-
公开(公告)号：CN108460341B
公开(公告)日：2020-04-07
申请号：CN201810113862.3
申请日：2018-02-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于集成深度卷积网络的光学遥感图像目标检测方法，主要解决现有技术中误检目标多以及测试过程复杂繁琐的问题。本发明的具体步骤如下：(1)搭建多分支深度网络；(2)生成含有目标区域训练数据集；(3)第一次训练集成深度卷积网络；(4)生成所有区域训练数据集；(5)第二次训练集成深度卷积网络；(6)生成测试数据集；(7)得到检测结果图；(8)计算平均精度。本发明能够提取所有无目标区域的目标候选框作为负样本，充分利用光学遥感图像的信息，更好地区分光学遥感图像中的目标和复杂的背景，具有测试过程简单、检测结果误检目标少的优点。
-
公开(公告)号：CN108846835A
公开(公告)日：2018-11-20
申请号：CN201810550412.0
申请日：2018-05-31
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于深度可分离卷积网络的图像变化检测方法，用于解决现有图像变化检测方法中存在的检测准确度低的技术问题。实现步骤为：构建训练样本集、验证样本集和测试样本集，以全卷积网络的变体U-Net为基础网络搭建深度可分离卷积网络，构建训练深度可分离卷积网络的损失函数，训练、测试并验证深度可分离卷积网络，利用已验证的最终训练好的深度可分离卷积网络进行测试，得到变化检测结果图。本发明通过深度可分离卷积网络提取的图像特征语义及结构信息丰富，对图像的表达能力及辨别性强，提高了变化检测检测准确度，可用于土地覆盖检测、灾难评估、视频监控等技术领域。
-
公开(公告)号：CN108428236A
公开(公告)日：2018-08-21
申请号：CN201810264122.X
申请日：2018-03-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于特征公平集成的多目标SAR图像分割方法，其实现步骤是：(1)读入合成孔径雷达SAR图像；(2)提取灰度特征图；(3)提取灰度共生矩阵特征图；(4)合成总特征图；(5)归一化处理；(6)计算超像素特征；(7)种群初始化；(8)特征公平集成；(9)计算种群中个体适应度值；(10)优化适应度值；(11)分割图像。本发明采用多特征公平集成，降低了图像分割的错分率，提高了图像分割的准确度。
-
公开(公告)号：CN108830330B
公开(公告)日：2021-11-02
申请号：CN201810650236.8
申请日：2018-06-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于自适应特征融合残差网的多光谱图像分类方法，主要解决现有技术中普适性不高以及不能充分利用多层次特征的问题。本发明的具体步骤如下：(1)输入多光谱图像；(2)对多光谱图像进行归一化处理；(3)选取训练样本和测试样本；(4)生成训练数据集；(5)搭建基础残差网；(6)搭建自适应特征融合网；(7)生成自适应特征融合残差网；(8)训练自适应特征融合残差网；(9)生成测试数据集；(10)对测试数据集进行分类。本发明能够自适应地融合多层次的特征，提取判别性更好、语义信息更丰富的特征，具有训练和测试过程简单、充分利用特征的优点。
-
公开(公告)号：CN108460341A
公开(公告)日：2018-08-28
申请号：CN201810113862.3
申请日：2018-02-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于集成深度卷积网络的光学遥感图像目标检测方法，主要解决现有技术中误检目标多以及测试过程复杂繁琐的问题。本发明的具体步骤如下：(1)搭建多分支深度网络；(2)生成含有目标区域训练数据集；(3)第一次训练集成深度卷积网络；(4)生成所有区域训练数据集；(5)第二次训练集成深度卷积网络；(6)生成测试数据集；(7)得到检测结果图；(8)计算平均精度。本发明能够提取所有无目标区域的目标候选框作为负样本，充分利用光学遥感图像的信息，更好地区分光学遥感图像中的目标和复杂的背景，具有测试过程简单、检测结果误检目标少的优点。
-
Patent Agency Ranking
公开(公告)号：CN108846835B
公开(公告)日：2020-04-14
