公开(公告)号：CN118314399A

公开(公告)日：2024-07-09

申请号：CN202410470108.0

申请日：2024-04-18

Applicant: 西安电子科技大学

Inventor： 张诚 ,  任仲乐 ,  侯彪 ,  李卫斌 ,  焦李成

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V20/10 ,  G06N3/045

Abstract: 基于跨模态空间动态融合网络的高分辨大场景SAR和光学影像土地覆盖分类方法、系统及介质，其方法为：采集同一地区的SAR影像和光学影像并组成训练数据集；构建跨模态空间动态融合网络模型；利用训练数据集训练跨模态空间动态融合网络模型；采集待预测的SAR影像和光学影像，利用训练好的跨模态空间动态融合网络模型进行分类，得到影像块的最终语义分割结果；合并图像块的分类结果，得到最终的土地覆盖分类结果；系统、设备及介质用于实现该方法；本发明在SAR和光学影像的多尺度特征基础上，利用跨模态注意力机制进行特征交互，实现模态间信息交流，通过空间动态融合模块进行SAR和光学特征互补信息的高效融合，提升了土地覆盖分类的性能。

公开(公告)号：CN118115804A

公开(公告)日：2024-05-31

申请号：CN202410279218.9

申请日：2024-03-12

Applicant: 西安电子科技大学

Inventor： 古晶 ,  万家振 ,  侯彪 ,  冯婕 ,  杨淑媛 ,  刘芳 ,  焦李成

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/52 ,  G06V10/766 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了基于半弦偏移与知识蒸馏的旋转目标检测方法，包括以下步骤；步骤1，构建教师网络与学生网络联合训练的知识蒸馏检测框架；步骤2，构建教师网络的特征金字塔，输出教师的多尺度特征图；步骤3，构建教师和学生的骨干网络的残差级联特征蒸馏模块，得到学生的多尺度特征图；步骤4，构建半弦偏移表征模块，将特征图输入半弦偏移表征模块，输出的分类分支结果；步骤5，对分类分支结果和回归分支结果进行逻辑蒸馏，得到检测结果图像。本发明通过设计旋转框表征范式，并结合知识蒸馏框架来提高小模型的建模能力，以解决上述现有技术的缺点以提高遥感目标检测的精度。

公开(公告)号：CN117994662A

公开(公告)日：2024-05-07

申请号：CN202410204656.9

申请日：2024-02-24

Applicant: 西安电子科技大学

Inventor： 朱虎明 ,  王金成 ,  缪孔苗 ,  张凌云 ,  李秋明 ,  程新跃 ,  董西淼 ,  侯彪

IPC: G06V20/10 ,  G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/084 ,  G06N3/098

Abstract: 本发明公开了一种基于通信优化的遥感图像目标检测并行训练方法，主要解决现有遥感图像检测并行训练方法通信占比高的问题。其实现方案为：获取训练样本集；选用任意一个现有的遥感图像目标检测模型；对遥感图像目标检测模型进行分阶段重叠优化：1)计算遥感图像目标检测模型的损失并进行反向传播计算梯度；2)更新一阶动量和二阶动量，并对其进行修正；3)设置弹性全局参数，更新目标检测模型参数；4)更新弹性全局参数；5)重复上述步骤直到模型收敛，得到训练好的遥感图像目标检测模型。本发明通过设定弹性的全局参数并对其进行更新，能实现模型计算与模型通信的高效重叠，降低训练通信占比，加快并行训练的速度，可用于神经网络的深度学习。

