-
公开(公告)号：CN108470286A
公开(公告)日：2018-08-31
申请号：CN201810033335.1
申请日：2018-01-15
Applicant: 西北工业大学
CPC classification number: G06Q30/0282 , G06Q30/0201 , G06Q30/0202 , G06Q30/0631
Abstract: 本发明针对现有的基于内存的协同过滤推荐方法的不足，提出了一种面向稀疏数据的比率协同过滤推荐方法，以解决无共同评分项下的相似度计算和评分预测问题。该方法首先根据用户的评分数据计算目标用户(项目)与其他用户(项目)之间的相似度，然后把相似度按照从高到低的顺序将对应的用户(项目)进行排序，选择前K个用户(项目)作为目标用户(项目)的最近邻，对每一个邻居分别根据基于用户(项目)评分预测方法预测未评分项目的中间预测值，最后将这K个中间预测值的平均值作为目标用户(项目)对未评分项目(用户)的预测评分值。本发明计算简单，在数据稀疏时，该方法仍然可以进行相似度计算，预测精度高。
-
公开(公告)号：CN107169946A
公开(公告)日：2017-09-15
申请号：CN201710279800.5
申请日：2017-04-26
Applicant: 西北工业大学
IPC: G06T5/50
Abstract: 本发明提供了一种基于非负稀疏矩阵与超球面彩色变换的图像融合方法，涉及图像融合领域，本发明通过使用一种非负矩阵分解算法对全色和多光谱图像共同提取亮度分量，然后对亮度分量进行建模计算并调整，再使用超球面彩色变换对图像进行融合，得到融合结果图像，本发明利用NMF算法将全色图像和多光谱图像结合起来提取I分量，在解决光谱匹配性差的问题的同时，提高了亮度分量的提取精度，通过利用全色图像及其滤波后的图像对I分量进行调整，更好的融入了空间细节信息，最大限度地防止了光谱畸变，使得新型卫星的融合结果图像在空间细节信息融入方面和光谱特性保持方面都较现有算法有很大的提高，主观评价与客观分析结果能够达到一致。
-
公开(公告)号：CN101719223B
公开(公告)日：2011-09-14
申请号：CN200910254587.8
申请日：2009-12-29
Applicant: 西北工业大学
IPC: G06K9/66
Abstract: 本发明公开了一种静态图像中陌生人面部表情的识别方法，属于图像识别领域，用于对静态图像中陌生人面部表情的识别。所述方法首先用Cohn-Kanade表情数据库作为活动单元学习用样本集，完成表情视觉特征库的建立；将该样本集中图像的视觉特征输入面部活动单元分类器，识别各图像包含的面部活动单元；用面部活动单元特征向量实现从面部活动单元到6种基本表情的分类器学习；对表情测试样本，利用其视觉特征识别其包含的面部活动单元，并构造面部活动单元特征向量，根据面部活动单元特征向量实现面部基本表情的识别。该方法结果采用与文献相同的数据库划分方法，在日本女性人脸表情数据库JAFFE上测试，对陌生人表情识别率由现有技术的70.95％提高到76％。
-
公开(公告)号：CN101719223A
公开(公告)日：2010-06-02
申请号：CN200910254587.8
申请日：2009-12-29
Applicant: 西北工业大学
IPC: G06K9/66
Abstract: 本发明公开了一种静态图像中陌生人面部表情的识别方法，属于图像识别领域，用于对静态图像中陌生人面部表情的识别。所述方法首先用Cohn-Kanade表情数据库作为活动单元学习用样本集，完成表情视觉特征库的建立；将该样本集中图像的视觉特征输入面部活动单元分类器，识别各图像包含的面部活动单元；用面部活动单元特征向量实现从面部活动单元到6种基本表情的分类器学习；对表情测试样本，利用其视觉特征识别其包含的面部活动单元，并构造面部活动单元特征向量，根据面部活动单元特征向量实现面部基本表情的识别。该方法结果采用与文献相同的数据库划分方法，在日本女性人脸表情数据库JAFFE上测试，对陌生人表情识别率由现有技术的70.95％提高到76％。
-
公开(公告)号：CN101266686A
公开(公告)日：2008-09-17
申请号：CN200810018115.8
申请日：2008-05-05
Applicant: 西北工业大学
Inventor： 何贵青
Abstract: 本发明公开了一种基于SFIM和IHS变换的图像融合方法，对高空间分辨率图像和高光谱分辨率图像进行几何配准、去噪等预处理；由IHS正变换公式对原高光谱分辨率图像的RGB波段(R0，G0，B0)进行IHS变换，分别提取I、H、S分量；由公式(I)对I分量进行SFIM运算，即I替代Plow、高空间分辨率图像替代Phigh，计算得出ISFIM；由IHS反变换公式得到Rnew，Gnew，Bnew，进而经波段叠加得到融合结果。本发明引入了SFIM模型，提出SFIM和IHS相结合的融合方法，既能显著保持光谱特性又避免引入复杂、耗时的频率分解与重建过程。
