“靳松直”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果14个，建议您升级VIP下载更多相关专利

[发明专利]一种基于测试的神经网络目标检测稳定性评价方法-CN202010265424.6有效
发明人：郝梦茜;张辉;周斌;肖利平;唐波;杨柏胜;倪少波;田爱国;邵俊伟;李建伟;张孝赫;张连杰;靳松直;丛龙剑;刘严羊硕;郑文娟;韦海萍;刘燕欣;高琪;王浩;张聪;张伯川;王亚辉 -专利权人：北京航天自动控制研究所
申请日： 2020-04-07 - 公布日： 2023-09-01 - 主分类号： G06Q10/0637 文献下载
摘要：一种基于测试的神经网络目标检测稳定性评价方法，对测试图片进行位置、尺度、旋转、亮度、加噪与平滑变换，使用变换后的图片对神经网络进行测试，统计测试结果在不同变化情况下置信度的标准差以及定位准确度的标准差，并将各标准差进行综合得到神经网络目标检测稳定性综合评价结果。本发明提出的评价方法能够评估神经网络面对目标位置、尺度、旋转、亮度、噪声与平滑变化情况下保持对目标稳定检测的能力，可作为神经网络在面对变化或扰动情况下目标检测可靠性评价指标的一种，有利于从不同侧面评价神经网络的性能。
一种基于测试神经网络目标检测稳定性评价方法

[发明专利]一种基于卷积循环神经网络的集装箱箱号识别方法-CN202010188543.6有效
发明人：张聪;靳松直;周斌;张辉;王浩;韦海萍;郑文娟;高仕博;郑智辉;郝梦茜;丛龙剑;刘严羊硕;李少军;刘燕欣;高琪;张艺明 -专利权人：北京航天自动控制研究所
申请日： 2020-03-17 - 公布日： 2023-08-29 - 主分类号： G06V20/62 文献下载
摘要：本发明公开了一种基于卷积循环神经网络的集装箱箱号识别方法，所述方法包括如下步骤：步骤1：采集集装箱样本图像，根据集装箱样本图像构建循环卷积神经网络模型，对循环卷积神经网络模型训练后得到分类器；步骤2：计算图像透视变换矩阵；步骤3：利用步骤2得到的图像透视变换矩阵对待检测集装箱图像进行透视变换得到视变换后的图像；步骤4：使用步骤1的分类器对透视变换后的图像进行字符识别得到字符识别结果；步骤5：利用集装箱箱号规则对字符识别结果进行核对校验，输出最终的箱号检测结果。本发明对神经网络结构和参数进行优化，具有更高的识别率和可靠性；对图像进行透视变换，提高不同角度安装摄像头应用该方法的鲁棒性。
一种基于卷积循环神经网络集装箱识别方法

[发明专利]一种基于模板框增广的提高小目标检测稳定性的方法-CN202010167033.0有效
发明人：郝梦茜;张辉;周斌;靳松直;丛龙剑;刘严羊硕;郑文娟;韦海萍;王浩;张伯川;王亚辉;张聪;刘燕欣;高琪;肖利平;倪少波;杨柏胜 -专利权人：北京航天自动控制研究所
申请日： 2020-03-11 - 公布日： 2023-08-04 - 主分类号： G06V20/10 文献下载
摘要：一种基于模板框增广的提高小目标检测稳定性的方法，步骤一：遍历全部训练样本的标注信息，提取标注信息中的目标尺寸；步骤二：计算目标尺寸参考最小值和目标尺寸参考最大值；步骤三：根据目标尺寸参考最小值、目标尺寸参考最大值、训练图像原始尺寸以及模型输出的特征层个数，计算各层关注目标的归一化尺寸；步骤四：根据各层关注目标归一化尺寸以及各特征层尺寸，计算各特征层模板框期望间距；步骤五：根据各特征层模板框期望间距，确定各特征层模板框个数与模板框中心点位置，进行模板框增广；步骤六：对完成模板框增广的卷积神经网络进行训练，得到对小目标检测的卷积神经网络模型。本发明降低算法对小目标位置的敏感度，提高小目标检测的稳定性。
一种基于模板增广提高目标检测稳定性方法

