-
公开(公告)号：CN114022812B
公开(公告)日：2024-05-10
申请号：CN202111282062.2
申请日：2021-11-01
申请人： 大连理工大学 , 大连理工大学人工智能大连研究院
摘要： 一种基于轻量化SSD的DeepSort水面漂浮物多目标跟踪方法，属于机器学习、目标跟踪领域。首先，获得若干水面漂浮物的连续视频帧。其次，输入水面漂浮物视频数据，通过轻量化的SSD检测算法获取当前帧的水面漂浮物目标检测框，基于视频当前帧的目标检测框进行状态预测，获得当前视频帧下的水面漂浮物目标跟踪框。再次，计算所有水面漂浮物目标检测框和跟踪框之间的运动匹配度和表观匹配度，将运动匹配度和表观匹配度进行综合匹配得到关联代价。最后，通过匈牙利算法将水面漂浮物的关联代价矩阵Ci，j进行关联匹配，确定跟踪结果。本发明能够实现水面漂浮物多目标跟踪，降低反向传播的参数数量和内存成本，提高数据关联的准确性，改善光照和遮挡物的影响。
-
公开(公告)号：CN113469097B
公开(公告)日：2023-10-17
申请号：CN202110789818.6
申请日：2021-07-13
申请人： 大连理工大学人工智能大连研究院 , 大连理工大学
IPC分类号： G06V20/10 , G06V20/52 , G06V10/30 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/096
摘要： 本发明涉及机器学习、图像识别领域，具体涉及一种基于SSD网络的水面漂浮物多相机实时检测方法，包括以下步骤：步骤1:通过视频录制、相机拍摄和网络收集来采集水面漂浮物数据；步骤2:采用数据降噪和数据增强算法进行水面漂浮物数据扩增；步骤三：采用Labelimg工具对水面漂浮物数据集标注；步骤四：采用迁移学习对SSD网络模型进行训练获取最优权重模型；步骤五：基于SSD网络最优权重模型的多相机水面漂浮物目标实时检测。本发明基于SSD网络对水面漂浮物进行多相机实时检测，能够有效降低光照、天气和动态背景对实时检测造成的干扰，同时弥补单一相机检测的缺陷，满足实时性和精度的要求。
-
公开(公告)号：CN113469097A
公开(公告)日：2021-10-01
申请号：CN202110789818.6
申请日：2021-07-13
申请人： 大连理工大学人工智能大连研究院 , 大连理工大学
摘要： 本发明涉及机器学习、图像识别领域，具体涉及一种基于SSD网络的水面漂浮物多相机实时检测方法，包括以下步骤：步骤1:通过视频录制、相机拍摄和网络收集来采集水面漂浮物数据；步骤2:采用数据降噪和数据增强算法进行水面漂浮物数据扩增；步骤三：采用Labelimg工具对水面漂浮物数据集标注；步骤四：采用迁移学习对SSD网络模型进行训练获取最优权重模型；步骤五：基于SSD网络最优权重模型的多相机水面漂浮物目标实时检测。本发明基于SSD网络对水面漂浮物进行多相机实时检测，能够有效降低光照、天气和动态背景对实时检测造成的干扰，同时弥补单一相机检测的缺陷，满足实时性和精度的要求。
-
公开(公告)号：CN114022812A
公开(公告)日：2022-02-08
申请号：CN202111282062.2
申请日：2021-11-01
申请人： 大连理工大学 , 大连理工大学人工智能大连研究院
摘要： 一种基于轻量化SSD的DeepSort水面漂浮物多目标跟踪方法，属于机器学习、目标跟踪领域。首先，获得若干水面漂浮物的连续视频帧。其次，输入水面漂浮物视频数据，通过轻量化的SSD检测算法获取当前帧的水面漂浮物目标检测框，基于视频当前帧的目标检测框进行状态预测，获得当前视频帧下的水面漂浮物目标跟踪框。再次，计算所有水面漂浮物目标检测框和跟踪框之间的运动匹配度和表观匹配度，将运动匹配度和表观匹配度进行综合匹配得到关联代价。最后，通过匈牙利算法将水面漂浮物的关联代价矩阵Ci，j进行关联匹配，确定跟踪结果。本发明能够实现水面漂浮物多目标跟踪，降低反向传播的参数数量和内存成本，提高数据关联的准确性，改善光照和遮挡物的影响。
-
公开(公告)号：CN117648878A
公开(公告)日：2024-03-05
申请号：CN202311444158.3
申请日：2023-11-02
申请人： 大连理工大学 , 松辽水利委员会水文局(信息中心)
IPC分类号： G06F30/28 , G06F30/27 , G06N3/0464 , G06N3/08 , G06F113/08 , G06F119/14
摘要： 一种基于1D‑CNN算法的洪水快速演进及淹没模拟方法，首先，构建研究区域的二维水动力学模型，并率定、验证模型糙率参数；其次，运行二维水动力学模型模拟不同历史工况下洪水演进及淹没模拟过程，提取模型输出的淹没水深模拟结果；然后，确定1D‑CNN模型的输入输出结构并生成训练、验证及测试样本集，建立基于1D‑CNN算法的洪水快速演进及淹没模拟模型，训练、优化模型内部权重参数；最后，测试1D‑CNN模型应用效果，以二维水动力学模型的模拟结果为基准，对比分析建立训练的1D‑CNN模型的洪水淹没模拟、预测效果，评估1D‑CNN模型的准确性和时效性。本发明能够有效解决传统二维水动力学模型计算耗时长、消耗大、稳定性差的问题，快速准确地模拟出洪水演进和淹没情况，满足洪水实时预报的应用需求，为洪水预警预演工作提供技术支撑。
