-
公开(公告)号：CN113610153B
公开(公告)日：2024-08-02
申请号：CN202110902207.8
申请日：2021-08-06
Applicant: 长沙理工大学
IPC: G06V10/764 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及一种人体红外图像识别方法、装置、计算机设备和存储介质。所述方法包括：获取人体红外图像，并进行预处理，得到训练样本；构建人体红外图像识别网络，该网络包括输入网络、特征提取网络和输出网络；特征提取网络通过对输入特征图采用卷积网络进行特征提取，并对得到的特征图在通道维度上分为若干个子区域，进行分布式通道注意力提取，突出各个子区域正确的语义特征，抑制无关的语义特征，得到分布式通道特征图；采用训练样本对该网络进行训练，利用训练好的人体红外图像识别模型对待测人体红外图像进行识别。本方法可提取各个子区域和全局的分辨性的语义特征，提高网络识别性能，同时网络参数量和计算量相对较少，识别效果较好。
-
Patent Agency Ranking
公开(公告)号：CN113610153A
公开(公告)日：2021-11-05
申请号：CN202110902207.8
申请日：2021-08-06
Applicant: 长沙理工大学
Abstract: 本申请涉及一种人体红外图像识别方法、装置、计算机设备和存储介质。所述方法包括：获取人体红外图像，并进行预处理，得到训练样本；构建人体红外图像识别网络，该网络包括输入网络、特征提取网络和输出网络；特征提取网络通过对输入特征图采用卷积网络进行特征提取，并对得到的特征图在通道维度上分为若干个子区域，进行分布式通道注意力提取，突出各个子区域正确的语义特征，抑制无关的语义特征，得到分布式通道特征图；采用训练样本对该网络进行训练，利用训练好的人体红外图像识别模型对待测人体红外图像进行识别。本方法可提取各个子区域和全局的分辨性的语义特征，提高网络识别性能，同时网络参数量和计算量相对较少，识别效果较好。
-
公开(公告)号：CN112394333A
公开(公告)日：2021-02-23
申请号：CN202110079779.0
申请日：2021-01-21
Applicant: 长沙理工大学
Abstract: 本申请涉及一种雷达信号优化方法、装置、计算机设备和存储介质，所述方法利用混沌编码的初值敏感性和伪随机性，通过降低相邻脉冲信号间相关性，优化设计信号波形关键参数：子载波数、码片数和混沌初值等，进而得到抗复制转发干扰性能相对最优的雷达脉冲信号组合方式，本方法中雷达信号相邻脉冲之间相关性较低，干扰方即使识别并复制了该信号脉冲，但是识别和复制的过程需要一定时间，无法与之后的脉冲获得匹配增益，从而具备了优良的抗复制转发干扰能力。本方法采用波形优化的方法来提高雷达抗复制转发干扰性能，不需要在信号处理时进行额外的计算，更适合于工程化应用。
-
公开(公告)号：CN112394333B
公开(公告)日：2021-04-02
申请号：CN202110079779.0
申请日：2021-01-21
Applicant: 长沙理工大学
Abstract: 本申请涉及一种雷达信号优化方法、装置、计算机设备和存储介质，所述方法利用混沌编码的初值敏感性和伪随机性，通过降低相邻脉冲信号间相关性，优化设计信号波形关键参数：子载波数、码片数和混沌初值等，进而得到抗复制转发干扰性能相对最优的雷达脉冲信号组合方式，本方法中雷达信号相邻脉冲之间相关性较低，干扰方即使识别并复制了该信号脉冲，但是识别和复制的过程需要一定时间，无法与之后的脉冲获得匹配增益，从而具备了优良的抗复制转发干扰能力。本方法采用波形优化的方法来提高雷达抗复制转发干扰性能，不需要在信号处理时进行额外的计算，更适合于工程化应用。
-
公开(公告)号：CN112346056B
公开(公告)日：2021-03-26
申请号：CN202110028601.3
申请日：2021-01-11
Applicant: 长沙理工大学
Abstract: 本申请涉及一种多脉冲雷达信号的分辨性特征融合提取方法和识别方法。所述方法包括：对多脉冲雷达信号特征图在空间维度上分别进行最大值池化和平均值池化，得到第一通道权重系数和第二通道权重系数；根据第一通道权重系数、第二通道权重系数、激活函数及多脉冲雷达信号特征图，得到通道权重特征图，对其在通道维度上分别进行最大值池化和平均值池化，得到通道数为2的特征图；根据通道数为2的特征图及通道权重特征图，得到高分辨性特征图，将其与多脉冲雷达信号特征图相加，得到信息完整的高分辨性特征图，并采用多卷积核进行特征融合提取，得到高分辨性特征。采取本方法可快速准确的提取出多脉冲雷达信号中的高分辨性特征。
-
公开(公告)号：CN112346056A
公开(公告)日：2021-02-09
申请号：CN202110028601.3
申请日：2021-01-11
Applicant: 长沙理工大学
Abstract: 本申请涉及一种多脉冲雷达信号的分辨性特征融合提取方法和识别方法。所述方法包括：对多脉冲雷达信号特征图在空间维度上分别进行最大值池化和平均值池化，得到第一通道权重系数和第二通道权重系数；根据第一通道权重系数、第二通道权重系数、激活函数及多脉冲雷达信号特征图，得到通道权重特征图，对其在通道维度上分别进行最大值池化和平均值池化，得到通道数为2的特征图；根据通道数为2的特征图及通道权重特征图，得到高分辨性特征图，将其与多脉冲雷达信号特征图相加，得到信息完整的高分辨性特征图，并采用多卷积核进行特征融合提取，得到高分辨性特征。采取本方法可快速准确的提取出多脉冲雷达信号中的高分辨性特征。
-
-
-
-
-
Search Results
6
records
(took 0.032 seconds)
