-
公开(公告)号：CN115063862B
公开(公告)日：2024-04-23
申请号：CN202210731136.4
申请日：2022-06-24
Applicant: 电子科技大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 该发明公开了一种基于特征对比损失的年龄估计方法，属于计算机视觉领域。该方法首先选择注意力机制作为特征提取网络的基本结构，并使用了基于注意力机制的偏移窗口变换网络作为特征提取网络的主要结构，用于从面部图像中提取鲁棒的年龄特征；然后设计了用于计算特征之间相对距离的距离估计网络，通过基于特征的对比损失引导特征空间保留标签空间的序约束关系，使得尾部特征能够利用头部特征的信息，进而提升尾部数据的预测准确度，从而解决年龄估计中的长尾分布问题。
-
公开(公告)号：CN116994184A
公开(公告)日：2023-11-03
申请号：CN202310995396.7
申请日：2023-08-09
Applicant: 西安电子科技大学
IPC: G06V20/40 , G06V10/774 , G06V10/82 , G06V10/96 , G06V20/54
Abstract: 一种针对不连续采样序列的视频流的实时目标检测方法，包括以下步骤；对不连续序列视频帧序列通过目标检测网络进行分析，目标检测网络采用当前被分析帧之前所采集前项帧的数据特征，补充当前帧的数据特征，最后目标检测网络通过补充的特征获得检测结果；通过网络训练框架用于从视频中采集并生成不连续视频帧序列数据作为训练数据，并对目标检测网络进行训练，得到用于目标检测的神经网络的模型参数；视频流处理分析框架采用流水线作业的方式，将通过训练的目标检测网络，分割为多个可并行的部分，对视频流进行流水线式目标检测；采用有限深度的队列将已经检测的帧的特征进行保留，以对之后的数据进行补充。本发明能更好、更准确地进行目标检测。
-
公开(公告)号：CN114265954B
公开(公告)日：2023-09-19
申请号：CN202111459096.4
申请日：2021-12-02
Applicant: 西安电子科技大学
IPC: G06F16/901 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于位置信息和结构信息的图表示学习方法：步骤1：获取输入图的信息，对每个节点构造一个近邻节点集；步骤2：根据每个节点的近邻节点集，构造拓扑空间的邻接矩阵，得到每个节点对应的基于结构信息的图节点特征表示；步骤3：将池化得分最高的k个节点作为位置参考点；步骤4：计算得到基于位置信息的图节点嵌入特征；步骤5：将基于结构信息的图节点嵌入特征和基于位置信息的图节点嵌入特征进行融合，得到最终的图节点特征表示。本发明的方法得到的基于位置信息和结构信息的节点嵌入包含了更充分的图特征，对下游任务起到了增益作用。该方法学习到了更加充分的节点信息，取得了良好的效果。
-
公开(公告)号：CN116418383A
公开(公告)日：2023-07-11
申请号：CN202310490097.8
申请日：2023-05-04
Applicant: 西安电子科技大学
Inventor： 张亮
IPC: H04B7/06 , H04B7/08 , H04B7/0456 , H04B7/185
Abstract: 本发明公开了一种用于无人机通信中的自适应波束跟踪方法，属于无人机通信领域，步骤如下：运动状态估计；对无人机进行运动状态估计；训练频率调整；根据无人机的运动状态，可以自适应地调整训练频率；分层码本优化：使用分层码本来优化波束宽度；波束权重计算：根据所选定的波束宽度和分层码本，计算出相应的波束权重，在每个层次中选择最佳的波束方向，并计算出相应的权重值；通信和反馈：使用所计算出的波束权重进行通信，并根据反馈信息来更新码本和波束权重，当通信质量不佳时，根据反馈信息来调整码本和波束权重，以提高通信效率和性能。
-
公开(公告)号：CN116416506A
公开(公告)日：2023-07-11
申请号：CN202211601910.6
申请日：2022-12-13
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06V10/82 , G06V10/764 , G06V10/20 , G06V10/774 , G06N3/045 , G06N3/0464 , G06N3/082 , G06N3/084
Abstract: 本发明公开一种用于数据不平衡问题的图像样本重加权方法，该方法与属于图像识别领域。本发明方法能够有效缓解数据不均衡问题；现有的样本重加权方法大多直接使用类别样本数量的倒数作为损失权重。在本发明中，提出了一种新的样本重加权方法，通过引入可调节权重参数，使得计算得到的样本权重更符合数据的分布规律，保证模型能够兼顾学习不同样本数量的类别的样本特征。此外，本发明能够结合大部分损失函数，显著提高模型性能。
-
Patent Agency Ranking
公开(公告)号：CN112667078B
公开(公告)日：2023-06-09
申请号：CN202011553957.0
申请日：2020-12-24
Applicant: 西安电子科技大学
