-
公开(公告)号:CN118230051A
公开(公告)日:2024-06-21
申请号:CN202410415348.0
申请日:2024-04-08
申请人: 中国人民解放军空军工程大学
IPC分类号: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
摘要: 提供一种基于Air2pict‑ResNet18的飞行编队构型识别方法,包括下列步骤:构建用于训练的构型识别数据库;构建Air2pict上采样网络;构建ResNet18网络;训练基于Air2pict‑ResNet18的编队构型识别网络;根据编组内飞机属性求解编队构型。本发明从基于空情态势画面判断编队构型的角度入手,提出本发明方法,该方法将编队构型识别问题转化为通用图像分类问题,实现高准确性、高时效性、强鲁棒性的飞行编队构型识别方法。
-
公开(公告)号:CN112651329A
公开(公告)日:2021-04-13
申请号:CN202011536094.6
申请日:2020-12-23
申请人: 中国人民解放军空军工程大学
摘要: 本发明公开了一种双流特征学习生成对抗网络的低分辨率船舶分类方法,包括步骤:一、建立船舶图像训练集;二、构建并训练集高频和低频图像分解器为一体的双流通道图像分解器;三、优化基于特征学习的生成对抗网络;四、训练船舶分类器;五、低分辨率船舶图像的高低频分量分解、增强、拼接及分类。本发明针对低分辨率船舶图像信息匮乏的问题,提出了双流特征学习生成对抗网络的船舶图像分类方法,解决了船舶图像在降采样过程中高频分量和低频分量损失不一致的问题,通过高分辨率图像引导,构建双流通道图像分解器,生成增强的图像特征,通过图像拼接,保留几乎所有的输入图像内容,完成低分辨率船舶分类任务,分类效果好。
-
公开(公告)号:CN112651329B
公开(公告)日:2022-10-11
申请号:CN202011536094.6
申请日:2020-12-23
申请人: 中国人民解放军空军工程大学
IPC分类号: G06V20/13 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
摘要: 本发明公开了一种双流特征学习生成对抗网络的低分辨率船舶分类方法,包括步骤:一、建立船舶图像训练集;二、构建并训练集高频和低频图像分解器为一体的双流通道图像分解器;三、优化基于特征学习的生成对抗网络;四、训练船舶分类器;五、低分辨率船舶图像的高低频分量分解、增强、拼接及分类。本发明针对低分辨率船舶图像信息匮乏的问题,提出了双流特征学习生成对抗网络的船舶图像分类方法,解决了船舶图像在降采样过程中高频分量和低频分量损失不一致的问题,通过高分辨率图像引导,构建双流通道图像分解器,生成增强的图像特征,通过图像拼接,保留几乎所有的输入图像内容,完成低分辨率船舶分类任务,分类效果好。
-
-
-