[发明专利]一种针对迁移学习的神经网络模型输入通道整合方法-CN202010404179.2有效
发明人： 靳松直;周斌;张辉;郝梦茜;刘严羊硕;丛龙剑;韦海萍;张聪;郑文娟;王浩;刘燕欣;高琪 -专利权人：北京航天自动控制研究所
申请日： 2020-05-13 - 公布日： 2023-08-04 - 主分类号： G06V10/82 文献下载
摘要：一种针对迁移学习的神经网络模型输入通道整合方法，首先对网络模型描述文件中的数据输入层描述进行修改，删除原数据输入层描述，增加基于图像数据列表的数据输入层描述，并将待修改的第一个卷积层重命名；然后读取神经网络模型权重文件，并对其进行修改，使对应的神经网络模型仅需要单通道数据作为输入；最后进行单通道图像数据的实时目标检测识别测试。本发明通过对经三通道训练样本数据训练的网络模型权重文件进行分析整合，形成了单通道输入的网络模型权重文件，直接在嵌入式平台部署，无需经过通道复制操作，不需要占用多余的内存空间，减轻了神经网络的计算量，降低了对信息处理资源的压力，可直接在单通道数据上完成实时目标检测识别。
一种针对迁移学习神经网络模型输入通道整合方法

[发明专利]一种基于稠密特征金字塔的改进型SSD小目标检测方法-CN202010393093.4有效
发明人：刘严羊硕;张辉;周斌;郝梦茜;丛龙剑;靳松直;王浩;高琪;杨柏胜;倪少波;田爱国;邵俊伟;李建伟;张孝赫;张连杰 -专利权人：北京航天自动控制研究所
申请日： 2020-05-11 - 公布日： 2023-08-01 - 主分类号： G06V10/82 文献下载
摘要：本发明涉及一种基于稠密特征金字塔的改进型SSD小目标检测方法。为丰富浅层的特征信息和深层的细节信息，本发明利用一种稠密的特征金字塔网络结构对VGG16提取的特征信息进行强化融合；为增强复杂背景下小目标的检测能力，改善特征层对不同尺寸小目标的适应能力，本发明结合不同深度特征层感受野的特点，提出在同一特征层上增加预测框的部署密度以及在同一特征层上通过增加不同尺度大小的预测框，即PriorBox的数量和尺寸进行了相应的调整。
一种基于稠密特征金字塔改进型 ssd 目标检测方法

[发明专利]一种基于生成对抗网络的SAR时敏目标样本增广方法-CN202010188535.1有效
发明人：丛龙剑;靳松直;周斌;张辉;郝梦茜;刘严羊硕 -专利权人：北京航天自动控制研究所
申请日： 2020-03-17 - 公布日： 2023-06-09 - 主分类号： G06V10/774 文献下载
摘要：本发明一种基于生成对抗网络的SAR时敏目标样本增广方法，步骤如下：1)构建区域卷积生成对抗网络，实现两模型的前向与反向传播功能；2)制作区域卷积生成对抗网络训练数据集，从目标检测训练数据集中提取切片；3)对区域卷积生成对抗网络进行训练，利用对抗网络训练数据集对区域卷积生成对抗网络进行迭代训练，直到区域卷积生成对抗网络中的生成模型获得稳定且符合期望的输出结果，并保存生成模型与判别模型的权重；4)调整参数批量生成样本，对完成训练的区域卷积生成对抗网络中生成模型装订所保存的参数，根据实际使用需求设置参数输入至生成模型，生成符合期望框体的样本；5)制作用于目标检测识别算法训练的数据集。
一种基于生成对抗网络 sar 目标样本增广方法

[发明专利]一种基于卫星正射影像全姿态的深度学习样本制备方法及识别方法-CN202010224330.4有效
发明人：郑文娟;靳松直;刘严羊硕;张辉;王亚辉;周斌;郝梦茜;丛龙剑;康旭冰;傅绍文 -专利权人：北京航天自动控制研究所
申请日： 2020-03-26 - 公布日： 2023-06-06 - 主分类号： G06V20/10 文献下载
摘要：本发明一种基于卫星正射影像全姿态的深度学习样本制备方法及目标识别方法，(1)利用目标的卫星正射影像数据，使用光线追踪的方法，生成飞行器与目标在不同距离、不同方位角、不同高低角下的目标区图像(也是待参与深度学习训练的样本)；(2)将所述目标区图像进行灰度反转处理，得到样本；(3)将所述目标区图像进行高斯模糊处理，得到样本；(4)将所述目标区图像进行对数变换，得到样本；(5)调整所述目标区图像亮度，得到样本；(6)对所述目标区图像进行直方图均衡化，得到样本；(7)将步骤(1)～(6)的样本形成最终的待参与深度学习训练的样本集；有利于提高对飞行器实际拍摄的目标图像进行识别的准确率。
一种基于卫星射影姿态深度学习样本制备方法识别

