-
公开(公告)号：CN118314386A
公开(公告)日：2024-07-09
申请号：CN202410409748.0
申请日：2024-04-07
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/086
Abstract: 一种基于代理辅助进化卷积注意力网络架构搜索的高光谱图像分类方法、系统、设备及介质，本发明：1、通过采用代理模型辅助的NAS技术，能够降低进化架构搜索算法的时间成本和资源消耗；2、通过基于染色体碱基类型的代理数据增强技术，能够解决现有代理模型训练数据不足的问题；3、通过一种新颖的代理模型训练方法，将代理模型的训练分为全局和局部搜索两种情况，能够使代理模型良好地适应随着种群进化而发生改变的代理模型的预测环境；4、通过一种融合卷积神经网络和多个注意模块的编码，能够提高算法鲁棒性和合理利用计算资源；5、通过高效的交叉和变异算子，能够自适应调整网络深度和染色体基因，具有增强算法搜索能力和提高分类效率的优点。
-
公开(公告)号：CN116894975A
公开(公告)日：2023-10-17
申请号：CN202310838303.X
申请日：2023-07-10
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/082 , G06T7/246
Abstract: 本发明公开了一种卫星视频中基于时空运动和模型压缩的移动车辆检测方法，其实现步骤为：构建输入子网络，构建特征提取子网络，构建轻量级时空运动信息提取子网络，构建检测头子网络，构建轻量级移动车辆检测网络，生成训练集，训练轻量级移动车辆检测网络，检测卫星视频中的移动车辆。本发明能够较好的解决检测卫星视频中移动车辆误检和漏检问题，提高了检测精确度，本发明显著减少了检测时间，提高了从卫星视频中检测地面移动车辆的效率，可用于对卫星视频中移动车辆进行实时的检测。
-
公开(公告)号：CN116681727A
公开(公告)日：2023-09-01
申请号：CN202310663304.5
申请日：2023-06-06
Applicant: 西安电子科技大学
IPC: G06T7/246 , G06V10/764 , G06V10/25 , G06V10/26 , G06V10/42 , G06N3/0499
Abstract: 一种基于稀疏表示的自适应Transformer目标跟踪系统及方法，系统包括：特征提取模块，特征提取模块包括块嵌入层、Transformer块、稀疏空间注意模块、稀疏自适应空间剪枝模块以及候选区域重建模块，以及预测头模块；方法包括：将搜索区域图像和模板集图像同时输入特征提取模块，进行特征提取并输出搜索区域特征图与classtoken；将输出的搜索区域特征图与classtoken送入预测头模块，利用预测头模块中的概率头、尺度头与偏差头计算得出预测的目标包围框；利用质量头计算得出搜索区域质量；对当前帧的搜索区域图像以预测的目标包围框为中心裁剪，在模板集图像中对最久未更新的动态模板进行更新；本发明具有计算量低，数据处理速度快以及跟踪精度高的优点。
-
公开(公告)号：CN111832479B
公开(公告)日：2023-08-01
申请号：CN202010672068.X
申请日：2020-07-14
Applicant: 西安电子科技大学
IPC: G06V20/40 , G06V10/25 , G06V10/46 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提出了一种基于改进的自适应锚点R‑CNN的光学遥感视频目标检测方法，用于解决现有技术中精确率和召回率较低的问题，实现步骤为：获取训练样本集和测试样本集；构建改进的自适应锚点R‑CNN网络及其损失函数；对改进的自适应锚点R‑CNN网络进行迭代训练；获取目标检测识别结果。本发明所构建的小目标区域提议网络自适应地生成高质量的锚点，一定程度上避免漏检，有效提高小目标的检测召回率，同时所构建的尺寸预测损失函数有利于小目标尺寸的稳定收敛，进一步提高了小目标的检测精确率和召回率，可用于光学遥感视频中的目标检测。
-
公开(公告)号：CN113205519B
公开(公告)日：2023-07-25
申请号：CN202110432657.5
申请日：2021-04-21
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多支路特征融合的图像分割方法及系统，建立三个基于Xception的轻量化子网络，对三个子网络的输出进行通道缩减操作和4倍双线性上采样，得到三个子网络的高级特征输出，然后将第一高级特征输出和第二高级特征输出并联到第二特征提取模块和第三特征提取模块，构造图像分割模型的编码器；将三个特征提取子网络的输出分别进行通道缩减操作得到低级特征和高级特征，构造完成图像分割模型的解码器；使用两个尺寸不同的预测图像构造损失函数；使用随机梯度下降优化器对损失函数进行优化训练，获得训练好的图像分割模型，使用训练好的图像分割模型完成图像的分割任务。本发明提高了分割准确率；加快图像分割速度；改善分割结果图细节部分。
-
Patent Agency Ranking
