[发明专利]一种基于细粒度特征的光学遥感舰船型号识别众包系统有效

专利信息
申请号: 201810166163.5 申请日: 2018-02-28
公开(公告)号: CN108334859B 公开(公告)日: 2022-07-08
发明(设计)人: 唐非凡;杜艳玲;陈德利;李舰;宋洪波;汪卫;宋巍 申请(专利权)人: 上海海洋大学;中国人民解放军61290部队
主分类号: G06T7/00 分类号: G06T7/00;G06K9/00;G06K9/62
代理公司: 上海伯瑞杰知识产权代理有限公司 31227 代理人: 孟旭彤
地址: 201306 上海市*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 细粒度 特征 光学 遥感 舰船 型号 识别 系统
【权利要求书】:

1.一种基于细粒度特征的光学遥感舰船型号识别众包系统,所述的光学遥感舰船型号识别众包系统包括以下步骤:

步骤S1、设计舰船的细粒度特征及其形式化表达,设计舰船特征标注任务并采用众包模式进行发布;其中,细粒度特征的设计使用了特征矩阵对舰船细粒度特征进行表达,特征矩阵由10个特征向量组成,分别代表10个细粒度特征;每个特征向量拥有3个元素,分别代表各个特征在舰艏、舰舯、舰尾3个位置出现的数量;所述舰船细粒度特征为能够有效表现和描述舰船布局信息的局部显著性特征,其中,细粒度特征的设计选取了三类十种武器设施和上层建筑作为舰船细粒度特征,具体如下:

武器类,对应的特征名称为:主炮、导弹发射架、垂直发射井;

建筑类,对应的特征名称为:舰桥、烟囱、直升机库;

甲板类,对应的特征名称为:直升机甲板、直通甲板、斜角甲板、滑跃甲板;

步骤S2、对众包模式分发的标注任务所产生的标注数据进行聚集处理包括质量控制,得到舰船的细粒度特征的标准标注与置信度;

步骤S3、采用决策树算法对细粒度特征的标准标注进行自动分类并将其中置信度低的舰船目标交由专家审核研判,最终实现舰船型号自动识别。

2.根据权利要求1所述的基于细粒度特征的光学遥感舰船型号识别众包系统,其特征在于,步骤S1中的细粒度特征的形式化表达具体包括以下步骤:

步骤S11、定义舰船细粒度特征记为t,10种舰船细粒度特征组成的集合记为t={ti|i=1,2,......10},并将舰船细粒度特征与其军语名称的对应,其中,主炮对应i的取值为1,导弹发射架对应i的取值为2,垂直发射井对应i的取值为3,舰桥对应i的取值为4,烟囱架对应i的取值为5,直升机库对应i的取值为5,直升机甲板对应i的取值为6,直升机甲板对应i的取值为7,直通甲板对应i的取值为8,斜角甲板对应i的取值为9,滑跃甲板对应i的取值为10;

步骤S12、定义舰船细粒度特征向量记为

步骤S13、定义舰船细粒度特征矩阵记为该矩阵是3行10列矩阵,由10个3维舰船细粒度特征向量组成,该矩阵中元素的值名为特征值thi,表示该元素所在向量代表特征的位置和数量信息,其中h∈{1,2,3}代表舰船的三个区域,i∈{1,2,......10}代表10个细粒度特征。

3.根据权利要求1所述的基于细粒度特征的光学遥感舰船型号识别众包系统,其特征在于,步骤S2中包括以下步骤:

步骤S21、人员评级策略:根据不同的业务级别赋予每一个任务标注人员标注权重系数,标注权重系数将参与系统针对标注结果进行的加权平均运算,决定最终的标准标注;

步骤S22、相对位置匹配算法:用于汇总标注一次任务中不同标注人员对同一艘舰船的标注结果;

步骤S23、基于业务评级加权的标准标注算法:用于实现质量控制;

步骤S24、置信度计算。

4.根据权利要求3所述的基于细粒度特征的光学遥感舰船型号识别众包系统,其特征在于,步骤S21中具体包括以下步骤:

步骤S211、定义职称记为Pn,定义资历记为Yn,其中n为任务参与者的编号;

步骤S212、定义业务级别记为Ln,其中n为任务参与者的编号,业务级别共分4级:入职少于或等于3年的实习员为1级;入职3年以上的实习员为2级;助理员为3级;研究员为4级;1级至3级人员负责任务标注任务,4级人员负责审核任务;

步骤S213、定义标注权重系数记为ωn,n为任务参与者的编号,1级至3级人员必须分配标注权重系数,4级人员因不参与标注任务,标注权重系数的计算公式如下:

其中,n是任务参与者编号,N是参与此次标注任务的总人数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海海洋大学;中国人民解放军61290部队,未经上海海洋大学;中国人民解放军61290部队许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810166163.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top