-
公开(公告)号：CN115720272A
公开(公告)日：2023-02-28
申请号：CN202110976025.5
申请日：2021-08-24
IPC分类号： H04N19/597 , H04N19/42 , H04N19/44
摘要： 本发明公开了点云预测、点云编码、点云解码方法及设备，所述点云预测方法包括：根据点云中的已编码点，得到已编码候选点；依据待编码点在点云中的位置与所述已编码候选点在点云中的位置，得到所述待编码点与所述已编码候选点之间的几何距离；依据所述已编码候选点所对应的已编码属性信息和所述待编码点所对应的已编码属性信息，得到所述待编码点与所述已编码候选点之间的属性距离；依据所述几何距离和所述属性距离，得到已编码匹配点；依据所述已编码匹配点，对所述待编码点所对应的待编码属性进行预测，得到预测值。本发明更好考虑了已编码点属性与待编码点属性之间的联系，得到了更准确的预测值，提高了点云编码效果。
-
公开(公告)号：CN112350787A
公开(公告)日：2021-02-09
申请号：CN202011091349.2
申请日：2020-10-13
IPC分类号： H04B17/30
摘要： 本发明公开了一种无线电信号异常检测方法，包括以下步骤：S1、采集两段正常工作的无线电信号数据，计算第一相对小波时间熵；S2、根据第一相对小波时间熵的曲线波动范围，得到时间熵阈值；S3、采集正常工作的无线电信号数据和待检测的无线电信号数据，计算第二相对小波时间熵；S4、统计第二相对小波时间熵大于时间熵阈值的无线电信号数据的样本点数，计算异常信号比率；S5、判断异常信号比率是否大于异常信号比率阈值，若是，则待检测的无线电信号数据异常，若否，则跳转至步骤S3；本发明解决了现有技术大都是基于有监督的方法进行分类，并且异常信号类型采用人为标准定义的问题。
-
公开(公告)号：CN112183659A
公开(公告)日：2021-01-05
申请号：CN202011100248.7
申请日：2020-10-15
摘要： 本发明涉及信号辐射源识别技术领域，公开了一种基于卷积神经网络的未知信号辐射源识别方法。该方法包括利用已知源数据训练卷积神经网络模型，提取已知源在神经网络末端层的高维度向量，对高维度向量进行PCA降维得到低维度向量，计算已知源的低维度向量中心，提取待测源在神经网络末端层的高维度向量，对高维度向量进行PCA降维得到低维度向量，计算待测源的低维度向量与已知源的低维度向量中心之间的欧式距离，根据欧式距离对待测信号辐射源进行判决。本发明解决了现有信号辐射源识别过程中因卷积神经网络硬判决而无法识别未知源的问题，具有简单易行、识别高效的特点。
-
公开(公告)号：CN112163636A
公开(公告)日：2021-01-01
申请号：CN202011100245.3
申请日：2020-10-15
摘要： 本发明公开了一种基于孪生神经网络的电磁信号辐射源的未知模式识别方法，涉及电磁信号辐射源识别技术领域。本发明针对多源多模型场景下的电磁信号辐射源闭集识别问题，利用孪生网络的距离判决，将某已知源未知模式的数据与多个已知源已知模式输入进孪生网络中，得到对应的多个距离，随后找出多个距离中每个已知源对应的最近的几个距离之和，并对每个已知源对应的距离之和相比较，找到最小的距离之和，随后判决为其对应的所属源，从而实现未知模式的有效判决。本发明在三源三模式、三源五模式、五源五模式下均能有效完成未知模式的识别任务，显著提高平均识别成功率。
-
公开(公告)号：CN112163636B
公开(公告)日：2023-09-26
申请号：CN202011100245.3
申请日：2020-10-15
IPC分类号： G06F18/2413 , G06F18/214 , G06N3/0464
摘要： 本发明公开了一种基于孪生神经网络的电磁信号辐射源的未知模式识别方法，涉及电磁信号辐射源识别技术领域。本发明针对多源多模型场景下的电磁信号辐射源闭集识别问题，利用孪生网络的距离判决，将某已知源未知模式的数据与多个已知源已知模式输入进孪生网络中，得到对应的多个距离，随后找出多个距离中每个已知源对应的最近的几个距离之和，并对每个已知源对应的距离之和相比较，找到最小的距离之和，随后判决为其对应的所属源，从而实现未知模式的有效判决。本发明在三源三模式、三源五模式、五源五模式下均能有效完成未知模式的识别任务，显著提高平均识别成功率。
-
公开(公告)号：CN112183659B
公开(公告)日：2023-04-07
申请号：CN202011100248.7
申请日：2020-10-15
IPC分类号： G06F18/2135 , G06F18/23 , G06N3/0464
