-
公开(公告)号：CN110032214B
公开(公告)日：2022-04-01
申请号：CN201910311840.2
申请日：2019-04-17
申请人： 中国人民解放军海军航空大学
IPC分类号： G05D1/12
摘要： 本发明属于目标跟踪技术，针对单个载机需要与目标间隔一定距离并持续跟踪目标的问题，提供一种基于矢量场的快速Standoff跟踪方法。考虑传统的基于向量场制导方法收敛到跟踪圆较慢的情况，构建了新的制导函数用来代替原有的制导参数，有效提高了收敛速度。考虑无人机的性能约束，使用离线搜索方法确定制导函数中的参数，从而到达最快的收敛速度并保证能够直接在standoff圆上形成稳定跟踪，避免出现反复波动后才稳定收敛的问题。此外，针对运动目标的standoff跟踪场景，提出了两种解决方案，实际应用时可以根据任务要求选择不同的方案和制导函数。
-
公开(公告)号：CN111401302A
公开(公告)日：2020-07-10
申请号：CN202010266998.5
申请日：2020-04-07
申请人： 中国人民解放军海军航空大学
摘要： 本发明实施例公开了一种遥感图像舰船目标一体化检测与细粒度识别方法。所述方法包括：获取训练样本集；确定遥感图像处理模型中集成的特征提取共享模型、用于输出目标对象的位置信息的位置检测分支模型和用于输出目标对象的类型信息的类型识别分支模型；采用通过特征提取共享模型从训练样本提取的共享图像特征，对位置检测分支模型和所述类型识别分支模型进行交替训练，以在满足预设收敛条件时完成对所述遥感图像处理模型的训练。采用本申请方案，可避免在对位置检测分支模型和类型识别分支模型进行训练或者使用时重复提取该共享的部分图像特征，避免额外增加这部分提取操作的任务量，不仅大幅度降低了模型训练的任务量。
-
公开(公告)号：CN111401307A
公开(公告)日：2020-07-10
申请号：CN202010270683.8
申请日：2020-04-08
申请人： 中国人民解放军海军航空大学
摘要： 本发明公开了一种基于卫星遥感图像的CNN训练及多目标关联方法，其中，基于卫星遥感图像的CNN训练方法包括：构建目标对象的训练样本集；所述训练样本集包括所述目标对象的不同类型图像的样本对；所述目标对象包括多个类别；将所述训练样本集输入至卷积神经网络进行训练；其中，训练得到的卷积神经网络用于对所述目标对象进行多目标关联；所述卷积神经网络为孪生卷积神经网络。本发明的技术方案能够降低利用单一特征关联引起的模糊性，从而提高对目标对象进行多目标关联的准确率。
-
公开(公告)号：CN111401309B
公开(公告)日：2022-07-12
申请号：CN202010271261.2
申请日：2020-04-08
申请人： 中国人民解放军海军航空大学
摘要： 本发明公开了一种基于小波变换的CNN训练及遥感图像目标识别，其中，基于小波变换的CNN训练方法包括：构建目标对象的训练集；对所述训练集中的训练图像进行图像预处理，得到预处理训练图像；对所述预处理训练图像进行小波变换，得到变换小波图像；将所述变换小波图像和所述预处理训练图像分别输入至卷积神经网络进行训练。本发明的技术方案能够提高基于卷积神经网络的图像识别方法的准确率和识别精度。
-
公开(公告)号：CN109828251B
公开(公告)日：2022-07-12
申请号：CN201910173559.7
申请日：2019-03-07
申请人： 中国人民解放军海军航空大学
IPC分类号： G01S7/41 , G06V10/44 , G06V10/774
摘要： 本发明属于雷达目标自动识别技术，针对低信噪比条件下的目标HRRP特征提取和分类识别问题，提供了一种基于特征金字塔轻量卷积神经网络的雷达目标识别方法。为兼顾目标HRRP局部信息和全局信息，利用HRRP多尺度表示构建模型的多通道输入，并基于深度可分离卷积层设计轻量卷积神经网络，有效减少参数数量，提高了泛化性能，同时加入特征金字塔融合来提取目标的鲁棒特征，提高模型稳定性。
-
公开(公告)号：CN111401302B
公开(公告)日：2022-08-02