[发明专利]一种用于深度学习训练的SAR时敏目标样本增广方法-CN202010213403.X有效
发明人：刘严羊硕;张辉;周斌;郝梦茜;靳松直;丛龙剑;王浩;高琪;杨柏胜;倪少波;田爱国;邵俊伟;李建伟;张孝赫;张连杰 -专利权人：北京航天自动控制研究所
申请日： 2020-03-24 - 公布日： 2023-05-12 - 主分类号： G06V10/774 文献下载
摘要：本发明涉及一种用于深度学习训练的SAR时敏目标样本增广方法，属于图像处理技术和深度学习领域；包括如下步骤：步骤一、对目标所在区域拍摄分辨率为a米的异源SAR图集,转换成分辨率为b米的异源SAR图集；步骤二、找到全部目标，并将每个目标制作成SAR时敏目标切片，获得切片集；步骤三、从异源SAR图集中各图片截取背景图像，获得背景图像集；步骤四、对切片集中各切片进行优化处理；步骤五、建立时敏目标的学习样本集；步骤六、旋转时敏目标的学习样本，获得不同角度下的学习样本；本发明解决了因样本数量较少以及未考虑深度学习网络特点而导致深度学习训练效果不好的问题。
一种用于深度学习训练 sar 目标样本增广方法

[发明专利]一种基于自组织聚类的神经网络输出层裁剪及模板框尺寸确定方法-CN202010265447.7有效
发明人：郝梦茜;张辉;周斌;杨柏胜;倪少波;靳松直;丛龙剑;刘严羊硕;郑文娟;韦海萍;田爱国;邵俊伟;李建伟;张孝赫;张连杰;张艺明 -专利权人：北京航天自动控制研究所
申请日： 2020-04-07 - 公布日： 2023-05-12 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种基于自组织聚类的神经网络输出层裁剪及模板框尺寸确定方法，属于卷积神经网络的目标检测识别技术领域，特别提供了一种针对SSD算法的网络输出层裁剪及模板框尺寸确定方法。使用自组织聚类可以在不确定目标尺寸分布的情况下获得更好的聚类结果，使用聚类结果计算目标上限面积，确定输出层层数，删掉感受野过大、层数过深的输出层，减少网络深度和参数数量，降低模型训练的难度，加快模型收敛，提高模型泛化能力，减少计算耗时，提高计算效率。
一种基于组织神经网络输出裁剪模板尺寸确定方法

[发明专利]一种提升小尺度目标检测识别性能的卷积神经网络设计方法-CN202010300550.0有效
发明人：丛龙剑;周斌;张辉;靳松直;郝梦茜;刘严羊硕 -专利权人：北京航天自动控制研究所
申请日： 2020-04-16 - 公布日： 2023-04-18 - 主分类号： G06N3/0464 文献下载
摘要：本发明一种提升小尺度目标检测识别性能的卷积神经网络设计方法，步骤如下：(1)选取原始网络的N个输出节点；(2)对每一个节点依次建立特征漏斗层，对每一层特征漏斗层的输入节点至下一层特征漏斗层的输入节点或网络末端之间的卷积网络，保留网络结构的同时将原始网络中一半数量的卷积核移动至特征漏斗层内，若有池化层则取消池化层，若有大步长卷积则将步长设置为1，保留的原始网络部分称为该特征漏斗层对应原始网络层；(3)建立每一层特征漏斗层的输出，对每一层特征漏斗层末端设置两个输出，称为特征漏斗层的输出一和特征漏斗层的输出二；(4)级联全部特征漏斗层，构建特征漏斗网络；(5)进行多尺度预测，完成网络设计。
一种提升尺度目标检测识别性能卷积神经网络设计方法

