-
公开(公告)号：CN111832513B
公开(公告)日：2024-02-09
申请号：CN202010705052.4
申请日：2020-07-21
Applicant: 西安电子科技大学 , 西安西兰花教育科技有限公司
IPC: G06V20/60 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/762
Abstract: 本发明公开了一种基于神经网络的实时足球目标检测方法，主要解决现有足球目标检测速度慢，精度低的问题。其方案是：1)获取足球目标检测网络YOLOv4；2)构建足球目标训练数据集；3)获取已构建训练数据集的先验框大小，并将其替换目标检测网络YOLOv4中的先验框；4)对训练数据集进行数据增广；5)利用增广后的数据集对目标检测网络YOLOv4进行训练；6)将待检测的足球目标视频，输入到训练好的YOLOv4足球目标检测网络中进行检测标注，输出足球目标的检测结果。本发明增强了网络的识别和定位能力，提高了足球目标的检测速度和精度，保证了足球目标检测的实时性，可用于人机交互、体育赛事、实况直播及运动分析。
-
公开(公告)号：CN111209887A
公开(公告)日：2020-05-29
申请号：CN202010039805.2
申请日：2020-01-15
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种针对小目标检测的SSD模型优化方法，主要解决SSD模型对小目标检测性能差的问题。其技术方案是：1)在SSD模型中加入FPN结构，构建基于多级特征金字塔网络FPN的SSD目标检测模型；2)去掉SSD目标检测模型中的在线困难样本挖掘OHEM，加入带权重的交叉熵损失函数；3)通过降低小目标正样本IOU筛选阈值，对小目标正样本进行过采样，利用经过筛选得到的小目标正负样本，对SSD目标检测模型进行训练；4)得到优化后的SSD目标检测模型。本发明在不降低SSD模型实时性的情况下有效提高了小目标检测鲁棒性，可在含有较多小目标且要求实时性的项目中获得较高的目标检测精度。
-
公开(公告)号：CN111832513A
公开(公告)日：2020-10-27
申请号：CN202010705052.4
申请日：2020-07-21
Applicant: 西安电子科技大学 , 西安西兰花教育科技有限公司
Abstract: 本发明公开了一种基于神经网络的实时足球目标检测方法，主要解决现有足球目标检测速度慢，精度低的问题。其方案是：1)获取足球目标检测网络YOLOv4；2)构建足球目标训练数据集；3)获取已构建训练数据集的先验框大小，并将其替换目标检测网络YOLOv4中的先验框；4)对训练数据集进行数据增广；5)利用增广后的数据集对目标检测网络YOLOv4进行训练；6)将待检测的足球目标视频，输入到训练好的YOLOv4足球目标检测网络中进行检测标注，输出足球目标的检测结果。本发明增强了网络的识别和定位能力，提高了足球目标的检测速度和精度，保证了足球目标检测的实时性，可用于人机交互、体育赛事、实况直播及运动分析。
-
公开(公告)号：CN111639697A
公开(公告)日：2020-09-08
申请号：CN202010460841.6
申请日：2020-05-27
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于非重复采样和原型网络的高光谱图像分类方法，主要解决现有技术中在小样本学习场景下，由于训练样本较少而引起的过拟合现象和训练过程中由于学习到测试样本，造成分类结果“虚高”的问题。其实现方案为：1)利用非重复采样法从预处理后的数据集中采集出训练集和测试集；2)构建高光谱图像原型分类网络；3)利用训练集对高光谱图像原型分类网络进行训练，得到训练好的网络最优模型；4)将测试集输入到网络最优模型中，得到测试数据分类结果。本发明解决了现有小样本场景下存在的过拟合问题，同时又保证了分类精度，可应用于地质勘探、城市遥感和海洋探测。
-
公开(公告)号：CN111783576B
公开(公告)日：2023-08-18
申请号：CN202010562392.6
申请日：2020-06-18
Applicant: 西安电子科技大学
IPC: G06V40/20 , G06V20/40 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/0985
Abstract: 本发明公开了一种基于改进型YOLOv3网络和特征融合的行人重识别方法，主要解决现有技术在视频监控场景中对特定行人检索精度低且速度慢的问题。其方案为：1)构建行人图片数据集；2)搭建改进型YOLOv3网络；3)搭建融合全局特征和多尺度局部特征的行人重识别网络；4)利用数据集训练改进型YOLOv3网络和行人重识别网络；5)融合2)和3)训练后的这两个网络得到行人重识别系统；6)将监控视频和待检索的目标行人图片输入到行人重识别系统，对待检索目标行人进行检索，输出目标行人的重识别结果。本发明增强了对不同姿态行人的敏感度，提高了行人重识别的检索速度和精度，可用于区域安防、刑事侦查、视频监控及行为理解。
