-
公开(公告)号:CN116681987A
公开(公告)日:2023-09-01
申请号:CN202310674083.1
申请日:2023-06-08
Applicant: 哈尔滨工程大学
IPC: G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/082 , G06N3/048
Abstract: 本发明公开了一种面向全景图像的轻量化检测方法,包括:获取真实全景视频数据,基于所述真实全景视频数据获取图像数据集;对所述图像数据集进行图像特征标注,获得目标检测数据集;构建轻量化目标检测模型,基于所述目标检测数据集对所述轻量化目标检测模型进行训练,获得全景图像轻量化目标检测模型;基于所述全景图像轻量化目标检测模型进行目标检测。本发明解决针对全景图像特征研究,缺少数据的问题,解决针对全景图像中目标过小,检测不准的问题,解决模型参数量过大的问题。
-
公开(公告)号:CN116805293A
公开(公告)日:2023-09-26
申请号:CN202310820687.2
申请日:2023-07-06
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于动态视窗的透水对空成像畸变矫正方法,包括以下步骤:重建水面范围,取所述水面范围与相机自然采集窗口范围的交集,获得动态视窗;基于所述动态视窗与相机自然采集窗口的交集,获得矫正区域;对所述矫正区域内的图像进行像素重置,获得重排列图像,完成畸变矫正。本发明利用水面与相机空间关系计算动态视窗,再利用动态视窗与相机自然采集窗口计算得到本文方法可校正的范围,最后利用提出的二次透水动态视窗空间位置重排列方法在可校正的范围完成畸变矫正,实现一种透水对空成像畸变矫正方法。
-
公开(公告)号:CN116432030A
公开(公告)日:2023-07-14
申请号:CN202310378455.6
申请日:2023-04-10
Applicant: 哈尔滨工程大学
IPC: G06F18/214 , G06N3/0442 , G06N3/0499 , G06N3/08
Abstract: 本发明为了生成更好的空战多意图策略,提出一种基于深度强化学习的空战多意图策略自主生成方法。包括如下步骤:(1)针对空战意图构建基于深度强化学习的空战博弈框架;(2)提出时序近端策略优化(Temporal Proximal Policy Optimization,T‑PPO)算法,充分利用历史数据中有用信息生成策略;(3)提出基本‑对抗进阶式训练法进行意图策略生成模型训练,提供意图引导和增加训练的多样性;(4)大范围内选择初始状态,基于空战博弈框架生成空战数据,利用T‑PPO算法进行基本‑对抗进阶式训练更新模型,完成基于深度强化学习的空战意图策略自主生成。本发明提出的基于深度强化学习的空战多意图策略自主生成方法,能提升生成策略的胜率和效率并提高网络训练的速度,具有一定的有效性。
-
-