IPC: G06F3/01 , G06F3/038 , G06F3/0354 , G06T7/73 , G06T3/00 , G06V40/16 , G06V10/764 , G06V10/82 , G06V40/18 , G06N3/045 , G06N3/08
Abstract: 本发明公开了基于视线估计的多屏场景下鼠标快速控制方法、系统及计算机可读介质，方法包括图像采集、图像处理、读取坐标位置、控制鼠标动作的步骤；其中图像处理包括人脸检测、面部特征点定位、头部姿态估计、三维视线估计、坐标转化、设置置信度阈值的步骤。本发明基于视线估计的多屏场景下鼠标快速控制方法、系统及计算机可读介质，可以有效解决在大屏或跨多屏浏览信息时的鼠标跟随问题，尤其是在多个大屏幕扩展的工作场景下使人机交互更为便捷，控制鼠标在多屏间大范围快速移动，然后人手可以控制鼠标做小范围的精细控制，通过手眼配合，达到在多屏间对鼠标快速、自然、高效地控制。
-
公开(公告)号：CN116208425A
公开(公告)日：2023-06-02
申请号：CN202310283508.6
申请日：2023-03-21
Applicant: 西安电子科技大学
IPC: H04L9/40
Abstract: 一种多阶段攻击的防御图演进方法、系统、设备及介质，方法包括：根据当前云环境资产信息，在其包含的漏洞和脆弱性信息的基础上，构建针对当前云环境的攻击图；结合ATT&CK知识图谱，针对攻击图中每一个攻击步骤达成的必要条件所对应的漏洞及脆弱性信息，构建相对应的防御措施集合；根据被攻击导致的服务瘫痪信息，更新攻击图上的节点属性及连接关系；根据防御措施部署导致的漏洞及脆弱性修复的信息，更新攻击图上的节点属性及连接关系；基于更新后的攻击图，结合ATT&CK知识图谱，对每一个攻击步骤的防御措施集合的更新；其系统、设备及介质用于实现多阶段攻击的防御图的演进；为攻防对抗智能博弈提供方法指导和支撑，更加有利于具备可解释性的攻防对抗智能博弈。
-
公开(公告)号：CN116009759A
公开(公告)日：2023-04-25
申请号：CN202211737474.5
申请日：2022-12-31
Applicant: 西安电子科技大学 , 中国船舶集团有限公司综合技术经济研究院
IPC: G06F3/04883 , G06F3/04817 , G06N3/045 , G06N3/0464 , G06N3/09 , G06N3/094
Abstract: 一种手绘输入法的用户绘制风格快速学习方法、系统、设备及介质，方法为：获取利用大数据集离线训练得到的手绘输入法的识别网络模型参数；从离线训练手绘输入法的识别网络模型训练数据集中，为手绘输入法支持的每个手绘类别随机选取n个手绘图像样本，作为每个手绘类别的绘制示例；为手绘输入法支持的全部或部分手绘类别中的每一类绘制不多于n个手绘图像样本；提取源域和目标域，利用有监督的条件对抗域自适应算法，实现对手绘输入法的基础模型的参数更新；其系统、设备及介质能够使用户对手绘输入法的用户绘制风格进行快速学习；本发明识别精度高，能够实现手绘输入法用户的新绘制数据的识别精度的快速提升。
-
公开(公告)号：CN115965979A
公开(公告)日：2023-04-14
申请号：CN202310084719.7
申请日：2023-02-09
Applicant: 西安电子科技大学
IPC: G06V30/226 , G06V30/14 , G06V30/19 , G06N3/04
Abstract: 手绘场景下的图像识别与智能转化方法、系统及计算机可读介质，包括以下步骤；通过相机实时拍摄，实时扫描当前的手绘草图，或直接软件绘制流程图，采集当前时刻的手绘流程图像信息，输入至计算机，实现实时的手绘流程图的采集与传输；获取手绘流程图像信息，通过定位形状位置和识别形状类别步骤，最终输出各个预测形状的位置坐标框、形状类型、箭头关键点位置及箭头所属形状数据；通过PPT/Visio软件智能展示，输出指定软件的可编辑图形；OCR模块搭载，实现文字自动生成，最终输出完整的可编辑图形。本发明解决了现有技术中存在的手绘流程图转化技术的研究的准确性、效率以及可用选择较低的问题。
-
公开(公告)号：CN110378236B
公开(公告)日：2023-04-07
申请号：CN201910537407.0
申请日：2019-06-20
Applicant: 西安电子科技大学
IPC: G06V20/54 , G06V10/764 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，涉及一种基于深度学习的车辆身份识别模型构建、识别方法和系统。首先，本发明利用大规模道路监控图片进行车辆检测的模型训练，训练采用多损失函数分阶段联合训练策略。然后，对检测出的车脸图像进行部件提取，并根据车脸部件提取情况利用特征提取与融合网络或普通分类网络进行分类。最后，利用多任务网络提取并过滤车脸的身份特征向量，将待分析图像特征与车辆信息库内图像的特征向量进行相似性度量，得到车辆身份识别结果。本发明提出的深度学习网络框架能够针对需求，提升网络模型的在不同方面的特征提取能力，从而实现最佳的模型表述能力，方便提取具有显著区分度的识别特征向量。
-
-
-
-
-
-
-
-
-
Search Results
177
records
(took 0.041 seconds)