申请号：CN201810550412.0
申请日：2018-05-31
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于深度可分离卷积网络的图像变化检测方法，用于解决现有图像变化检测方法中存在的检测准确度低的技术问题。实现步骤为：构建训练样本集、验证样本集和测试样本集，以全卷积网络的变体U‑Net为基础网络搭建深度可分离卷积网络，构建训练深度可分离卷积网络的损失函数，训练、测试并验证深度可分离卷积网络，利用已验证的最终训练好的深度可分离卷积网络进行测试，得到变化检测结果图。本发明通过深度可分离卷积网络提取的图像特征语义及结构信息丰富，对图像的表达能力及辨别性强，提高了变化检测检测准确度，可用于土地覆盖检测、灾难评估、视频监控等技术领域。
-
公开(公告)号：CN108830330A
公开(公告)日：2018-11-16
申请号：CN201810650236.8
申请日：2018-06-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于自适应特征融合残差网的多光谱图像分类方法，主要解决现有技术中普适性不高以及不能充分利用多层次特征的问题。本发明的具体步骤如下：(1)输入多光谱图像；(2)对多光谱图像进行归一化处理；(3)选取训练样本和测试样本；(4)生成训练数据集；(5)搭建基础残差网；(6)搭建自适应特征融合网；(7)生成自适应特征融合残差网；(8)训练自适应特征融合残差网；(9)生成测试数据集；(10)对测试数据集进行分类。本发明能够自适应地融合多层次的特征，提取判别性更好、语义信息更丰富的特征，具有训练和测试过程简单、充分利用特征的优点。
-
公开(公告)号：CN107194341B
公开(公告)日：2020-04-21
申请号：CN201710341857.3
申请日：2017-05-16
Applicant: 西安电子科技大学
Abstract: 本发明提出一种基于Maxout多卷积神经网络融合的人脸识别方法，解决了单一网络对正负样本分类不均的技术问题，实现步骤为：利用回归树组合算法和仿射变换处理训练数据得到对齐后的数据库；提取对齐后数据库中人脸图像得到只有人脸区域图像的数据库；构建两个网络，利用Maxout方法得到融合后网络；利用只有人脸区域图像的数据库训练融合后卷积神经网络得到训练后的网络模型；测试图像预处理后对训练后的网络模型进行测试。本发明采用Maxout模块对两或多个子系统进行融合后依次接到全连接模块和输出模块，得到完整的人脸识别系统。本发明能很好的平衡卷积神经网络对正负样本的分类敏感度，提高人脸识别精度。
-
公开(公告)号：CN107145842B
公开(公告)日：2020-04-07
申请号：CN201710255713.6
申请日：2017-04-19
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种结合LBP特征图与卷积神经网络的人脸识别方法，主要解决现有人脸识别方法识别率低，对光照敏感的问题。其方案为：利用VJ人脸检测算法得到人脸区域边框，将其对应的图像进行人脸对齐；对人脸对齐后的图像提取人脸区域；将提取的人脸图像转换成灰度图和LBP特征图后进行融合；构建卷积神经网络并进行训练，得到训练好的网络模型；利用相同的方法对测试图进行预处理得到融合后的图像，利用训练好的网络模型对融合后的图像进行特征提取得到特征向量，利用特征向量进行相似度计算，并与判定阈值比较，判断测试图是否为同一人。本发明对光照变化有较强的鲁棒性，提高了人脸识别精，可用于视频监控，人证对比核对嫌疑人的追踪。
-
公开(公告)号：CN108428236B
公开(公告)日：2020-02-07
申请号：CN201810264122.X
申请日：2018-03-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于特征公平集成的多目标SAR图像分割方法，其实现步骤是：(1)读入合成孔径雷达SAR图像；(2)提取灰度特征图；(3)提取灰度共生矩阵特征图；(4)合成总特征图；(5)归一化处理；(6)计算超像素特征；(7)种群初始化；(8)特征公平集成；(9)计算种群中个体适应度值；(10)优化适应度值；(11)分割图像。本发明采用多特征公平集成，降低了图像分割的错分率，提高了图像分割的准确度。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.022 seconds)
