-
公开(公告)号：CN114972434B
公开(公告)日：2024-08-09
申请号：CN202210629944.X
申请日：2022-06-06
Applicant: 电子科技大学
IPC: G06T7/246 , G06V10/44 , G06N3/08 , G06N3/0464 , G06V10/82
Abstract: 本发明涉及智能视频监控和智能安保技术领域，特别是涉及一种级联检测和匹配的端到端多目标跟踪系统，包括输入模块、特征提取模块、输入预处理模块、目标检测模块以及目标数据关联模块；输入模块用于将该图像二元组以孪生形式输入到特征提取模块；特征提取模块采用DLA34网络作为下采样骨干网络，并在每一个下采样节点中加入上采样以实现语义融合；所述输入预处理模块用于将历史帧图像的特征进行融合；目标检测模块基于点的目标检测，定位目标位置，得到检测三元组；目标数据关联模块包括匹配模型和经过训练的基于卷积网络的非线性运动预测模型。通过本跟踪系统，能有效解决多尺度特征难以融合、任务失衡以及目标运动关联算法匹配效果较差的问题。
-
公开(公告)号：CN118199787B
公开(公告)日：2024-07-23
申请号：CN202410593072.5
申请日：2024-05-14
Applicant: 陕西山利科技发展有限责任公司 , 西安电子科技大学 , 西安邮电大学
IPC: H04K3/00
Abstract: 本发明公开了基于数字信号源低杂散对全频段无人机干扰反制的方法，在两个数字信号板内自定义设置分段通道，两个数字信号板的每个分段通道内对应生成特有频段反制信号区间；对每个分段通道内对应生成特有频段反制信号区间的结果设置信号处理过程，对每个信号处理区间的结果设置放大处理过程，对每个信号放大区间的结果设置滤波处理过程，获得目标无人机的频率信息，确定目标无人机的频率信息所在的信号滤波放大区间，开启所在的信号滤波放大区间相应的数字信号板的分段通道、信号处理过程、放大处理过程、滤波处理过程；将最终得到的信号通过全向天线辐射发射，对目标无人机进行干扰反制；本发明解决模拟信号不能定义频段的问题。
-
公开(公告)号：CN116580552A
公开(公告)日：2023-08-11
申请号：CN202310360875.1
申请日：2023-04-06
Applicant: 电子科技大学(深圳)高等研究院
Abstract: 本申请提供一种智能车路协同方法和系统，方法应用于服务器中，包括：获取目标车辆所处位置中，附近车辆信息以及道路信息；将车辆信息以及道路信息输入至车车协同运动模型，以预测目标车辆的运动信息以及附近车辆的运动信息；将目标车辆的运动信息以及附近车辆的运动信息输入至车路协同优化模型，以得到模型最优解；根据模型最优解，从决策知识库中匹配模型最优解对应的决策信息，决策信息用于控制目标车辆的运行策略。本申请通过采用上述方法，解决车车、车路海量多源异构数据融合问题，实现车路协同优化，实现交通诱导，保证车辆驾驶安全，达到形成车路协同群集智能体系的目的。
-
公开(公告)号：CN116521953A
公开(公告)日：2023-08-01
申请号：CN202310352450.6
申请日：2023-04-04
Applicant: 电子科技大学(深圳)高等研究院
IPC: G06F16/903 , G06F16/25 , G06F16/27 , G06F16/2455
Abstract: 本申请涉及信息匹配的技术领域，尤其是涉及一种信息匹配方法和系统。本申请通过微服务的架构，将出入境口岸检查的各个业务功能分别建立一个微服务，每个微服务架构独立，具有独立的数据库，因此可以在不同业务请求下调用不同的微服务，且便于拓展和安装部署；不同微服务通过应用服务容器发布，之间还可以相互调用，从而使多个数据库之间协同工作。
-
-
Patent Agency Ranking
公开(公告)号：CN114913372B
公开(公告)日：2023-05-26
申请号：CN202210506178.8
申请日：2022-05-10
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/774
