公开(公告)号：CN115690444A

公开(公告)日：2023-02-03

申请号：CN202211237887.7

申请日：2022-10-11

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 李福生 ,  黄杰 ,  鲁欣 ,  俞孟凡 ,  赵彦春

IPC: G06V10/44 ,  G06V10/46 ,  G06V10/80 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明公开了一种基于深度学习的轻量级图像线段提取及描述方法。本发明针对现有基于深度学习的线段检测方法计算量大的问题。采用轻量级骨干网络作为特征提取网络；使用线段提取和描述同步进行的网络架构，共享了大部分网络参数；将两个分支集成进行端到端训练；以起点、中心点和终点作为线段的最小表示，提高后处理速度；本发明在提高速度的同时保证了精度。

公开(公告)号：CN115563468A

公开(公告)日：2023-01-03

申请号：CN202211166895.7

申请日：2022-09-23

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 张顺生 ,  黄杰

IPC: G06F18/00 ,  G06F18/245 ,  G06F18/24 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习网络融合的自动调制分类方法，包括以下步骤：获取数据集RML2016.10a中的WBFM信号样本，选择合适的阈值分离处于静音期的WBFM信号；使用数据增强方法将新的WBFM信号扩充到1000个，并对原有数据集进行扩充；将步骤S2中扩充的数据集划分为训练集、验证集和测试集；对步骤S3中的数据分别计算其幅度、相位和分数阶傅里叶变换的结果；搭建多通道特征融合网络模型，该模型包含LSTM网络和FPN网络；进行网络模型训练，训练完成后，将验证集数据输入到已经训练好的网络模型进行验证，计算预测准确度；通过测试集对网络模型进行参数微调，提高预测精度，并将最后的模型作为自动调制分类模型。本发明提高了通信信号平均分类准确率。