潘成伟
- 作品数：5 被引量：0H指数：0
- 供职机构：北京航空航天大学更多>>
- 相关领域：航空宇航科学技术自动化与计算机技术更多>>
- 基于零样本自身智能导航机器人控制方法、系统、介质及产品
- 本发明公开一种基于零样本自身智能导航机器人控制方法、系统、介质及产品，涉及机器人控制领域，方法包括对待执行指令进行语义分割，得到待执行指令词汇组；将第一图像和待执行指令词汇组输入至SAM模型中，生成具有多维特征通道的语义...
- 潘成伟宋佳泽戴鸿铭
- 一种内嵌物理模型的深度学习机场流量预测方法及系统
- 本申请公开了一种内嵌物理模型的深度学习机场流量预测方法及系统，涉及机场流量预测领域，该方法包括：获取目标地区机场信息，按时间段划分得到多尺度特征数据；对特征数据切片，执行多尺度融合得到特征向量集合；将集合与单点流量数据作...
- 潘成伟杨智超李清东董希旺
- 面向空中目标拦截的轻量化弱小目标检测方法与应用
- 2024年
- 空中目标拦截技术依赖于目标检测与跟踪技术,而弱小目标检测作为其中的难点,其效果将直接影响整个系统的性能。针对此问题,提出了一种面向空中目标拦截的轻量化弱小目标检测方法。首先,针对弱小目标全局信息较少的问题,以YOLOv5作为基础网络,使用Swin Transformer替代其结构中的C3模块,从而增强网络的局部信息捕获能力。随后,为了补偿被稀释的语义信息,在此基础上提出具备跨连接策略的特征融合网络,通过额外融合不同尺度的特征图,解决这个问题。最后,在特征融合网络上使用一次额外的上采样并融合高分辨率特征图,进一步提升网络对弱小目标检测的能力。此外,引入目标跟踪神经网络DaSiamRPN实现对动态弱小目标长时间跟踪。为保证无人飞行器上的边缘计算设备可以实时进行模型推理,在上述基础上进行模型轻量化,剔除了模型的大尺度目标检测头,以减少模型的参数量。通过计算,改进后的算法较原YOLOv5模型参数量减少了21.5%。在VisDrone2019数据集上的实验结果表明,提出的基于YOLOv5s的轻量化目标检测算法能更好地完成弱小目标检测任务,在准确率、召回率及平均精度均值上分别达到了96.3%、59%和40.2%,各指标均明显高于原始YOLOv5s算法,且优于目前主流目标检测算法。同时在TinyPerson数据集上进行泛化实验,实验结果表明,改进后算法的弱小目标检测性能得到明显提高。为了进一步验证所提方法的有效性,在无人机平台上进行了空中目标拦截的飞行测试,结果表明该方法能很好地完成目标检测跟踪任务并成功拦截目标,为空中目标拦截提供有力的支持。
- 卢田雨秦闻远化永朝潘成伟李清东董希旺
- 关键词：弱小目标
- 一种通过语音识别技术控制鼠标操作完成人机交互的方法
- 一种通过语音识别技术控制鼠标操作完成人机交互的方法，属于计算机技术领域。在本发明中，通过计算机音频接收设备(如麦克风)接收用户语音命令，然后利用语音识别技术将用户的语音命令转化为对计算机鼠标的各项操作的控制命令，完成对现...
- 宋友吴锡欣张野潘成伟
- 文献传递
- 基于MGGA和SAA的无人集群的任务重分配方法
- 本发明公开一种基于MGGA和SAA的无人集群的任务重分配方法，涉及无人机任务分配领域，方法包括基于异构集群构建最小化执行时间模型；采用MGGA模型基于所述异构集群对最小化执行时间模型进行求解，得到最优任务预分配指令；基于...
- 化永朝余锦潼董希旺于江龙李晓多冯智刘亦石潘成伟
