CN118194553A - 一种模拟真实飞行环境的注入式验证方法 - Google Patents
一种模拟真实飞行环境的注入式验证方法 Download PDFInfo
- Publication number
- CN118194553A CN118194553A CN202410314073.1A CN202410314073A CN118194553A CN 118194553 A CN118194553 A CN 118194553A CN 202410314073 A CN202410314073 A CN 202410314073A CN 118194553 A CN118194553 A CN 118194553A
- Authority
- CN
- China
- Prior art keywords
- image
- injection
- target
- real
- simulation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000002347 injection Methods 0.000 title claims abstract description 62
- 239000007924 injection Substances 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012795 verification Methods 0.000 title claims abstract description 32
- 238000004088 simulation Methods 0.000 claims abstract description 48
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000003672 processing method Methods 0.000 claims abstract description 25
- 230000005693 optoelectronics Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 230000008676 import Effects 0.000 claims description 6
- 238000002372 labelling Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 206010034719 Personality change Diseases 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 abstract description 5
- 238000010998 test method Methods 0.000 abstract description 2
- 238000003384 imaging method Methods 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computing Systems (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种模拟真实飞行环境的注入式验证方法,可以生成各种接近真实飞行条件的目标图像序列,并通过注入式仿真手段,较真实的完成图像跟踪、识别算法的验证。本发明试验方法,模拟真实飞行环境,采集获得目标图像序列;采用适当图像处理方法对采集的目标图像序列进行处理,生成接近飞行条件下的目标图像;并通过与真实飞行下的试验数据对比,对目标图像处理方法进行调整和校核,模拟更多场景下的目标图像序列;同时通过注入式仿真软件,利用生成的目标图像考核图像跟踪、识别算法性能。该方法利用有限的目标采集图像,可以模拟出各种真实飞行环境下的目标由远及近变化的图像序列,能够为全面验证图像跟踪、识别算法的性能提供支撑。
Description
技术领域
本发明涉及一种模拟真实飞行环境的注入式验证方法,属于图像光电设备图像处理算法领域。
背景技术
图像光电设备,尤其是光电吊舱和图像导引头,是飞行器和精确制导武器系统的核心组成,其任务是对目标的有效识别和持续锁定。而完成该任务的关键点在于图像目标跟踪、识别算法的性能。
图像目标跟踪、识别算法性能的优劣主要在于其环境适应性,由于目标及背景的成像特性多样、复杂和难以预测,因而必须在各种各样的环境条件下对光电设备的目标识别及跟踪性能进行验证,否则难以满足苛刻的适应性要求,影响任务成败。若是采用在各种条件下进行外场试验的方法去验证,则周期、经费和人力资源难以满足项目要求。因而有必要采用一种有效、快速的手段,去获得难以保障的敌方目标的成像特征,进而充分考核和验证图像目标跟踪、识别算法的性能。
发明内容
本发明的技术解决问题是:克服现有技术的不足,提供了一种生成模拟真实飞行环境的目标图像序列方法,并通过注入式手段,完成图像目标跟踪、识别算法的验证和考核。
