-
公开(公告)号：CN118967744A
公开(公告)日：2024-11-15
申请号：CN202410966426.6
申请日：2024-07-18
Applicant: 哈尔滨工程大学三亚南海创新发展基地 , 哈尔滨工程大学
IPC: G06T7/246 , G06V10/80 , G06V10/82 , G06T7/73 , G06V10/762 , G06V10/764 , G06N3/0464
Abstract: 本发明提出一种对跨介质运动目标的跟踪方法及系统，该方法将目标在水面域的光学特征与红外特征、水下域的光学特征与声呐特征进行融合，并在检测器额外增加跨介质目标预测头，利用融合特征与原始特征图交互后特征，对跨介质目标进行准确检测；提取目标的跨介质多模态Re‑ID特征，并将其映射到高维空间统一聚合，实现对目标的高级语义信息统一与重识别。对目标在单一介质域航行时，利用跟踪器候选目标信息召回、历史轨迹预测、最大响应值信息等多源信息最优估计实现对跨介质目标的平滑稳定跟踪。本发明方法可以对跨介质运动的航行器或其他目标进行精确检测，重识别与跟踪，提高对跨介质运动目标跟踪的精确性与连续性。
-
公开(公告)号：CN118941790A
公开(公告)日：2024-11-12
申请号：CN202410965874.4
申请日：2024-07-18
Applicant: 哈尔滨工程大学三亚南海创新发展基地 , 哈尔滨工程大学
IPC: G06V10/26 , G06V10/82 , G06V10/80 , G06N3/045 , G06N3/0464
Abstract: 一种极地船舶航道偏振光语义分割方法，它涉及一种偏振光语义分割方法。本发明为了解决传统的遥感技术，如光学和雷达成像，虽然在一定程度上能够提供极地冰区船舶航道信息，但在实际应用中仍存在分辨率有限、噪声干扰和天气条件影响的问题。本发明通过拍摄极地冰区海面图像，并对海面的浮冰和可通行航道区域进行类别掩码标注，构建海面目标检测数据集，构建极地船舶航道偏振光语义分割数据集；构建偏振生成注意力网络模块；构建偏振光语义分割框架；利用构建的极地船舶航道偏振光语义分割数据集；将训练好的极地船舶航道偏振光语义分割网络进行部署，实现高精度的极地船舶航道分割。本发明属于深度学习技术领域。
-
公开(公告)号：CN118918068A
公开(公告)日：2024-11-08
申请号：CN202410951526.1
申请日：2024-07-16
Applicant: 哈尔滨工程大学三亚南海创新发展基地 , 哈尔滨工程大学
Abstract: 一种基于光学图像和单点激光的极地冰层厚度水下智能测量方法，它涉及一种极地冰层厚度水下智能测量方法。本发明为了解决现有的测量技术难以在极地环境中实现高精度、低成本和高效率的冰层厚度测量的问题。本发明的步骤包括：步骤1、构建水下极地冰层厚度测量数据集；步骤2、计算单点激光作用区域位置像素坐标；步骤3、构建极地冰层厚度预测网络模型；步骤4、完成极地冰层厚度预测网络模型训练；步骤5、极地冰层厚度预测网络模型量化部署；步骤6、测量极地冰层厚度。本发明属于深度学习技术领域。
-
Patent Agency Ranking
公开(公告)号：CN116719331A
公开(公告)日：2023-09-08
申请号：CN202310454473.8
申请日：2023-04-25
Applicant: 哈尔滨工程大学
Abstract: 海底管道铺设着泥点自动跟踪监测系统及方法，它属于水下机器人智能应用领域。本发明解决了现有方法不能兼顾跟踪监测的准确率和效率，以及现有方法的复杂度高、可靠性差的问题。本发明根据图像与实际的物理空间的映射关系，结合图像中检测得到的着泥点位置和水下机器人自身的位置信息，可以解算出着泥点与水下机器人实际的相对空间位置，根据解算出的相对空间位置可以生成水下机器人的控制指令。本发明方法可以应用于海底管道铺设着泥点的自动跟踪监测。
-
公开(公告)号：CN115661657A
公开(公告)日：2023-01-31
申请号：CN202211378414.9
申请日：2022-11-04
