764A
公开(公告)日：2021-07-13
申请号：CN202110377531.2
申请日：2021-04-08
Applicant: 东南大学
Abstract: 本发明公开了一种基于主动深度学习的水下目标识别方法，包括如下步骤：1、对声呐信号原始数据进行预处理，并将其划分为备选集和测试集；2、从步骤1中划分的备选集中，选择一部分数据，标注后从备选集移动到训练集，作为初始训练数据；3、使用训练集中的数据训练CNN模型，并在训练完成时记录模型性能；4、在剩余的备选集中，按照主动学习策略，挑选一定数量的数据，标注后移动到训练集；5、重复步骤3和4，直至备选集中的所有数据都加入训练集；6、模型训练结束，根据每步记录的模型性能，得出模型性能随训练数据量的变化关系。本发明在相关任务中有显著的降低数据标注成本、提升数据标注效率的作用。
-
公开(公告)号：CN109993280B
公开(公告)日：2021-05-11
申请号：CN201910236715.X
申请日：2019-03-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度学习的水下声源定位方法，包括：对使用KRAKEN程序模拟出的向量数据进行归一化操作，并叠加0均值高斯随机噪声复向量n，得到在频率f处的模拟声场数据p(f)；根据模拟声场数据p(f)构建归一化协方差矩阵H，并对矩阵H进行Hermitian分解，将复矩阵H转化为卷积神经网络能够处理的实矩阵，得到卷积神经网络的输入数据；使用输入数据训练卷积神经网络，得到水下声源定位预测模型，则根据观测到的声场数据，预测出信号源的距离和深度。本发明针对单、多声源情形下水下声源定位使用了LeNet‑5卷积神经网络与56层深度残差网络，取得了拥有较高精度和准确率的水下声源定位算法，并提高了水下声源定位的实时性。
-
公开(公告)号：CN107909082B
公开(公告)日：2020-07-31
申请号：CN201711036788.1
申请日：2017-10-30
Applicant: 东南大学
Abstract: 本发明公开一种基于深度学习技术的声呐图像目标识别方法，首先利用声呐图像数据集对针对声呐图像数据集设计的共享卷积网络M_net进行预训练；其次使用声呐图像数据集对整个目标检测网络进行监督式训练；最终将整个系统用于声呐图像的目标检测。针对现有的深度学习技术对于声呐图像检测准确率与效率较低的的问题，自行设计针对声呐图像的目标检测网络，并使用声呐图像数据集进行预训练，从而达成声呐图像高准确率与高效率的检测要求；相对于传统的基于深度学习技术对于声呐图像目标识别技术，本发明针对声呐图像目标识别具有高准确率与高效率的特点。
-
公开(公告)号：CN110909207A
公开(公告)日：2020-03-24
申请号：CN201910845200.X
申请日：2019-09-08
Applicant: 东南大学
IPC: G06F16/74 , G06F16/783 , G06T5/40 , G06T7/90
Abstract: 本发明公开了一种包含手语的新闻类视频描述数据集构建方法，该方法的主要特征在于把新闻类视频构建成包含音频、视频、手语、语言描述的数据集；该方法利用色差直方图算法进行视频的自动分割，并使用ffmpeg完成视频信息的自动提取，最后构建图形用户界面并根据用户输入信息自动生成视频描述与视频信息json文件。本发明通过利用新闻视频数据与手语信息构建数据集，为视频描述网络的研究以及视频描述技术在残疾人士服务中的应用提供了支持。
-
公开(公告)号：CN104881682B
公开(公告)日：2019-03-05
申请号：CN201510274498.5
申请日：2015-05-26
Applicant: 东南大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于保局映射与主成分分析的图像分类方法，包括以下步骤：1、输入训练对象；2、建立一层或两层的流形学习网络，对于每一种具体的网络，学习得到每一层的滤波器；3、建立流形学习网络的输出层得到最终特征向量；4、将步骤3中最终得到的所有的特征向量输入支持向量机分类器进行训练；5、用校验图像集进行校验，调整到最佳网络参数；6、对测试图像进行测试，统计分类结果，计算识别率。本发明通过构造三种结构相似但不同网络层的网络，应用一种流形方法即保局映射获得图像更加本质的的局部结构，使得在各种分类任务中，构造的网络更加具有分辨力，获得更高的图像的分类准确率。