[发明专利]一种基于生成对抗的目标检测器学习方法-CN202111221228.X在审
发明人：李海鹏;丛龙剑;龚任杰;郑文娟;韦海萍;周斌;刘严羊硕;靳松直;张伯川 -专利权人：北京航天自动控制研究所
申请日： 2021-10-20 - 公布日： 2022-02-18 - 主分类号： G06V20/00 文献下载
摘要：本发明公开了一种基于生成对抗的目标检测器学习方法，属于人工智能技术领域，促使样本生成器生成更加真实的生成图像，使得生成图像提高网络的检测性能，还能够提高网络的训练效率。方法包括：构建循环生成对抗学习模型；所述循环生成对抗学习模型包括两组样本生成器；构建联合网络模型；所述联合网络模型在所述循环生成对抗学习模型中集成有目标检测器；所述目标检测器与所述两组样本生成器相连，并将两组真实图像，以及由所述两组样本生成器生成的两组生成图像作为输入，在梯度反向传播过程中将梯度值输出至所述两组样本生成器；对所述联合网络模型进行训练，并将由所述目标检测器输出的梯度值反向传播至对应的样本生成器中，直至所述联合网络模型收敛。
一种基于生成对抗目标检测器学习方法

[发明专利]基于多子区图像匹配的SAR雷达成像质量快速自动评价方法-CN201811123271.0有效
发明人：王浩;郑文娟;孙芃;张立家;高琪;刘跃成;韦海萍;郝梦茜;张伯川;张辉;周斌;靳松直;张聪;郑智辉;李少军;高仕博;胡瑞光;蔡伟;崔广涛;丛龙剑;刘燕欣;肖利平;唐波 -专利权人：北京航天自动控制研究所;中国运载火箭技术研究院
申请日： 2018-09-26 - 公布日： 2020-07-14 - 主分类号： G06T7/00 文献下载
摘要：一种基于多子区图像匹配的SAR雷达成像质量快速自动评价方法，首先人工制备带有特殊几何形状信标的SAR基准图像，通过雷达回波电磁仿真得到基准图像的基准雷达回波信号，完成雷达测试基准数据制备。在SAR雷达成像质量测试中，将基准雷达回波信号注入SAR雷达，由被测试雷达成像生成SAR实时图。随后使用SAR实时图和SAR基准图像进行多子区图像匹配，得到信标在SAR实时图中的精确位置。通过信标在SAR图像中几何位置和形状的变化，完成SAR雷达成像质量的量化评价。本发明提出的基于多子区图像匹配的SAR雷达成像质量快速自动评价方法大大提高了SAR雷达单机测试的自动化程度，在提高判读精度的同时降低了人力以及时间成本。
基于子区图像匹配 sar 雷达成像质量快速自动评价方法

[发明专利]一种基于车头检测的集装箱卡车定位与引导方法-CN201710284686.5有效
发明人：张聪;郑智辉;高仕博;唐波;肖利平;张辉;韦海萍;李少军;靳松直 -专利权人：北京航天自动控制研究所;中国运载火箭技术研究院
申请日： 2017-04-26 - 公布日： 2020-04-10 - 主分类号： G06T7/73 文献下载
摘要：本发明一种基于车头检测的集装箱卡车定位与引导方法，步骤为：1)龙门吊上安装工业相机，进行一次定位点标定；2)在视频图像中检测车头，通过车头位置判断车头的运动方向；3)通过直线检测判断是否存在集装箱，如果满足条件则计算集装箱边缘与定位点的偏差角度和集装箱右前角点与定位点的相对距离，并通过显示装置将集装箱在规定区域的位置传递给驾驶员，实现集装箱卡车的定位和引导。本发明将集装箱在规定区域的位置实时直观的传递给卡车驾驶员，实现集装箱卡车的定位和引导。
一种基于车头检测集装箱卡车定位引导方法

[发明专利]一种极低照度条件下光子计数激光三维计算成像方法-CN201611088456.3在审
发明人：李少军;靳松直;张聪;高仕博;蔡伟 -专利权人：北京航天自动控制研究所
申请日： 2016-11-30 - 公布日： 2017-05-17 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种极低照度条件下光子计数激光三维计算成像方法，包括：同时测量得到所有像素的光子计数数据；构建光子数量与反射率的测量模型，并构建第一负对数似然函数；根据总变分半范数和第一负对数似然函数，构建第一目标函数；逐点迭代求解第一目标函数的凸优化问题，得到反射率图像；根据空间相关性构造二元假设检验统计量，筛选背景光子噪声；建立光子到达时间与测量距离的测量模型，并构建第二负对数似然函数；根据总变分半范数和第二负对数似然函数，构建第二目标函数；逐点迭代求解第二目标函数的凸优化问题，得到深度图像。通过使用本发明所提供的方法，可以在光子计数模式下同时获取高质量的激光三维距离像和强度像。
一种照度条件下光子计数激光三维计算成像方法

1
共 14 条