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种轻量化的无人艇海面目标检测方法，通过使用Mosaic图像扩增，丰富了图像的背景信息并增加了小尺度目标的数量，提高了海面小目标的检测精度。通过使用轻量化的网络ShuffleNet v2作为YOLO v5网络结构中的特征提取网络，使用深度可分离卷积代替YOLO v5中的Bottleneck模块，显著降低了模型的参数量，大幅度提高了在嵌入式设备上的检测速度。相对于原本的YOLO v5网络，具有更快的处理速度，充分满足无人艇在检测海面目标时对于实时性的要求。本发明解决现有的目标检测算法无法在算力有限的嵌入式设备上完成实时目标检测的问题，用于在无人艇所搭载的嵌入式平台上完成实时目标检测。
-
公开(公告)号：CN116118531A
公开(公告)日：2023-05-16
申请号：CN202211097527.1
申请日：2022-09-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开一种半潜式AUV无人充电装置。本发明主要设计三部分：第一部分为海上波浪能转换装置，波浪能转换装置通过在海面上下浮动将波浪能转化为电能并进行收集；第二部分为半潜式电源，用于电能的储存和AUV电能供应，同时在半潜式电源舱内设置AUV充电仓，作为AUV充电场所；第三部分为连接波浪能转换装置和半潜式电源的缆绳，缆绳内同时携带电缆，用于电能的传输；同时另一段缆绳一端固定于海底，一端与半潜式电源相连接，对半潜式电源起到固定作用。本发明为水下AUV提供及时充电场所，延长了水下AUV工作时长，解决了水下AUV作业时间短，作业面积范围小等问题，提高了水下AUV的续航能力，可以大大减小AUV水下作业时的人工充电成本，提高AUV的连续作业能力。
-
公开(公告)号：CN115331093A
公开(公告)日：2022-11-11
申请号：CN202210889545.7
申请日：2022-07-27
Applicant: 哈尔滨工程大学
IPC: G06V20/05 , G06V10/82 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种水下航行器目标检测的神经网络优化学习方法，尤其是涉及一种神经网络元学习训练方法。针对水下航行器目标检测网络在小规模样本集上训练无法达到较好泛化性能的问题，本发明实现了只使用相关小规模样本集训练，首先划分小规模样本集为训练集、测试集、元训练集和元测试集；然后使用元训练集和元测试集让水下航行器目标检测网络进行本发明提出的元学习，使其学习元知识；最后再使用训练集让水下航行器目标检测网络进行学习。本发明能够有效减少学习所需的时间和能耗，同时提高神经网络的泛化性能。本发明具有广泛的适用性，可以很容易地扩展到各种任务的小规模样本集神经网络训练中。
-
公开(公告)号：CN115690568A
公开(公告)日：2023-02-03
申请号：CN202211380792.0
申请日：2022-11-04
Applicant: 哈尔滨工程大学
IPC: G06V20/05 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种基于增量学习的无人艇目标检测方法，首先构建初始类别数据集；构建教师网络模型，并使用初始类别数据集对教师网络模型进行训练，对初始类别海面目标的检测；构建新类别数据集；构建学生网络模型，学生网络与教师网络的整体结构相同，根据新类别目标数量增加相应的分类子网络；在教师网络和学生网络之间构建蒸馏损失函数；在新类别海面目标数据集上训练增量目标检测网络，是损失函数达到收敛，并保存训练好的模型参数；在无人艇平台上部署训练好的模型，对目标进行检测；增加新类别的检测目标时，重复执行步骤三至步骤七。本发明构建了一个可以连续学习的目标检测器，可以使无人艇快速具备识别新类别海面目标的能力。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
