-
公开(公告)号：CN111736125A
公开(公告)日：2020-10-02
申请号：CN202010256158.0
申请日：2020-04-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于注意力机制和双向堆叠循环神经网络的雷达目标识别方法，该方法首先进行预处理降低HRRP样本中的敏感性并建立动态调整层；然后选取滑窗尺寸对HRRP进行切分，滑窗移动距离小于滑窗长度；然后通过重要性网络调整各切分序列的重要程度；再通过双向堆叠RNN对样本的时序相关性进行建模，提取出其高层次特征；最后采用多层次的注意力机制调整隐层状态的重要程度并通过softmax进行目标分类。
-
公开(公告)号：CN111738111B
公开(公告)日：2023-08-29
申请号：CN202010521528.9
申请日：2020-06-10
Applicant: 杭州电子科技大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多分支级联空洞空间金字塔的高分辨率遥感图像的道路提取方法，包括如下步骤:S1，数据预处理，对Massachusetts数据集里面的数据进行数据扩增；S2，搭建模型，使用卷积神经网络提取遥感道路图像的特征图，结合多分支级联空洞空间金字塔来提取道路图像上的特征信息，多分支级联空洞空间金字塔对所给定的输入以不同空洞比率的级联空洞卷积进行并行采样，相当于以多种方式捕捉图像的上下文信息；S3，设计损失函数来优化网络参数，并且建立评估指标F1和评估指标MIOU；S4，用训练好的模型在测试样本集上进行测试，经过网络模型的特征提取和特征上采样来得到最终的分割图像。
-
公开(公告)号：CN111596292B
公开(公告)日：2023-08-25
申请号：CN202010256702.1
申请日：2020-04-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于重要性网络和双向堆叠RNN的雷达目标识别算法框架，该方法首先进行预处理降低HRRP样本中的敏感性并对样本进行谱图变换；然后通过重要性网络调整谱图中各时间点序列的重要程度，再通过双向堆叠RNN对时序相关性建模，提取出其高层次特征，最后采用多层次的注意力机制调整网络隐层状态的重要程度并通过softmax进行目标分类。
-
公开(公告)号：CN111738112B
公开(公告)日：2023-07-07
申请号：CN202010521534.4
申请日：2020-06-10
Applicant: 杭州电子科技大学
IPC: G06V20/13 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/044 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种基于深度神经网络和自注意力机制的遥感船舶图像目标检测方法，包括以下步骤：S1，收集遥感卫星船舶图像数据集，并进行样本标注；S2，对经过S1所提取的数据集中的样本进行数据预处理；S3，用经过特征金字塔网络对预处理后的样本进行特征提取；S4，给水平锚点添加角度参数，设置为旋转锚点，再送入RPN网络；S5，搭建RNN网络融合Self‑Attention，对候选区域的置信度进行重计分；S6，搭建Fast R‑CNN网络；S7，对由S1采集到的测试数据进行训练阶段的步骤S2预处理操作；S8，将经过S7处理的样本送入S3、S4、S5和S6构建的模型中进行测试求得结果，即最后经过Fast R‑CNN输出分类与回归的结果。
-
公开(公告)号：CN111753677A
公开(公告)日：2020-10-09
申请号：CN202010521967.X
申请日：2020-06-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于特征金字塔结构的多角度遥感船舶图像目标检测方法，包括以下步骤：S1，收集遥感卫星船舶图像数据集，并进行样本标注，得到标注目标；S2，对经过S1所提取的数据集中的样本进行数据预处理，形成完整的训练数据集；S3，用经过改进的特征金字塔网络对预处理后的样本进行特征提取，得到多层特征融合的特征金字塔；S4，经过RPN网络生成候选区域；S5，添加不同池化大小的ROI Pooling层；S6，搭建Fast R-CNN网络；S7，对由S1采集到的测试数据进行训练阶段的步骤S2预处理操作；S8，将经过S7处理的样本送入S3、S4、S5和S6构建的模型中进行测试求得结果，即最后经过Fast R-CNN输出分类与回归的结果。
-
Patent Agency Ranking
公开(公告)号：CN111738113A
公开(公告)日：2020-10-02
申请号：CN202010521918.6
申请日：2020-06-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于双注意力机制与语义约束角的高分辨率遥感图像的道路提取方法，包括以下步骤：S1，对Massachusetts数据集里面的遥感道路图像进行操作来进行数据集的数据扩增，对数据集里面的遥感道路图像的标签图像进行语义约束角计算的数据预处理操作；S2，使用卷积神经网络提取遥感道路图像的特征图，并在卷积神经网络中加入位置注意力机制和通道注意力机制来计算不同通道和位置的特征权重，让网络模型能够更好的获取不同位置和不同通道的语义信息；S3，设计主损失函数，辅助损失函数来优化网络参数；S4，用训练好的模型在测试样本集上进行测试，经过网络模型的特征提取和特征上采样来得到最终的分割图像。
-
公开(公告)号：CN111596276A
公开(公告)日：2020-08-28
申请号：CN202010256705.5
申请日：2020-04-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于谱图变换和注意力机制循环神经网络的雷达HRRP目标识别方法，该方法首先进行预处理降低HRRP样本中的敏感性并对样本进行谱图变换；然后建立动态调整层，对谱图进行调整；然后通过重要性网络调整谱图中各时间点序列的重要程度，再通过双向堆叠RNN对时序相关性建模，提取出其高层次特征，最后采用多层次的注意力机制调整网络隐层状态的重要程度并通过softmax进行目标分类。
-
公开(公告)号：CN111580058A
公开(公告)日：2020-08-25
申请号：CN202010256109.7
申请日：2020-04-02
Applicant: 杭州电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于多尺度卷积神经网络的雷达HRRP目标识别方法，该方法首先进行预处理降低HRRP样本中的敏感性，然后后接的多尺度卷积神经网络可在保留HRRP样本内所蕴含的序列相关性同时，提取出HRRP包络中所含的信息，最后采用基于RNN的深度学习方法进行目标识别：该方法基于序列相关性进行建模，对物理结构特征进行建模描述，最后通过softmax进行分类识别。
-
公开(公告)号：CN109239670A
公开(公告)日：2019-01-18
申请号：CN201810998871.5
申请日：2018-08-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于结构嵌入和深度神经网络的雷达HRRP识别方法，首先提取数据的时域特征并对提取出的时域特征进行切分和非均匀量化编码得到其局部结构的编码，然后利用局部结构和其周围数个局部结构的关系得到其编码之间的共现矩阵，进而通过该共现矩阵得到数据的结构嵌入特征，然后再将提取出的嵌入特征送入由全连接层和基于LSTM的双向循环神经网络构成的深度神经网络进行训练，最后利用softmax层对HRRP进行识别并得到识别结果。
-
公开(公告)号：CN109191472A
公开(公告)日：2019-01-11
申请号：CN201810983829.6
申请日：2018-08-28
Applicant: 杭州电子科技大学
IPC: G06T7/11
Abstract: 本发明公开了基于改进U-Net网络的胸腺细胞图像分割方法，包括以下步骤：将UCSB breast图像数据集进行图像预处理；在U-Net网络中，加入空洞残差模块和注意力模块；对U-Net网络根据设定的训练策略进行训练；建立包括F1评分，对象级Dice系数和Hausdorff距离的评估指标，通过评估指标优化网络，得到最优模型；将需分割的细胞图像输入最优模型，经过特征提取和特征上采样得到分割蒙版。本发明通过改进一个基础分割网络，创建一个新的细胞图像分割方法，解决了胸腺图像自动分割过程中精度较低的问题，提高了分割的正确率和效率。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.042 seconds)