公开(公告)号：CN115272242B

公开(公告)日：2024-02-27

申请号：CN202210909740.1

申请日：2022-07-29

Applicant: 西安电子科技大学

Inventor： 侯彪 ,  李智德 ,  汤奇 ,  任仲乐 ,  任博 ,  杨晨 ,  焦李成

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/084 ,  G06N3/0464

Abstract: 本发明涉及一种基于YOLOv5的光学遥感图像目标检测方法，其特征在于，包括：步骤1：获取待检测光学遥感图像，待检测光学遥感图像中包含有待检测的目标；步骤2：将待检测光学遥感图像裁剪为若干待检测光学遥感子图像；步骤3：将待检测光学遥感子图像输入至预先训练完成的YOLOv5目标检测模型中，得到对应的子图像检测结果，检测结果包括目标检测框以及分类‑交并比；步骤4：将子图像检测结果合并得到待检测光学遥感图像的检测结果；其中，YOLOv5目标检测模型包括级联的骨干网络、颈部网络和检测头，颈部网络为CSP‑BiFPN网络。本发明的基于YOLOv5的光学遥感图像目标检测方法的检测精(56)对比文件吴萌萌 等.基于自适应特征增强的小目标检测网络.激光与光电子学进展.2022,1-14.周旗开 等.基于改进YOLOv5s的光学遥感图像舰船分类检测方法.激光与光电子学进展.2022,摘要，第1-5节.Xiaoqi Wang 等.Improved YOLOv5 withBiFPN on PCB Defect Detection.2021 2ndInternational Conference on ArtificialIntelligence and Computer Engineering(ICAICE).2022,摘要，第I-IV节.王新 等.基于改进 YOLOV5算法的交警手势识别.电子测量技术.2022,摘要，第0-4节.

公开(公告)号：CN116469002A

公开(公告)日：2023-07-21

申请号：CN202310273227.2

申请日：2023-03-20

Applicant: 西安电子科技大学

Inventor： 侯彪 ,  梁爽 ,  任博 ,  任仲乐 ,  杨晨

IPC: G06V20/10 ,  G06V10/52 ,  G06V10/40 ,  G06V10/80 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/08 ,  G01S13/90

Abstract: 本发明公开了一种基于多级特征融合及混合注意力的SAR图像舰船目标检测方法，包括：构建用于SAR图像舰船目标检测的YOLO‑SP网络模型，所述YOLO‑SP网络模型包括依次连接的主干特征提取网络、多级特征融合网络和检测头；利用训练数据集对所构建的YOLO‑SP网络模型进行训练，计算损失函数，并反向更新模型参数，获得训练后的YOLO‑SP网络模型；对待检测的SAR图像进行数据标准化预处理，获得预处理后的像素矩阵；将预处理后的像素矩阵输入训练后的YOLO‑SP网络模型，对待检测的SAR图像进行舰船目标检测，获得目标的类别信息、位置信息和置信度。本发明通过多级特征提取策略与混合注意力机制，加强了目标特征信息的提取，提高对舰船目标的检测精度。

公开(公告)号：CN111145188B

公开(公告)日：2023-06-06

申请号：CN201911358532.1

申请日：2019-12-25

Applicant: 西安电子科技大学

Inventor： 侯彪 ,  焦李成 ,  付勐 ,  马晶晶 ,  张向荣 ,  马文萍

IPC: G06T7/11 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于ResNet与UNet模型的图像分割方法，将原始的RGB三通道图像大小进行调整，并对应调整标签图像大小；将调整后的RGB图像作为UNet图像分割模块的输入；将调整后的RGB图像作为ResNet特征提取模块的输入，保留前三层的输出结果替换UNet第三、四、五层的输出结果；得到基于ResNet和UNet的图像分割训练模型，并对模型进行训练；将训练得到的模型参数作为预测模型，进行图像分割。本发明利用ResNet在特征提取方面的优势，提高图像分割的质量，解决单一UNet模型应用于图像分割易产生的特征提取不够准确，区域一致性差，边界模糊的问题。