本发明的技术解决方案是:
一种模拟真实飞行环境的注入式验证方法,包括:
(1)设计无人机模拟飞行器真实飞行的预定轨迹;
(2)在无人机上装载光电吊舱,操作无人机及光电吊舱按照所述预定轨迹飞行,采集目标图像数据;
(3)对采集的目标图像数据进行分类和预处理;
(4)根据实际飞行环境设计图像处理方法,生成模拟真实飞行条件下目标特征变化的图像序列;
(5)将模拟生成的图像序列与真实飞行下的数据对比,判断模拟生成的图像序列是否准确;如果准确,则进入步骤(6);否则返回步骤(4),对所述图像处理方法进行调整和优化;
(6)各类场景下模拟生成的图像序列注入到注入式仿真软件进行验证;
(7)分析注入式仿真软件的仿真结果,使用对应场景下的真实数据与仿真结果进行对比,从而验证注入式仿真软件的仿真性能,如果对比结果一致,则注入式仿真软件性能合格,验证完毕;否则对注入式仿真软件进行修正,之后返回步骤(6)。
进一步的,所述对采集的目标图像序列进行分类和预处理,具体为:
目标图像数据采集完成后,进行数据清洗,去除冗余和无效数据,并通过标注工具对包含目标的图像分类并标注,标注完成后,对所有标注的图片进行整理,存档建立数据库,形成目标图像集。
进一步的,所述图像处理方法,包括抽帧、补帧、模糊、扭曲和角度变换。
进一步的,所述模拟生成真实飞行条件下的目标特征变化的图像序列,具体为:
(4.1)选取某一飞行场景,预估目标特征变化速度;
(4.2)从目标图像集中调取目标和背景的图像序列;
(4.3)通过抽帧或补帧的方式,得到反映真实飞行条件下目标特征变化规律的图像序列;
(4.4)根据飞行器的实际振动、冲击环境,对所述图像序列中图像像素的灰度数据进行模糊处理;
(4.5)根据飞行器飞行中的姿态变化情况,对所述图像序列中不同飞行阶段的图像进行扭曲或角度变换处理。
进一步的,对图像处理方法进行调整和优化,具体为:
(5.1)选取飞行器真实飞行条件下的真实的目标图像序列;
(5.2)针对步骤(5.1)场景,模拟生成目标图像序列;
(5.3)对比真实和模拟的目标图像序列中的图像,若灰度、目标特征相吻合,则不对图像处理方法进行调整,否则进行调整,直至相吻合;
(5.4)利用多个真实飞行条件下的目标图像序列,反复进行(5.1)~(5.3)的操作,拟合出最优图像处理方法。
进一步的,所述注入式仿真软件用于真实模拟智能图像处理器硬件性能;通过调整注入式仿真软件算力,使注入式仿真软件的仿真结果与真实图像处理硬件的仿真结果基本一致。
进一步的,所述注入式仿真软件包括图像序列导入模块、图像处理算法导入模块、图像输出保存模块、图像显示模块以及仿真处理模块;
其中图像序列导入模块用于将指定格式的图像序列或视频导入至注入式仿真软件中,以用于注入式仿真;
图像处理算法导入模块用于将图像跟踪、识别算法模型导入至仿真软件中;
仿真处理模块用于根据导入的算法进行数据仿真;
图像输出保存模块用于将仿真结果以图片或视频的形式保存至指定文件夹;
图像显示模块将实时仿真结果展示在仿真软件界面上。
第二方面,本发明还提出一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行所述的任意一项的模拟真实飞行环境的注入式验证方法。
第三方面,本发明还提出一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述的任意一项的模拟真实飞行环境的注入式验证方法。
第四方面,本发明还提出一种计算机程序产品,该计算机程序产品被处理器执行时实现所述的模拟真实飞行环境的注入式验证方法。
本发明与现有技术相比的有益效果是:
(1)本发明提出一种注入式仿真验证方法:采用合理方法,模拟生成各种真实条件下的飞行图像;利用生成的图像和注入式仿真软件,完成图像目标识别及跟踪算法的仿真验证;利用生成的图像,通过注入式手段注入到真实图像处理电路中,验证图像目标识别及跟踪算法的真实性能;本发明方法解决了需要用大量外场试验去验证光电设备识别及跟踪算法的问题。
(2)本发明方法根据现有数据和资料,通过图像处理方法对目标图像进行预测,同时对收集的主要作战对象的图片资料进行处理,形成目标特征集,用于对真实飞行条件下的目标特征进行模拟和校核;本发明方法解决了对光电设备识别及跟踪算法的快速、全面考核和验证问题。
(3)本发明方法解决了难以获得目标的成像特性采集问题。
附图说明
图1为是本发明方法流程图;
具体实施方式
下面结合附图对本发明的具体实施方式进行进一步的详细描述。
本发明提出一种模拟真实飞行环境的注入式验证方法,可以生成各种接近真实飞行条件的目标图像序列,并通过注入式仿真手段,较真实的完成图像跟踪、识别算法的验证。
由于飞行环境多种多样,不可能去采集所有条件下的目标成像情况。可以借助部分场景下采集的目标图像,通过图像处理的方法模拟飞行条件,然后与真实飞行条件下的目标图像进行对比,优化图像处理方法。
为此,本发明设计了合理试验方法,模拟真实飞行环境,采集获得目标图像序列;采用适当图像处理方法对采集的目标图像序列进行处理,生成接近飞行条件下的目标图像;并通过与真实飞行下的试验数据对比,对目标图像处理方法进行调整和校核,用来模拟更多场景下的目标图像序列;同时通过模拟真实硬件电路算力的注入式仿真软件,可利用生成的目标图像考核图像跟踪、识别算法性能。