-
公开(公告)号：CN116385915A
公开(公告)日：2023-07-04
申请号：CN202211098977.2
申请日：2022-09-06
申请人： 大连理工大学
IPC分类号： G06V20/40 , G06V10/22 , G06V10/762 , G06V10/80 , G06T7/20
摘要： 一种基于时空信息融合的水面漂浮物目标检测与跟踪方法。首先，获得不同时间、地点、季节和天气状况的水面漂浮物视频数据集。其次，在单帧检测中输入视频数据，通过改进的SSD检测算法获取当前帧的水面漂浮物目标检测框。再次，在多帧滤波中将视频第一帧的目标检测框作为改进KCF跟踪算法的输入进行目标跟踪，获得当前视频帧下的水面漂浮物目标跟踪框。最后，在完成视频帧中固定帧数的跟踪后，在下一帧视频帧中再次引入SSD检测算法获得漂浮物目标的新检测框，采取候选框选择策略比较新检测框和旧跟踪框的重合度进行跟踪判断。若重合度满足条件，则继续跟踪当前漂浮物目标；若重合度不满足条件，则将漂浮物目标视为新目标并输出，参与KCF跟踪算法的初始化跟踪新目标。本发明通过时空融合策略判断检测和跟踪信息是否属于新的漂浮物目标，降低目标物体的误检率和漏检率，提升漂浮物检测与跟踪的精度。
-
公开(公告)号：CN106951682A
公开(公告)日：2017-07-14
申请号：CN201710109519.7
申请日：2017-03-01
申请人： 大连理工大学 , 中国水利水电科学研究院
IPC分类号： G06F19/00
CPC分类号： G06F19/00
摘要： 本发明提供一种基于不确定性分析的山丘区水文预报模型与数据精度匹配方法，包括以下步骤：1)分析某一类型数据精度对模拟的影响；2)基于单独一种数据精度对水文模拟结果的影响分析，选择对结果影响较大的数据精度，采用方差分解方法ANOVA量化水文模拟中诸多数据类型对模拟结果的不确定性贡献，识别影响模拟结果不确定性的来源，找到水文预报模型与数据精度匹配的方案。该方法综合考虑影响水文模型不确定性的因子，并将方差分解方法ANOVA成功应用于水文模型不确定性研究。为全面认识水文模型不确定性的本质和内在规律提供服务，为山洪灾害预报预警工作提供了更有效的建议和参考。
-
公开(公告)号：CN111119131B
公开(公告)日：2024-07-12
申请号：CN202010014073.1
申请日：2020-01-07
申请人： 大连理工大学
摘要： 本发明属于水利水电领域，涉及一种可消除闸门前漩涡的平板闸门装置。在闸门迎水面竖向布置两个与闸门同高的紧贴闸门表面的曲线型隔栅，并且给出曲线型隔栅的曲线要求。这样的布置方式使得双曲消涡隔栅在不同淹没水深和不同闸门开度时都能发挥消涡功效，且结构简单，布置方便，易于检修和维护，不会影响闸前水流流态和闸门过流能力，不引入新的有害漩涡以及不会产生额外的表面涡纹和表面凹陷涡。由此减轻闸门前因漩涡存在而产生降低过流能力、加剧水流紊动，引起过水建筑物振动、恶化水流流态，造成空化空蚀等现象，保证工程安全运行。
-
公开(公告)号：CN114386677A
公开(公告)日：2022-04-22
申请号：CN202111594179.4
申请日：2021-12-24
申请人： 大连理工大学
摘要： 一种基于新型通用输入输出结构与长短时记忆网络的洪水预报方法。首先，根据研究流域历史场次洪水数据分析汇流特性，计算研究流域平均汇流时间；其次根据流域平均汇流时间确定LSTM洪水预报模型的输出时段数，给定LSTM洪水预报模型的隐藏层层数和隐藏层神经元节点数。接着，设计新型通用LSTM洪水预报模型的输入输出结构，输入训练集、验证集样本训练模型，得到不同结构与参数的洪水预报模型。最后，比较分析不同输入长度下的LSTM洪水预报模型在训练集、验证集的表现，确定最终较优的LSTM洪水预报模型，并评估分析LSTM洪水预报模型在测试集的预报效果。本发明通用性较强，建立的LSTM洪水预报模型能够取得较好的预报效果，为流域洪水灾害防御工作提供新技术支撑。
-
公开(公告)号：CN108021773B
公开(公告)日：2021-01-05
申请号：CN201711440083.6
申请日：2017-12-27
申请人： 大连理工大学 , 中国水利水电科学研究院
摘要： 基于DSS数据库读写的分布式水文模型多场次洪水参数率定方法，属于水文模型参数率定技术领域，步骤为：1)构建多目标遗传算法eNSGA‑II框架用于HEC‑HMS模型的参数多目标优化率定；2)基于参数优化框架，利用JAVA语言将参数种群中的个体写入basin文件以输入模型参数，并在模型运行之后从DSS数据库中提取模拟结果反馈至框架以计算参数个体适应度生成新参数种群，实现模型与参数优化框架的耦合，完成整个参数自动率定过程；3)依据参数物理意义是否符合流域特性等标准，在Pareto解集中选取适宜的参数输入模型，并对模拟结果进行精度评定。本发明突破模型的应用局限性，极大地节省率定时间和人力，有利于模型的推广使用。
-
-
-
-
-
-
-
-
-
搜索结果
30 条记录 (耗时 0.032 秒)