-
Patent Agency Ranking
公开(公告)号：CN111209887B
公开(公告)日：2023-04-07
申请号：CN202010039805.2
申请日：2020-01-15
Applicant: 西安电子科技大学
IPC: G06V20/00 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/082 , G06N3/084
Abstract: 本发明公开了一种针对小目标检测的SSD模型优化方法，主要解决SSD模型对小目标检测性能差的问题。其技术方案是：1)在SSD模型中加入FPN结构，构建基于多级特征金字塔网络FPN的SSD目标检测模型；2)去掉SSD目标检测模型中的在线困难样本挖掘OHEM，加入带权重的交叉熵损失函数；3)通过降低小目标正样本IOU筛选阈值，对小目标正样本进行过采样，利用经过筛选得到的小目标正负样本，对SSD目标检测模型进行训练；4)得到优化后的SSD目标检测模型。本发明在不降低SSD模型实时性的情况下有效提高了小目标检测鲁棒性，可在含有较多小目标且要求实时性的项目中获得较高的目标检测精度。
-
公开(公告)号：CN111639697B
公开(公告)日：2023-03-24
申请号：CN202010460841.6
申请日：2020-05-27
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于非重复采样和原型网络的高光谱图像分类方法，主要解决现有技术中在小样本学习场景下，由于训练样本较少而引起的过拟合现象和训练过程中由于学习到测试样本，造成分类结果“虚高”的问题。其实现方案为：1)利用非重复采样法从预处理后的数据集中采集出训练集和测试集；2)构建高光谱图像原型分类网络；3)利用训练集对高光谱图像原型分类网络进行训练，得到训练好的网络最优模型；4)将测试集输入到网络最优模型中，得到测试数据分类结果。本发明解决了现有小样本场景下存在的过拟合问题，同时又保证了分类精度，可应用于地质勘探、城市遥感和海洋探测。
-
公开(公告)号：CN109919230B
公开(公告)日：2022-12-06
申请号：CN201910177870.9
申请日：2019-03-10
Applicant: 西安电子科技大学
IPC: G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种基于循环特征金字塔的医学图像肺结节检测方法，主要解决现有技术对肺部微小结节和磨玻璃结节提取难度大而导致检测精度低的问题。其实现步骤为：1)获取医学图像；2)对医学图像进行预处理，扩充样本数据集；3)结合特征图构建循环特征金字塔检测模型；4)利用扩充数据集样本对检测模型进行训练，得到目标检测模型；5)将数据集中的测试集输入到训练好的检测模型中进行肺部结节检测。本发明构建了新的特征提取网络，加快了网络训练速度，增强了对不同尺寸结节的敏感度，提高了医学图像肺部结节的检测精度，可用于计算机辅助医疗诊断系统。
-
公开(公告)号：CN111783576A
公开(公告)日：2020-10-16
申请号：CN202010562392.6
申请日：2020-06-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于改进型YOLOv3网络和特征融合的行人重识别方法，主要解决现有技术在视频监控场景中对特定行人检索精度低且速度慢的问题。其方案为：1)构建行人图片数据集；2)搭建改进型YOLOv3网络；3)搭建融合全局特征和多尺度局部特征的行人重识别网络；4)利用数据集训练改进型YOLOv3网络和行人重识别网络；5)融合2)和3)训练后的这两个网络得到行人重识别系统；6)将监控视频和待检索的目标行人图片输入到行人重识别系统，对待检索目标行人进行检索，输出目标行人的重识别结果。本发明增强了对不同姿态行人的敏感度，提高了行人重识别的检索速度和精度，可用于区域安防、刑事侦查、视频监控及行为理解。
-
公开(公告)号：CN109919230A
公开(公告)日：2019-06-21
申请号：CN201910177870.9
申请日：2019-03-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于循环特征金字塔的医学图像肺结节检测方法，主要解决现有技术对肺部微小结节和磨玻璃结节提取难度大而导致检测精度低的问题。其实现步骤为：1)获取医学图像；2)对医学图像进行预处理，扩充样本数据集；3)结合特征图构建循环特征金字塔检测模型；4)利用扩充数据集样本对检测模型进行训练，得到目标检测模型；5)将数据集中的测试集输入到训练好的检测模型中进行肺部结节检测。本发明构建了新的特征提取网络，加快了网络训练速度，增强了对不同尺寸结节的敏感度，提高了医学图像肺部结节的检测精度，可用于计算机辅助医疗诊断系统。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
