-
公开(公告)号：CN119313882A
公开(公告)日：2025-01-14
申请号：CN202411459995.8
申请日：2024-10-18
Applicant: 哈尔滨工程大学
Abstract: 基于双分支非对称注意力骨干和特征融合金字塔网络的多模态目标检测方法及系统，属于目标检测技术领域。为了解决现有的多模态目标检测方法很难补充每种模式所缺乏的特征，从而影响了多模态目前检测效果的问题。本发明将光学图像、红外图像作为光学分支骨干网络、红外分支骨干网络的输入，分支骨干网络均包括一个卷积层和若干个残差模块，在每一组残差模块之间设置一个细节信息补充模块或语义信息补充模块，细节信息补充模块和语义信息补充模块在残差模块的顺序处理方向上交替设置；将两个分支得到的两个特征金字塔送入特征融合单元，特征融合单元利用特征融合金字塔网络每层的特征进行融合，最终的多个尺度的融合特征送入检测单元进行检测检测。
-
公开(公告)号：CN116527177B
公开(公告)日：2024-03-12
申请号：CN202310478993.2
申请日：2023-04-28
Applicant: 哈尔滨工程大学
IPC: H04B17/382 , G06N3/0464 , G06N3/048
Abstract: 一种基于相关性分析和图卷积网络的三维频谱预测方法，它涉及一种三维频谱预测方法。本发明为了解决传统卷积神经网络在涉及空域的三维频谱预测中预测性能下降的问题。本发明的核心在于利用先验的空间电磁频谱相关性分析结果辅助神经网络实现高精度的预测，同时使用基于图卷积的网络模型替代卷积神经网络，解决传统卷积网络难以有效拟合空域非结构性数据的困扰，以及进一步加强网络输出结果的精度和可靠性。本发明属于电磁频谱预测技术领域。
-
Patent Agency Ranking
公开(公告)号：CN116522242B
公开(公告)日：2024-01-26
申请号：CN202310486489.7
申请日：2023-04-28
Applicant: 哈尔滨工程大学
IPC: G06F18/2415 , G06F18/214 , G06F18/10 , G06N3/047 , G06N3/08
Abstract: 一种基于扩散模型的辐射源信号识别方法，它涉及一种辐射源信号开集识别方法。本发明为了解决传统开集识别算法分布外检测效果差，算法复杂度高，识别功能鲁棒性差的问题。本发明的核心在于采用扩散模型对辐射源信号进行重构，并根据已知类数据集重构的统计学分布特点设定阈值以区分分布外数据，再通过低复杂的分类器获得识别结果，有效提高了开集场景下辐射源信号识别的准确性及鲁棒性。本发明属于数字信号处理技术领域。
-
公开(公告)号：CN116527177A
公开(公告)日：2023-08-01
申请号：CN202310478993.2
申请日：2023-04-28
Applicant: 哈尔滨工程大学
IPC: H04B17/382 , G06N3/0464 , G06N3/048
Abstract: 一种基于相关性分析和图卷积网络的三维频谱预测方法，它涉及一种三维频谱预测方法。本发明为了解决传统卷积神经网络在涉及空域的三维频谱预测中预测性能下降的问题。本发明的核心在于利用先验的空间电磁频谱相关性分析结果辅助神经网络实现高精度的预测，同时使用基于图卷积的网络模型替代卷积神经网络，解决传统卷积网络难以有效拟合空域非结构性数据的困扰，以及进一步加强网络输出结果的精度和可靠性。本发明属于电磁频谱预测技术领域。
-
公开(公告)号：CN116522242A
公开(公告)日：2023-08-01
申请号：CN202310486489.7
申请日：2023-04-28
Applicant: 哈尔滨工程大学
IPC: G06F18/2415 , G06F18/214 , G06F18/10 , G06N3/047 , G06N3/08
Abstract: 一种基于扩散模型的辐射源信号识别方法，它涉及一种辐射源信号开集识别方法。本发明为了解决传统开集识别算法分布外检测效果差，算法复杂度高，识别功能鲁棒性差的问题。本发明的核心在于采用扩散模型对辐射源信号进行重构，并根据已知类数据集重构的统计学分布特点设定阈值以区分分布外数据，再通过低复杂的分类器获得识别结果，有效提高了开集场景下辐射源信号识别的准确性及鲁棒性。本发明属于数字信号处理技术领域。
-
公开(公告)号：CN116451124A
公开(公告)日：2023-07-18
申请号：CN202310478939.8
申请日：2023-04-28
Applicant: 哈尔滨工程大学
IPC: G06F18/24 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 一种基于解耦表征学习的不均衡辐射源信号识别方法，它涉及一种不均衡辐射源信号识别方法。本发明为了解决由于辐射源信号不平衡性导致的深度学习模型不能很好的处理长尾辐射源识别任务的问题。本发明使用自适应重加权进行参数更新模型，引入L2正则化，在解决类别不平衡问题的同时提高了模型的泛化能力。本发明属于特定辐射源识别技术领域。
-
公开(公告)号：CN116451124B
公开(公告)日：2023-09-08
申请号：CN202310478939.8
申请日：2023-04-28
Applicant: 哈尔滨工程大学
IPC: G06F18/24 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 一种基于解耦表征学习的不均衡辐射源信号识别方法，它涉及一种不均衡辐射源信号识别方法。本发明为了解决由于辐射源信号不平衡性导致的深度学习模型不能很好的处理长尾辐射源识别任务的问题。本发明使用自适应重加权进行参数更新模型，引入L2正则化，在解决类别不平衡问题的同时提高了模型的泛化能力。本发明属于特定辐射源识别技术领域。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