公开(公告)号：CN116205927A

公开(公告)日：2023-06-02

申请号：CN202310165505.2

申请日：2023-02-24

Applicant: 西安电子科技大学

Inventor： 古晶 ,  孙新凯 ,  翟得胜 ,  杨淑媛 ,  冯婕 ,  侯彪 ,  刘芳 ,  焦李成

IPC: G06T7/10 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于边界增强的图像分割方法，包括：建立边界增强的图像分割网络模型，并利用训练好的网络模型对输入图像进行分割；其中，图像分割网络模型的编码器包括第一特征提取模块、边界提取模块以及第二特征提取模块，主要用于提取输入图像的边界特征和边界标签，以获得不同尺度的特征图；图像分割网络模型的解码器包括双向互增强模块和一个多尺度注意力聚合模块，主要用于基于尺度维度、空间维度以及通道维度对增强特征图进行注意力聚合处理，得到多维度融合特征图。该方法提取到的边界信息更加准确，使获得的多维度融合特征图突出能够更加有效提高分割结果准确率的空间信息和语义信息，从而提高了图像分割的准确率。

公开(公告)号：CN112052754B

公开(公告)日：2023-05-05

申请号：CN202010854358.6

申请日：2020-08-24

Applicant: 西安电子科技大学

Inventor： 任博 ,  赵阳阳 ,  侯彪 ,  焦李成 ,  马晶晶 ,  马文萍

IPC: G06V10/764 ,  G06V20/13 ,  G06V10/56 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提出一种基于自监督表征学习的极化SAR影像地物分类方法，主要解决现有极化SAR深度卷积网络分类所需标签数多、鲁棒性差的问题。其方案是：对极化SAR原始数据进行极化相干矩阵模态表征提取和Pauli色彩模态表征提取；设计自监督表征学习损失函数及网络框架，并在不使用标签数据的情况下对该框架进行训练；将训练好的网络框架权重值迁移到深度卷积分类网络模型中；使用少量有标签样本对该深度卷积分类网络进行微调训练，得到训练好的分类器；将测试数据输入到训练好的分类器，得到最终的分类结果。本发明减少了对标签数据量的需求，提高了极化SAR深度卷积网络的分类精度和鲁棒性，可用于指导农业和海洋监测。

公开(公告)号：CN114612937A

公开(公告)日：2022-06-10

申请号：CN202210253062.8

申请日：2022-03-15

Applicant: 西安电子科技大学

Inventor： 缑水平 ,  项佳军 ,  李睿敏 ,  任海洋 ,  侯彪 ,  郭璋 ,  白苑宁 ,  任子豪

IPC: G06V40/10 ,  G06V10/46 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于单模态增强的红外与可见光融合行人检测方法，主要解决现有方法中单模态特征提取支路对特征表达能力差的问题。其方案为：1)对现有公开KAIST数据集进行筛选与处理，获得处理后的训练集与测试集；2)构建基于单模态增强的红外与可见光融合行人检测网络W；3)构建行人检测网络W的总体损失Loss；4)用训练集对基于单模态增强的红外与可见光融合行人检测网络W进行训练，通过损失Loss更新网络W中的参数，得到训练好的行人检测网络W′；5)将测试集的图像输入到训练好的行人检测网络W′，得到最终检测结果。本发明提高了行人目标的检测精度与检测速度，可用于无人驾驶，视频跟踪。

公开(公告)号：CN108154192B

公开(公告)日：2022-05-17

申请号：CN201810032469.1

申请日：2018-01-12

Applicant: 西安电子科技大学

Inventor： 侯彪 ,  焦李成 ,  张永昌 ,  马晶晶 ,  马文萍 ,  王爽 ,  白静

IPC: G06V20/13 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/75 ,  G06V10/82 ,  G06V10/52 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了一种基于多尺度卷积与特征融合的高分辨SAR地物分类方法主要解决现有技术分类精度较低及易出现过拟合的问题。实现方案是：1.提取待分类图像的纹理特征和小波特征；2.对待分类图像、纹理特征和小波特征进行融合，组成融合特征矩阵；3.根据融合特征矩阵构建训练数据集和测试数据集；4.对现有的CNN网络添加多尺度卷积层和shuffle层，并将全连接层改为卷积层，构建多尺度卷积融合网络；5.用训练数据集训练多尺度卷积融合网络得到模型参数；6.用模型参数初始化多尺度融合网络对测试集进行分类。本发明提高减少了网络的参数，缓解了小样本问题的过拟合现象，提高了分类精度，可用于高分辨SAR图像地物分类。