-
Patent Agency Ranking
公开(公告)号：CN119180767A
公开(公告)日：2024-12-24
申请号：CN202411325808.7
申请日：2024-09-23
Applicant: 西北工业大学
Abstract: 本申请的实施例涉及眼底图像处理技术领域，特别涉及一种基于多阈值形状度量的图像暗斑消除方法，包括：对待处理眼底图像进行ROI区域提取并进行灰度化处理，得到ROI区域的灰度图像；对灰度图像进行多阈值分割，得到若干个二值图像；基于暗斑形状度量分别对各个二值图像进行候选暗斑检测，确定出各个二值图像中的候选暗斑；基于各个二值图像中的候选暗斑进行投票，筛选出真实暗斑，并基于真实暗斑在各个二值图像中的中心点和半径，确定真实暗斑的真实中心点和真实半径；基于真实暗斑的真实半径划定基准区域，基于基准区域的平均灰度值消除真实暗斑。该方法能够快速、便捷、高质量地消除眼底图像中的暗斑，并且所需的计算资源很少。
-
公开(公告)号：CN115294385A
公开(公告)日：2022-11-04
申请号：CN202210792189.7
申请日：2022-07-07
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/774
Abstract: 本发明实施例公开了一种样本标注方法、装置、电子设备及计算机可读存储介质。该方法较现有的自动目标识别方法而言，具有评估开放环境中未知新样本预测可靠性的能力，能够及时发现预测错误样本与未知新样本，并通过高效的标注更新机制进行识别模型更新。通过本发明，解决了现有的自动目标识别方法对增量样本识别可靠性和更新效率低下的技术问题，达到了提升在开放环境中增量样本的识别可靠性和未知新样本更新效率的技术效果。
-
公开(公告)号：CN111898608B
公开(公告)日：2022-04-26
申请号：CN202010636379.0
申请日：2020-07-04
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于边界预测的自然场景多语言文字检测方法，首先构建了一个多语言文字检测网络模型，该模型包括特征提取主干网络、残差卷积模块(RCM)、残差池化模块(RPM)和特征融合层，对输入图像逐像素预测文字区域与其外接边界，并将其转化为置信图输出，通过广度优先搜索算法将边界相连的文字区域分离进而得到最终的检测结果。本方法能够检测任意方向、形状的多语言文字区域，降低了算法复杂度，节省计算时间，显著提升了检测精度。
-
公开(公告)号：CN109919177B
公开(公告)日：2022-03-29
申请号：CN201910061009.6
申请日：2019-01-23
Applicant: 西北工业大学
IPC: G06V10/771 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于层次化深度网络的特征选择方法，一种对树分类器不同层次的深度特征进行选择性正交的特征选择算法，使每层分类器提取的特征更加符合各自分类任务的需求，提高特征的可分性，有效地抑制了类别间的相似性特征对网络图像识别能力的影响，并且在反向传播时利用知识图谱来指导网络对特征选择参数进行更新，使网络在粗略分类时更加关注“粗类”内各类别间的相似性，精细分类时更加关注各相似类别间的差异性。本发明提高了特征的有效性和可分性，提升整体网络结构的识别能力，提高了分类的准确率。本发明在各个数据集上均取得了更优的分类效果。
-
公开(公告)号：CN109919320A
公开(公告)日：2019-06-21
申请号：CN201910060989.8
申请日：2019-01-23
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于语义层次结构的Triplet网络学习方法，构建语义层次结构，层次化Triplets采样，之后层次化Triplet网络训练，再利用bilinear特征增强，从而更新网络的参数。本发明既利用了语义知识指导网络层次化的区分样本结构，又利用了层次间的关系让网络关注到更有效的Triplets对，充分挖掘了batch中样本的有效性，从而提升了网络学习到的深度特征的可分性。同时，本发明还利用bilinear函数对图像细节进行了增强，并与Triplet联合训练，进一步提升了网络的性能。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.02 seconds)