本发明方法利用有限的目标采集图像,可以模拟出各种真实飞行环境下的目标由远及近变化的图像序列,能够为全面验证图像跟踪、识别算法的性能提供支撑。
如图1所示,本发明提出的一种模拟真实飞行环境的注入式验证方法,步骤如下:
(1)设计旋翼无人机模拟飞行器真实飞行的预定轨迹,模拟飞行器搜索识别目标的全过程,获取各类场景下的目标图像;
(2)在无人机上装载光电吊舱,操作无人机及光电吊舱按照所述预定轨迹飞行,采集目标图像数据;合理设计采集试验方案,做到目标模拟逼真、目标特性覆盖全面、弹道环境逼真、使用需求覆盖全面,以最小的代价获取全面数据;
(3)对采集的目标图像数据进行分类和预处理;
目标图像数据采集完成后,由于原始数据存在大量冗余和无效数据,要对数据进行清洗,确保数据准确有效,并通过标注工具对包含目标的图像分类并标注,标注完成后,对所有标注数据和图片整理,存档建立数据库,形成目标图像集。
(4)根据实际飞行环境设计图像处理方法,生成模拟真实飞行条件下目标特征变化的图像序列。
图像处理方法,如抽帧、补帧、模糊、扭曲和角度变换等,生成模拟真实飞行条件下目标特征变化的图像序列。目标的成像特征与成像体制、目标光学辐射率、光照方向角度、背景、天侯及时段均有关联性,为了逼真模拟某一场景,需要考虑其中的各个影响因素并分析其权重大小,通过图像处理的方式实现场景调整。
比如,针对已采集得到的目标图像序列,如果数量大可以采取抽帧、快放的方式,如果数量少则采用补帧的方式,实现真实飞行速度的模拟;针对可采集特征的目标,通过目标“抠图”和“移植”的方式,实现目标及背景的更换;针对无法采集特征的目标,通过同类类比的方式,实现目标成像特征生成并“移植”进场景;针对飞行器真实飞行环境,对目标图像进行模糊处理,以模拟飞行振动、快速变化、姿态变化等带来的图像模糊问题。
所述模拟生成真实飞行条件下的目标特征变化的图像序列,具体步骤如下:
(4.1)选取某一飞行场景,预估目标特征变化速度;
(4.2)从目标图像集中调取目标和背景的图像序列;
(4.3)通过抽帧(图像序列多的情况)、补帧(图像序列少的情况,补图)的方式,得到反映真实飞行条件下目标特征变化规律的图像序列;
(4.4)根据飞行器的实际振动、冲击环境,对图像像素的灰度数据进行模糊处理;
(4.5)根据飞行器飞行中的姿态变化情况,对不同飞行阶段的图像进行扭曲或角度变换处理。
(5)将模拟生成的图像序列与真实飞行下的数据对比,判断模拟生成的图像序列是否准确;如果准确,则进入步骤(6);否则返回步骤(4),对所述图像处理方法进行调整和优化;
对图像处理方法进行调整和优化,具体为:
(5.1)选取飞行器真实飞行条件下的真实的目标图像序列;
(5.2)针对步骤(5.1)场景,模拟生成目标图像序列;
(5.3)对比真实和模拟的目标图像序列中的图像,若灰度、目标特征相吻合,则不对图像处理方法进行调整,否则进行调整,直至相吻合;
(5.4)利用多个真实飞行条件下的目标图像序列,反复进行(5.1)~(5.3)的操作,拟合出最优图像处理方法。
(6)各类场景下模拟生成的图像序列注入到注入式仿真软件进行验证;
(7)分析注入式仿真软件的仿真结果,使用对应场景下的真实数据与仿真结果进行对比,从而验证注入式仿真软件的仿真性能,如果对比结果一致,则注入式仿真软件性能合格,进入步骤(8);否则对注入式仿真软件进行修正,之后返回步骤(6)。
(8)完成对图像跟踪、识别算法的验证和考核。
本发明所述注入式仿真软件用于真实模拟智能图像处理器硬件性能;通过调整注入式仿真软件算力,使注入式仿真软件的仿真结果与真实图像处理硬件的仿真结果基本一致。
进一步的,该注入式仿真软件包括图像序列导入模块、图像处理算法导入模块、图像输出保存模块、图像显示模块以及仿真处理模块;
其中图像序列导入模块用于将指定格式的图像序列或视频导入至注入式仿真软件中,以用于注入式仿真;
图像处理算法导入模块用于将图像跟踪、识别算法模型导入至仿真软件中;
仿真处理模块用于根据导入的算法进行数据仿真;
图像输出保存模块用于将仿真结果以图片或视频的形式保存至指定文件夹;
图像显示模块将实时仿真结果展示在仿真软件界面上。
本发明利用有限的目标图像数据,通过模拟生成的方法,快速、准确获得较为真实的实际飞行条件下的目标由远及近变化的图像序列;同时,提出模拟真实算力的仿真软件,通过数据(图像)注入方法完成图像处理算法的考核和验证。
本发明未详细说明部分属本领域技术人员公知常识。
Claims (10)
1.一种模拟真实飞行环境的注入式验证方法,其特征在于包括:
(1)设计无人机模拟飞行器真实飞行的预定轨迹;
(2)在无人机上装载光电吊舱,操作无人机及光电吊舱按照所述预定轨迹飞行,采集目标图像数据;
(3)对采集的目标图像数据进行分类和预处理;
(4)根据实际飞行环境设计图像处理方法,生成模拟真实飞行条件下目标特征变化的图像序列;
(5)将模拟生成的图像序列与真实飞行下的数据对比,判断模拟生成的图像序列是否准确;如果准确,则进入步骤(6);否则返回步骤(4),对所述图像处理方法进行调整和优化;