-
Patent Agency Ranking
公开(公告)号：CN105652264B
公开(公告)日：2018-07-10
申请号：CN201610006173.3
申请日：2016-01-05
Applicant: 东南大学
Abstract: 本发明公开了一种基于高阶累积量的多路径传播声信号分离方法。本发明将原有的基于二阶累积量的主动宽带信号分离方法拓展到四阶累计量，根据四阶累计量构造相应的副本矢量和噪声子空间，并假设声信号传播过程中的加性噪声为彩色噪声，最后根据与噪声子空间的正交性搜索出声线路径。本发明还公开了一种基于声线传播时间层析的海洋声层析方法以及一种声源定位方法。相比现有技术，本发明具有更高分离精度，能正确分离出间隔较小的声线路径，并能适用于传感器数目小于射线路径的情况，同时还可抑制高斯噪声和非高斯噪声的影响。
-
公开(公告)号：CN106485279A
公开(公告)日：2017-03-08
申请号：CN201610895130.5
申请日：2016-10-13
Applicant: 东南大学
CPC classification number: G06K9/4647 , G06K9/6256 , G06K9/6267
Abstract: 本发明公开了一种基于Zernike矩网络的图像分类方法，包括以下步骤：(1)输入并预处理训练图像和测试图像，得到输入图像的局部特征矩阵，建立一个两层的基于Zernike矩的网络，得到训练图像和测试图像的主特征向量；(2)用获得的训练图像的主特征向量训练分类器，将测试图像的主特征向量输入已经训练好的分类器中进行分类，计算出分类正确率。本发明通过构造一个两层的基于Zernike矩的网络，利用Zernike矩的旋转不变性，能够获得图像的旋转不变的特征和图像的非线性特征，使得对图像特征的描述更精准，分类也更为准确。对于图像分类问题，尤其是对于具有旋转特征的图像的分类问题有着更高的分类正确率。
-
公开(公告)号：CN105703841A
公开(公告)日：2016-06-22
申请号：CN201610132769.8
申请日：2016-03-09
Applicant: 东南大学
CPC classification number: H04B11/00 , G01S7/539 , H04B7/0617
Abstract: 本发明公开了一种多路径传播宽带主动声信号的分离方法。本发明分两步实现声线路径的分离，第一步首先对传感器阵列所接收信号进行空域平滑与TCT变换，计算频谱矩阵，构造相应的副本矢量与噪声子空间，根据信号子空间与噪声子空间的正交性，计算多项式的根，估算出声线路径在传感器间的时间延迟；第二步、对传感器接收信号进行空域-频域平滑，计算频谱矩阵，构造相应的副本矢量与噪声子空间，根据信号子空间与噪声子空间的正交性，并结合传感器间的时间延迟，计算多项式的根，估算出声线路径到达传感器的时间。本发明还公开了一种基于声线传播时间层析的海洋声层析方法及一种声源定位方法。本发明在允许的误差范围内可大幅提高声信号分离的效率。
-
-
公开(公告)号：CN118297096A
公开(公告)日：2024-07-05
申请号：CN202410362995.X
申请日：2024-03-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于网格治理的群体智能优化方法，包括：对待智能优化群体区域进行网格划分；对网格成员位置进行更新，实现网格进化；对网格员进行换届选取；包括：对进化后的各网格成员进行适应度计算；根据适应度值对各个网格成员进行排序，选择适应度最优且各维度位置变量距离不小于网格成员与网格员偏移距离的N个网格成员作为下一届候选网格员；通过迭代计算输出当前最优网格成员位置及适应度值。本发明能够以简单的超参数设置、较少的迭代次数、较强的全局收敛性完成低维、高维函数的极值寻优，并可应用到多雷达优化部署等组合优化问题中。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.045 seconds)