摘要： 本发明涉及信号辐射源识别技术领域，公开了一种基于卷积神经网络的未知信号辐射源识别方法。该方法包括利用已知源数据训练卷积神经网络模型，提取已知源在神经网络末端层的高维度向量，对高维度向量进行PCA降维得到低维度向量，计算已知源的低维度向量中心，提取待测源在神经网络末端层的高维度向量，对高维度向量进行PCA降维得到低维度向量，计算待测源的低维度向量与已知源的低维度向量中心之间的欧式距离，根据欧式距离对待测信号辐射源进行判决。本发明解决了现有信号辐射源识别过程中因卷积神经网络硬判决而无法识别未知源的问题，具有简单易行、识别高效的特点。
-
公开(公告)号：CN112350787B
公开(公告)日：2021-09-07
申请号：CN202011091349.2
申请日：2020-10-13
IPC分类号： H04B17/30
摘要： 本发明公开了一种无线电信号异常检测方法，包括以下步骤：S1、采集两段正常工作的无线电信号数据，计算第一相对小波时间熵；S2、根据第一相对小波时间熵的曲线波动范围，得到时间熵阈值；S3、采集正常工作的无线电信号数据和待检测的无线电信号数据，计算第二相对小波时间熵；S4、统计第二相对小波时间熵大于时间熵阈值的无线电信号数据的样本点数，计算异常信号比率；S5、判断异常信号比率是否大于异常信号比率阈值，若是，则待检测的无线电信号数据异常，若否，则跳转至步骤S3；本发明解决了现有技术大都是基于有监督的方法进行分类，并且异常信号类型采用人为标准定义的问题。
-
公开(公告)号：CN118628841B
公开(公告)日：2024-11-05
申请号：CN202411095587.9
申请日：2024-08-12
申请人： 鹏城实验室
IPC分类号： G06V10/764 , G06V10/98
摘要： 本申请实施例提供遥感图像数据处理方法、装置、设备和存储介质，涉及遥感图像处理技术领域。从遥感图像的概率图像中选取目标概率图像，获取时间前概率图像和时间后概率图像，从目标概率图像中选取目标像素，选取当前类别，根据目标概率图像计算目标像素的空间邻域相似权重，根据时间前概率图像和时间后概率图像计算目标像素的时间邻域相似权重，基于目标像素的概率值、空间邻域相似权重和时间邻域相似权重计算当前类别的修正权重，根据修正权重更新遥感图像中目标像素对应的类别结果。利用长时序遥感数据的分类结果在时间和空间上存在前后变化的合理性，结合空间邻域相似权重和时间邻域相似权重对分类结果进行修正，提升分类结果的准确性。
-
公开(公告)号：CN118429548B
公开(公告)日：2024-09-10
申请号：CN202410896013.5
申请日：2024-07-05
申请人： 鹏城实验室
摘要： 本申请实施例提供点云数据重建方法、装置、设备和存储介质，涉及数据处理技术领域。该方法对待处理点云进行下采样得到再下采样点云，并获取再下采样点云中每个样本点的采样模式对训练模式预测模型，获取待处理点云对应的待处理占位信息，将待处理占位信息输入模式预测模型进行上采样模式预测得到上采样预测模式，基于上采样预测模式对待处理点云进行点云重建得到目标点云。利用待处理点云的下采样过程中的邻居占位信息和上采样模式，训练模式预测模型。使用模式预测模型对待处理点云的上采样模式进行预测。结合上采样模式进行点云重建时，达到减少甚至去除下采样失真的目的，从而实现点云重建数据质量的增强，提升重建数据的准确度。
-
公开(公告)号：CN117036748A
公开(公告)日：2023-11-10
申请号：CN202310953094.3
申请日：2023-07-31
申请人： 鹏城实验室
IPC分类号： G06V10/74 , G06V20/10 , G06V10/25 , G06V10/26 , G06V20/70 , G06V10/34 , G06V10/36 , G06V10/422 , G06V10/54 , G06V10/58 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094
摘要： 本申请实施例提供了一种高分辨率遥感影像标注的迁移修正方法、系统及存储介质，属于遥感影像处理领域。该方法包括：获取样本影像和目标影像，其中，样本影像和目标影像均包括至少一个目标物体，样本影像配置有目标物体的标注信息；将目标影像输入到预先训练好的预测模型中，得到目标影像预测概率图；根据标注信息确定样本斑块，并在预测概率图中确定样本斑块的匹配区域；计算至少一个样本斑块和匹配区域中各像素点的相似度值，并基于相似度值在匹配区域中以最大权值整体约束匹配各样本斑块，得到目标匹配位置，并最终得到目标物体在目标影像中的目标标注结果。本申请能够提高同一区域、不同时相遥感影像数据标注迁移修正的准确度。
-
-
-
-
-
-
-
-
-
搜索结果
379 条记录 (耗时 0.125 秒)