Abstract: 本发明涉及数据处理技术领域，尤其涉及一种基于多模态数据集成决策的目标识别算法，包括建立分类识别网络模型，并基于该建立分类识别网络模型进行图像多模态处理、图像无标签分类和图像集成决策分类；通过图像多模态处理获得基于复杂环境的多个数据集；通过无标签分类以区分正负样本，然后基于正负样本进行图像集成决策分类。本发明基于复杂环境变化，通过对数据集图像处理得到多模态数据，使得目标图像有了多层次可梯次化的特性，为后续模型训练得到更稳健的性能打下了良好的基础，以运用集成决策算法与无标签样本辨识算法结合实现环境自适应目标识别算法，在复杂环境下能高效、准确地识别出目标。
-
公开(公告)号：CN115273141A
公开(公告)日：2022-11-01
申请号：CN202210786208.5
申请日：2022-07-04
Applicant: 电子科技大学
Abstract: 本发明公开了一种自选择感受野块、图像处理方法及应用，其中，自选择感受野块包括图像输入模块、挤压模块、金字塔卷积组、加权融合模块、激励模块和图像输出模块。图像处理方法主要是基于自选择感受野块实现图像的处理，应用主要是将自选择感受野块应用于神经网络模型中。本发明借助多个不同尺度空洞卷积的优势设计了金字塔卷积组，用以获取图像中由局部到全局的不同级别的语义信息，并通过自适应加权融合的方式让模型根据任务自主选择所需要的感受野大小，能够对目标场景充分理解及显著控制计算量和参数量，有效解决了现有模型不能有效兼顾局部性和全局性、难以对场景信息充分理解、以及计算量和参数量大的技术问题。
-
公开(公告)号：CN114913372A
公开(公告)日：2022-08-16
申请号：CN202210506178.8
申请日：2022-05-10
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/774
Abstract: 本发明涉及数据处理技术领域，尤其涉及一种基于多模态数据集成决策的目标识别算法，包括建立分类识别网络模型，并基于该建立分类识别网络模型进行图像多模态处理、图像无标签分类和图像集成决策分类；通过图像多模态处理获得基于复杂环境的多个数据集；通过无标签分类以区分正负样本，然后基于正负样本进行图像集成决策分类。本发明基于复杂环境变化，通过对数据集图像处理得到多模态数据，使得目标图像有了多层次可梯次化的特性，为后续模型训练得到更稳健的性能打下了良好的基础，以运用集成决策算法与无标签样本辨识算法结合实现环境自适应目标识别算法，在复杂环境下能高效、准确地识别出目标。
-
公开(公告)号：CN114842309A
公开(公告)日：2022-08-02
申请号：CN202210261395.5
申请日：2022-03-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种熟悉场景下熟悉目标的优化识别方法，包括：一：采集熟悉目标图像并构建熟悉目标库；二：对熟悉目标库中所有的熟悉目标图像分别进行显著性区域检测，判断检测出的目标是否为熟悉目标，若是，则输出识别成功的结果；若否，则先根据未识别成功的熟悉目标图像建立智能优化的时空序列融合模型，再基于智能优化后的时空序列融合模型对未识别成功的熟悉目标图像进行识别并输出识别结果。该方法采用了基于显著性像素簇的不规则目标检测技术与基于全特征融合的目标预判建模及启发式优化技术，基于这两种技术的结合，最终实现了熟悉场景下熟悉目标的快速检测和高效识别。
-
公开(公告)号：CN113095221A
公开(公告)日：2021-07-09
申请号：CN202110391644.8
申请日：2021-04-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于属性特征和身份特征融合的跨域行人重识别方法，采用基于属性特征和身份特征融合的跨域行人重识别模型实现，所述基于属性特征和身份特征融合的跨域行人重识别模型设置有卷积及池化层、4个残差模块，在每一个残差模块之后皆插入一个注意力和风格归一化模块，在第3个注意力和风格归一化模块之后引出一条属性分支，所述属性分支包含属性特征提取模块和特征融合模块，所述属性分支的特征提取模块所提取到的属性特征将与第4个所述注意力和风格归一化模块所得域不变全局特征进行融合；利用具有很好泛化能力和鲁棒性的基于属性特征和身份特征融合的跨域行人重识别模型进行行人重识别。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.03 seconds)