公开(公告)号：CN113808166B
公开(公告)日：2023-04-18
申请号：CN202111079689.8
申请日：2021-09-15
Applicant: 西安电子科技大学
IPC: G06T7/246 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于聚类差分和深度孪生卷积神经网络的单目标跟踪方法，其实现步骤为：构建深度孪生卷积神经网络，生成数据集，利用聚类差分算法生成包含目标运动信息的融合图像，生成训练集，训练深度孪生卷积神经网络，生成待跟踪视频中每帧图像的融合图像，对指定运动目标进行跟踪。本发明能够提取相似目标密集、目标尺寸小的遥感图像中的高可区分性的目标特征，使用了聚类差分算法生成包含目标运动信息的融合图像，具有特征提取能力强、抗相似目标干扰性强，抗背景干扰能力强、表观特征依赖性低的优点。
-
公开(公告)号：CN115098787A
公开(公告)日：2022-09-23
申请号：CN202210869627.5
申请日：2022-07-21
Applicant: 西安电子科技大学
IPC: G06F16/9535 , G06Q30/06 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明提出了一种基于余弦排名损失和虚拟边图神经网络的物品推荐方法，实现步骤为：(1)构建用户信息、物品信息以及用户‑物品交互信息；(2)构建用户‑物品虚拟边交互二部图；(3)构建基于余弦排名损失和虚拟边图神经网络的物品推荐模型；(4)对基于余弦排名损失和虚拟边图神经网络的物品推荐模型进行迭代训练；(5)获取向用户推荐的物品列表。本发明通过使用用户‑物品虚拟边交互二部图，挖掘了用户‑物品的潜在交互可能，关注了节点间的隐式反馈以获得更好的嵌入表征向量；同时通过使用余弦排名损失函数，过滤冗余样本以自适应的计算损失函数值，提高了物品推荐的准确性。
-
公开(公告)号：CN114332557A
公开(公告)日：2022-04-12
申请号：CN202111488930.2
申请日：2021-12-07
Applicant: 西安电子科技大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/00 , G06N3/04
Abstract: 本发明公开了一种基于联邦进化卷积神经网络的极化SAR图像分类方法及系统，将极化SAR数据划分为训练集和验证集；将种群中的个体解码为卷积神经网络，输入训练集进行训练并聚合；对聚合后的卷积神经网络重复运行得到最终聚合的卷积神经网络；将验证集输入最终聚合的卷积神经网络得到对验证集的样本正确分类的数量；对种群中的每一个个体执行差分进化操作得到子代种群；将种群与子代种群合并得到合并种群；执行环境选择操作得到下一代种群；选取最终种群并从中选择适应度最高的个体对应的卷积神经网络；将待分类的极化SAR图像输入卷积神经网络中得到分类结果，完成极化SAR图像分类。本发明提高了卷积神经网络分类精度的同时，降低了卷积神经网络的复杂度。
-
公开(公告)号：CN114065048A
公开(公告)日：2022-02-18
申请号：CN202111413243.4
申请日：2021-11-25
Applicant: 西安电子科技大学
IPC: G06F16/9535 , G06Q30/06 , G06N3/04
Abstract: 本发明提出了一种基于多异构图图神经网络的物品推荐方法，实现步骤为：获取用户信息、物品信息以及用户‑物品交互信息；构建属性异构图；构建用户‑物品交互异构图；构建全相邻异构图；构建基于多异构图图神经网络的物品推荐模型；对基于多异构图图神经网络的物品推荐模型进行迭代训练；获取向用户推荐的物品。本发明首先通过在多个异构图上构造一个属性辅助层、一个全相邻辅助层和多个图卷积神经网络层以更高效地获得用户嵌入向量和物品嵌入向量，从而更好地挖掘信息；其次通过保留部分层的节点自连接，充分利用了有限的数据，有效提高了物品推荐的准确性。
-
公开(公告)号：CN113781501A
公开(公告)日：2021-12-10
申请号：CN202111076730.6
申请日：2021-09-14
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种自适应极化SAR图像超像素分割方法及系统，将极化SAR图像分割问题看作是一个多目标优化问题，并将模糊聚类能量函数和模糊聚类性能函数作为该优化问题中需要最小化的两个目标函数；利用多目标进化算法求解，为了自适应确定超像素数目，设计了一种特殊的个体编码方式，其中每个超像素中心都受到对应的活化指数的控制。在优化策略上，针对活化指数设计了一种特殊的变异算子，加快本算法的寻优速度。在两个数据集上进行了超像素分类效果的验证，在图像超像素分割上的分割指标均优于现有的两种方法，本发明在图像分类上的分类指标均优于现有的两种方法。本发明针对不同数据集拥有普适性且效果优于现存的方法。
-
-
-
-
-
-
-
-
-
Search Results
160
records
(took 0.034 seconds)