(6)各类场景下模拟生成的图像序列注入到注入式仿真软件进行验证;
(7)分析注入式仿真软件的仿真结果,使用对应场景下的真实数据与仿真结果进行对比,从而验证注入式仿真软件的仿真性能,如果对比结果一致,则注入式仿真软件性能合格,验证完毕;否则对注入式仿真软件进行修正,之后返回步骤(6)。
2.根据权利要求1所述的一种模拟真实飞行环境的注入式验证方法,其特征在于:所述对采集的目标图像序列进行分类和预处理,具体为:
目标图像数据采集完成后,进行数据清洗,去除冗余和无效数据,并通过标注工具对包含目标的图像分类并标注,标注完成后,对所有标注的图片进行整理,存档建立数据库,形成目标图像集。
3.根据权利要求2所述的一种模拟真实飞行环境的注入式验证方法,其特征在于:所述图像处理方法,包括抽帧、补帧、模糊、扭曲和角度变换。
4.根据权利要求2或3所述的一种模拟真实飞行环境的注入式验证方法,其特征在于:所述模拟生成真实飞行条件下的目标特征变化的图像序列,具体为:
(4.1)选取某一飞行场景,预估目标特征变化速度;
(4.2)从目标图像集中调取目标和背景的图像序列;
(4.3)通过抽帧或补帧的方式,得到反映真实飞行条件下目标特征变化规律的图像序列;
(4.4)根据飞行器的实际振动、冲击环境,对所述图像序列中图像像素的灰度数据进行模糊处理;
(4.5)根据飞行器飞行中的姿态变化情况,对所述图像序列中不同飞行阶段的图像进行扭曲或角度变换处理。
5.根据权利要求4所述的一种模拟真实飞行环境的注入式验证方法,其特征在于:对图像处理方法进行调整和优化,具体为:
(5.1)选取飞行器真实飞行条件下的真实的目标图像序列;
(5.2)针对步骤(5.1)场景,模拟生成目标图像序列;
(5.3)对比真实和模拟的目标图像序列中的图像,若灰度、目标特征相吻合,则不对图像处理方法进行调整,否则进行调整,直至相吻合;
(5.4)利用多个真实飞行条件下的目标图像序列,反复进行(5.1)~(5.3)的操作,拟合出最优图像处理方法。
6.根据权利要求1所述的一种模拟真实飞行环境的注入式验证方法,其特征在于:所述注入式仿真软件用于真实模拟智能图像处理器硬件性能;通过调整注入式仿真软件算力,使注入式仿真软件的仿真结果与真实图像处理硬件的仿真结果基本一致。
7.根据权利要求1或6所述的一种模拟真实飞行环境的注入式验证方法,其特征在于:所述注入式仿真软件包括图像序列导入模块、图像处理算法导入模块、图像输出保存模块、图像显示模块以及仿真处理模块;
其中图像序列导入模块用于将指定格式的图像序列或视频导入至注入式仿真软件中,以用于注入式仿真;
图像处理算法导入模块用于将图像跟踪、识别算法模型导入至仿真软件中;
仿真处理模块用于根据导入的算法进行数据仿真;
图像输出保存模块用于将仿真结果以图片或视频的形式保存至指定文件夹;
图像显示模块将实时仿真结果展示在仿真软件界面上。
8.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1~7所述的任意一项的模拟真实飞行环境的注入式验证方法。
9.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1~7所述的任意一项的模拟真实飞行环境的注入式验证方法。
10.一种计算机程序产品,其特征在于,该计算机程序产品被处理器执行时实现权利要求1~7任一项所述的模拟真实飞行环境的注入式验证方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410314073.1A CN118194553A (zh) | 2024-03-19 | 2024-03-19 | 一种模拟真实飞行环境的注入式验证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410314073.1A CN118194553A (zh) | 2024-03-19 | 2024-03-19 | 一种模拟真实飞行环境的注入式验证方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118194553A true CN118194553A (zh) | 2024-06-14 |
Family
ID=91399413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410314073.1A Pending CN118194553A (zh) | 2024-03-19 | 2024-03-19 | 一种模拟真实飞行环境的注入式验证方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118194553A (zh) |
-
2024
- 2024-03-19 CN CN202410314073.1A patent/CN118194553A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109828845B (zh) | 一种基于边缘计算的绝缘子热成像实时诊断系统 | |
