-
公开(公告)号：CN113378937A
公开(公告)日：2021-09-10
申请号：CN202110657337.X
申请日：2021-06-11
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于自监督增强的小样本图像分类方法及系统，自监督学习和小样本学习都是为了缓解模型对标签数据的依赖，本发明在基于图神经网络的小样本学习方法的基础上结合自监督学习提出了一种自监督增强的小样本学习方法，本发明设计一个抠图位置预测的自监督学习任务，将每一个小样本分类任务的所有样本进行随机抠图，在提取样本特征后经过一个全连接层预测每一个样本被抠除图像块的位置。本发明将抠图位置预测任务和小样本分类任务联合训练以增强模型提取有效表征的能力，从而改善模型的分类结果，并通过在miniImageNet上的对比和消融实验证明了本发明的有效性。
-
公开(公告)号：CN113255791A
公开(公告)日：2021-08-13
申请号：CN202110605372.7
申请日：2021-05-31
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于K‑组合均值特征增强的小样本目标检测方法及系统，利用每类K个带标签样本的标签信息，得到对应的特征，通过对这K个目标的特征进行组合平均，为每个组合计算平均特征。然后将这些平均特征添加到原有特征样本集合中，增加特征样本的数量。在微调阶段，除了新类带标签样本对分类和回归器进行微调外，还使用增加后的特征样本集合对分类器进行微调。实验结果证明通过基于K‑组合均值的特征增强方法，通过增加特征样本的数量，为分类器提供了更多的特征样本，缓解了模型的过拟合问题，提升了基于微调的小样本目标检测模型的检测精度。
-
公开(公告)号：CN113255788A
公开(公告)日：2021-08-13
申请号：CN202110603035.4
申请日：2021-05-31
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于两阶段掩码指导的生成对抗网络人脸校正方法及系统，构造并训练基于侧脸五官掩码图像生成其正脸五官掩码图像的生成对抗网络，该网络包含生成器和判别器；构造并训练基于正脸五官掩码图像指导生成正脸图像的生成对抗网络，该网络包含生成器、判别器和人脸特征提取器网络；输入侧脸图像至第一阶段网络生成正面化五官掩码图像，级联侧脸图像和生成的正面化五官掩码图像输入至第二阶段网络生成正脸图像；本发明将人脸校正划分为两阶段任务，第一阶段从侧脸五官掩码图像生成正脸五官掩码图像，第二阶段使用生成的正脸五官掩码图像指导生成正脸图像，使得生成的正脸图像在五官局部区域上能够与真实的正脸图像保持较好的一致性。
-
公开(公告)号：CN113255787A
公开(公告)日：2021-08-13
申请号：CN202110603017.6
申请日：2021-05-31
Applicant: 西安电子科技大学
IPC: G06K9/62 , G06F40/284 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于语义特征和度量学习的小样本目标检测方法及系统，将查询图对应的类别语义名称作为知识，使用自然语言处理领域的word2vec工具计算对应的词向量作为语义特征，并与查询图的图像特征进行融合。通过将语义特征嵌入视觉域中，利用同类别目标在语义空间中具有的语义一致性，减少同类别目标间的距离，利用不同语义类别目标在语义空间中具有的语义差异性，增加不同类目标之间的距离，缓解现有基于度量学习的小样本目标检测模型出现的不同类别但外观视觉较相似目标的错检问题和相同语义类别但外观视觉差异较大的漏检的问题，提升在基类与新类上的检测精度。
-
公开(公告)号：CN113239866A
公开(公告)日：2021-08-10
申请号：CN202110603019.5
申请日：2021-05-31
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于时空特征融合与样本注意增强的人脸识别方法及系统，通过人脸检测得到视频中特定目标人脸序列并对其进行评分；使用时间序列处理算法ConvGRU对人脸序列进行时间特征提取；从人脸序列中选出分数最高的图像作为关键帧；送入到Resnet50网络中提取出三种不同深度的特征图，使用空间特征融合算法ASFF计算得到空间特征；最后，将上述得到的时间特征和空间特征在通道维度上拼接后送入全局平均池化层和全连接层，使用提出的ADAM‑Softmax损失函数对模型进行训练；由于ADAM‑Softmax损失函数能够自适应增强对类内差异性较大样本的注意，从而使得模型在快速收敛同时也能达到较高识别准确率。
-
Patent Agency Ranking
公开(公告)号：CN112101190A
公开(公告)日：2020-12-18
申请号：CN202010955163.0
申请日：2020-09-11
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种遥感图像分类方法、存储介质及计算设备，创建遥感图像集，对遥感图像集进行标准化处理，得到训练样本集和测试样本集；设置多尺度特征提取模块，通过在两个并行的卷积模块中设置不同的空洞卷积，生成两个尺度的特征图；设置自适应特征融合模块，自适应特征融合模块能够自适应的选择生成的两个不同尺度的特征中的有用信息并进行融合；搭建整个神经网络模型；使用训练样本集对整个神经网络模型进行迭代训练；在测试样本中随机选择样本作为位置类别样本，利用训练好的神经网络对对需要预测的未知样本进行分类。本发明减少冗余信息，更灵活的选择多尺度特征，提升网络的稳定性，进而提升网络模型的分类能力。
-
公开(公告)号：CN110517285A
公开(公告)日：2019-11-29
申请号：CN201910718847.6
申请日：2019-08-05
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于运动估计ME-CNN网络的大场景极小目标跟踪方法，解决了无需配准利用运动参数进行极小目标跟踪的问题，实现步骤为：获取目标运动估计网络ME-CNN的初始训练集D；构建估计目标运动的网络ME-CNN；用目标运动参数计算网络ME-CNN损失函数；判断是否为初始训练集；更新损失函数训练标签；得到预测目标运动位置初始模型；修正预测模型位置；用修正后的目标位置更新训练数据集，完成一帧的目标跟踪；得到遥感视频目标跟踪结果。本发明用深度学习网络ME-CNN预测目标运动位置，避免了跟踪中大场景图像配准，超模糊目标特征提取难的问题，减小目标特征依赖性，提高了超模糊视频中目标跟踪的准确度。
-
公开(公告)号：CN105702305B
公开(公告)日：2019-01-15
申请号：CN201610075672.8
申请日：2016-02-03
Applicant: 杭州电子科技大学
IPC: G21C17/02
Abstract: 本发明公开了一种核电站松动部件多目标三维动态跟踪方法。本发明包括以下步骤：步骤(1)数据库的建立；步骤(2)三维虚拟建模；步骤(3)松动部件现场信号获取；步骤(4)松动部件定位；步骤(5)松动部件质量估计；步骤(6)动态跟踪显示。本发明通过加速度传感器周期地获取到松动部件的信号，对松动部件进行定位和质量估计后，利用三维可视化技术，实现动态跟踪松动部件，为专家诊断和故障维修提供依据。本发明抗噪能力强，定位精度高，质量估计误差小，并能同时跟踪多个松动部件目标。
-
公开(公告)号：CN105702305A
公开(公告)日：2016-06-22
申请号：CN201610075672.8
申请日：2016-02-03
Applicant: 杭州电子科技大学
IPC: G21C17/02
Abstract: 本发明公开了一种核电站松动部件多目标三维动态跟踪方法。本发明包括以下步骤：步骤(1)数据库的建立；步骤(2)三维虚拟建模；步骤(3)松动部件现场信号获取；步骤(4)松动部件定位；步骤(5)松动部件质量估计；步骤(6)动态跟踪显示。本发明通过加速度传感器周期地获取到松动部件的信号，对松动部件进行定位和质量估计后，利用三维可视化技术，实现动态跟踪松动部件，为专家诊断和故障维修提供依据。本发明抗噪能力强，定位精度高，质量估计误差小，并能同时跟踪多个松动部件目标。
-
公开(公告)号：CN102325019B
公开(公告)日：2014-10-15
申请号：CN201110242223.5
申请日：2011-08-23
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种实时工业以太网EtherCAT冗余系统的时钟同步方法，用PC机作为主站，连接若干个EtherCAT从站组成EtherCAT冗余系统，PC机上装有两个网卡，分别为网卡1和网卡2，主站包括发送单元和接收单元；所述时钟同步方法包括以下步骤：A1，主站进行故障判别及故障检测步骤，根据判别和检测结果选择不同帧传输策略，A2，计算传输时延，A3，修正从站时间。可以实现EtherCAT冗余机制和分布时钟的兼容，一方面可保证系统出现单点故障时主从站能正常通信，提高通信可靠性；另一方面可保证冗余系统主从站的时间同步，不影响系统的协同工作。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.038 seconds)