申请号：CN202010266998.5
申请日：2020-04-07
申请人： 中国人民解放军海军航空大学
IPC分类号： G06V20/13 , G06V10/774 , G06V10/764 , G06K9/62
摘要： 本发明实施例公开了一种遥感图像舰船目标一体化检测与细粒度识别方法。所述方法包括：获取训练样本集；确定遥感图像处理模型中集成的特征提取共享模型、用于输出目标对象的位置信息的位置检测分支模型和用于输出目标对象的类型信息的类型识别分支模型；采用通过特征提取共享模型从训练样本提取的共享图像特征，对位置检测分支模型和所述类型识别分支模型进行交替训练，以在满足预设收敛条件时完成对所述遥感图像处理模型的训练。采用本申请方案，可避免在对位置检测分支模型和类型识别分支模型进行训练或者使用时重复提取该共享的部分图像特征，避免额外增加这部分提取操作的任务量，不仅大幅度降低了模型训练的任务量。
-
公开(公告)号：CN111401307B
公开(公告)日：2022-07-01
申请号：CN202010270683.8
申请日：2020-04-08
申请人： 中国人民解放军海军航空大学
摘要： 本发明公开了一种基于卫星遥感图像的CNN训练及多目标关联方法，其中，基于卫星遥感图像的CNN训练方法包括：构建目标对象的训练样本集；所述训练样本集包括所述目标对象的不同类型图像的样本对；所述目标对象包括多个类别；将所述训练样本集输入至卷积神经网络进行训练；其中，训练得到的卷积神经网络用于对所述目标对象进行多目标关联；所述卷积神经网络为孪生卷积神经网络。本发明的技术方案能够降低利用单一特征关联引起的模糊性，从而提高对目标对象进行多目标关联的准确率。
-
公开(公告)号：CN111401309A
公开(公告)日：2020-07-10
申请号：CN202010271261.2
申请日：2020-04-08
申请人： 中国人民解放军海军航空大学
摘要： 本发明公开了一种基于小波变换的CNN训练及遥感图像目标识别，其中，基于小波变换的CNN训练方法包括：构建目标对象的训练集；对所述训练集中的训练图像进行图像预处理，得到预处理训练图像；对所述预处理训练图像进行小波变换，得到变换小波图像；将所述变换小波图像和所述预处理训练图像分别输入至卷积神经网络进行训练。本发明的技术方案能够提高基于卷积神经网络的图像识别方法的准确率和识别精度。
-
公开(公告)号：CN110032214A
公开(公告)日：2019-07-19
申请号：CN201910311840.2
申请日：2019-04-17
申请人： 中国人民解放军海军航空大学
IPC分类号： G05D1/12
摘要： 本发明属于目标跟踪技术，针对单个载机需要与目标间隔一定距离并持续跟踪目标的问题，提供一种基于矢量场的快速Standoff跟踪方法。考虑传统的基于向量场制导方法收敛到跟踪圆较慢的情况，构建了新的制导函数用来代替原有的制导参数，有效提高了收敛速度。考虑无人机的性能约束，使用离线搜索方法确定制导函数中的参数，从而到达最快的收敛速度并保证能够直接在standoff圆上形成稳定跟踪，避免出现反复波动后才稳定收敛的问题。此外，针对运动目标的standoff跟踪场景，提出了两种解决方案，实际应用时可以根据任务要求选择不同的方案和制导函数。
-
公开(公告)号：CN109828251A
公开(公告)日：2019-05-31
申请号：CN201910173559.7
申请日：2019-03-07
申请人： 中国人民解放军海军航空大学
摘要： 本发明属于雷达目标自动识别技术，针对低信噪比条件下的目标HRRP特征提取和分类识别问题，提供了一种基于特征金字塔轻量卷积神经网络的雷达目标识别方法。为兼顾目标HRRP局部信息和全局信息，利用HRRP多尺度表示构建模型的多通道输入，并基于深度可分离卷积层设计轻量卷积神经网络，有效减少参数数量，提高了泛化性能，同时加入特征金字塔融合来提取目标的鲁棒特征，提高模型稳定性。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.036 秒)