KR102308456B1 (ko) | 라이다 및 카메라 수집정보 기반 수종탐지 시스템 및 이를 이용한 수종탐지방법, 수종탐지방법을 수행하는 프로그램이 수록된 기록매체 | |
CN111476827A (zh) | 目标跟踪方法、系统、电子装置及存储介质 | |
CN112488066A (zh) | 一种无人机多机协同侦察下的目标实时检测方法 | |
CN118194553A (zh) | 一种模拟真实飞行环境的注入式验证方法 | |
Zhao et al. | Target detection based on multi-scale feature fusion and cross-channel interactive attention mechanism | |
CN112906523B (zh) | 一种硬件加速的深度学习目标机型识别方法 | |
CN112289113B (zh) | 机载光电系统的数字视频激励的方法及其系统 | |
CN111339904B (zh) | 动物精子图像识别方法和装置 | |
Zhang et al. | Research on the Application of Deep Learning YOLOv3 in Aerial Patrol Inspection of Optical Cable Lines | |
CN110490950B (zh) | 图像样本生成方法、装置、计算机设备和存储介质 | |
CN110020624B (zh) | 图像识别方法、终端设备及存储介质 | |
Xu et al. | Simpl: Generating synthetic overhead imagery to address zero-shot and few-shot detection problems | |
CN110108719A (zh) | 一种基于智能眼镜的绕机检查方法及系统 | |
KR102360085B1 (ko) | 몬테카를로 영상 시뮬레이션을 이용한 탐색기 영상처리 소프트웨어 모듈에 대한 성능 검증 장치 및 그 방법 | |
CN110826432A (zh) | 一种基于航空图片的输电线识别方法 | |
Pichler et al. | Automated method for generating datasets of infrared or visible images for context-specific training of deep neural network-based object detectors | |
Illerhaus et al. | Status of the Deep Learning-Based Shattered Pellet Injection Shard Tracking at ASDEX Upgrade | |
Nazarkevych et al. | Method of Dataset Filling and Recognition of Moving Objects in Video Sequences based on YOLO. | |
Li et al. | MCL-Geo: Multi-branch Contrastive Learning for Cross-view Geo-localizationA multi-branch contrastive learning framework plus uniform cross-view contrastive loss for cross-view geo-localization targets. | |
Gavrilov et al. | A new effective processing technology for visual information in the automated optoelectronic systems of ground–space monitoring | |
CN118196026A (zh) | 一种桥梁裂缝检测方法及系统 | |
Qi et al. | Parallel Test of Optical Automatic Target Recognition System for Loitering Munition Based on Digital Twin | |
Ensinger et al. | Toward a robust 3D-model-based ground target classification system for airborne platforms | |
Cao et al. | Spacecraft-DS: A Spacecraft Dataset for Key Components Detection and Segmentation via Hardware-in-the-Loop Capture |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |