公开(公告)号：CN109447171A

公开(公告)日：2019-03-08

申请号：CN201811309235.3

申请日：2018-11-05

Applicant: 电子科技大学

Inventor： 漆进 ,  史鹏 ,  张通

IPC: G06K9/62

Abstract: 本发明提供了一种基于深度学习的车辆姿态分类方法。该方法包括:训练数据集构建、验证数据集构建、构建mobile-net网络、网络训练、预测。本发明采用了mobile-net模型来对车辆姿态进行分类，因此，提高了分类的准确率和分类的速度。

公开(公告)号：CN108052564A

公开(公告)日：2018-05-18

申请号：CN201711274645.4

申请日：2017-12-06

Applicant: 电子科技大学

Inventor： 漆进 ,  史鹏 ,  张通

IPC: G06F17/30 ,  G01S13/93 ,  G01S13/86

Abstract: 本发明提供了一种建立无人驾驶数据库的方法及系统。该方法包括：对激光雷达数据、毫米波雷达、摄像头、车载信息数据的采集；数据采集硬件系统的建立；数据采集软件系统的建立。本发明保证了数据信息采集的实时性和同步性，因此，应用范围广泛。

公开(公告)号：CN107958219A

公开(公告)日：2018-04-24

申请号：CN201711274563.X

申请日：2017-12-06

Applicant: 电子科技大学

Inventor： 漆进 ,  史鹏 ,  张通

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

CPC classification number: G06K9/00684 ,  G06N3/0454 ,  G06N3/08

Abstract: 本发明提供了一种基于多种深度学习模型融合和多尺度特征的图像场景分类方法。该方法包括：对样本场景图像的训练；对待分类场景图像的预处理；多模型提取待分类场景图像的特征向量；多尺度提取待分类场景图像的特征向量；根据特征向量对待分类场景图像进行预测。本发明优化了特征融合方法，因此，提高了预测准确率。

公开(公告)号：CN107766852A

公开(公告)日：2018-03-06

申请号：CN201711274982.3

申请日：2017-12-06

Applicant: 电子科技大学

Inventor： 漆进 ,  张通 ,  胡顺达

IPC: G06K9/00

CPC classification number: G06K9/00422

Abstract: 本发明属于机器学习和模式识别领域，具体为一种基于卷积神经网络的人机鼠标轨迹检测方法。该方法包括：对鼠标轨迹采样数据进行预处理，得到长度一致的原始特征，如坐标和时间特征、差分特征、速度特征、加速度特征、方向特征；对原始特征进行标准化处理，通过卷积神经网络自动提取高级语义特征，进行训练和预测。本发明简化了特征提取过程，同时采用的卷积神经网络具有更好的泛化能力，能够甄别人机验证产品中的机器攻击手段。

公开(公告)号：CN113484854B

公开(公告)日：2023-04-11

申请号：CN202110825620.9

申请日：2021-07-21

Applicant: 电子科技大学

Inventor： 万群 ,  刘宁 ,  张通 ,  陈新宇 ,  王青平 ,  刘翼鹏 ,  郭贤生

IPC: G01S13/06

Abstract: 本发明属于雷达定位技术领域，具体涉及一种外辐射源位置未知的目标定位方法。本发明首先获取外辐射源直达波信号来波方向估计、目标反射信号来波方向估计、目标反射信号与外辐射源直达波信号的到达时差估计；然后，由目标反射信号与外辐射源直达波信号的到达时差估计，基于获取的数据，依次计算得到外辐射源距离关联向量、目标位置横坐标关联向量、目标速度横坐标关联向量、外辐射源距离与目标位置横坐标乘积的关联向量、外辐射源距离与目标速度横坐标乘积的关联向量；进而获得定位矩阵，由定位矩阵和外辐射源距离关联向量获得中间向量；最后，由中间向量的第二个元素，获得目标的横坐标估计和纵坐标估计。

公开(公告)号：CN109493330A

公开(公告)日：2019-03-19

申请号：CN201811310537.2

申请日：2018-11-06

Applicant: 电子科技大学

Inventor： 漆进 ,  张通 ,  史鹏

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/187 ,  G06T7/194

Abstract: 本发明属于计算机视觉、医学图像处理领域，具体为一种基于多任务学习的细胞核实例分割方法。该方法包括：构建多分支神经网络；多任务联合训练；多分支联合预测。本发明有效地解决了细胞核实例分割中的错漏问题，提高了细胞核实例分割的准确率。

公开(公告)号：CN107862695A

公开(公告)日：2018-03-30

申请号：CN201711274934.4

申请日：2017-12-06

Applicant: 电子科技大学

Inventor： 漆进 ,  刘力源 ,  张通

IPC: G06T7/10 ,  G06T7/00

CPC classification number: G06T7/10 ,  G06T7/0012 ,  G06T2207/20081 ,  G06T2207/20084 ,  G06T2207/30096

Abstract: 本发明针对由于黑色素瘤皮肤病变分割的难度大，缺少简单有效快速的图像分割方法的现状，提出了一种基于全卷积神经网络的改进型图像分割训练方法，该方法包括：首先对训练样本进行数据增强，归一化处理，然后对处理后的样本进行采样切割，并将采样切割后的图像进行分类以实现基于传统卷积神经网络的分类识别训练。然后，将这个分类网络的参数赋值给一种改进型全卷积网络，并将原尺寸的训练样本放入该网络进行训练得到预测概率图，以实现，完对皮肤黑素瘤病变图片的分割。该方法可有效提升全卷机网络对图像分割训练的监督性，提升训练效率，并可增加分割准确率。

公开(公告)号：CN107767380A

公开(公告)日：2018-03-06

申请号：CN201711274671.7

申请日：2017-12-06

Applicant: 电子科技大学

Inventor： 漆进 ,  张通 ,  胡顺达

IPC: G06T7/10

CPC classification number: G06T7/10 ,  G06T2207/20081 ,  G06T2207/20084 ,  G06T2207/30088

Abstract: 本发明属于图像处理、计算机视觉、深度学习、图像语义分割领域，具体为一种基于全局空洞卷积的高分辨率复合视野皮肤镜图像分割方法。该方法包括：基于空洞卷积构建高分辨率复合视野特征提取网络、语义分割网络，使用交叉熵和jaccard近似系数的复合损失函数训练，预测时的数据增强和后处理。本发明采用的全局空洞卷积能够既利用复合视野来把握足够全面的上下文信息，又保留高分辨率图像来捕获足够详实的细节信息，实现了准确的皮肤镜图像分割。