-
公开(公告)号：CN111968088B
公开(公告)日：2023-09-15
申请号：CN202010820826.8
申请日：2020-08-14
Applicant: 西安电子科技大学
IPC: G06T7/00 , G06V10/26 , G06V20/13 , G06V20/70 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于像素和区域分割决策融合的建筑物检测方法，分别构建引入残差结构的基于像素分割模型和引入特征金字塔网络的基于区域双分割模型；从光学遥感数据集中生成训练样本集和测试样本集；对训练集样本中的图像进行预处理；用加入Dice loss和交叉熵损失的混合监督损失训练像素分割模型；将测试样本集输入到训练结束的双分割网络中，分别输出测试样本集的预测结果；根据决策方案融合双分割网络的预测结果，输出测试样本集的最终检测结果，完成检测。本发明关注大型建筑的空间一致性的同时，保留了小型建筑的多尺度特征，保证了建筑物特征的丰富性，提高了建筑物检测准确率。
-
公开(公告)号：CN111695466B
公开(公告)日：2023-03-24
申请号：CN202010485708.6
申请日：2020-06-01
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/46 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于特征mixup的半监督极化SAR地物分类方法，准备数据集；制作数据集；数据预处理；设计半监督网络结构；双分支特征提取；特征mixup融合；多分支预测分类结果；网络训练；预测地物类别；评估网络性能。本发明有效克服了现有技术中对输入进行mixup和单分支预测所带来的问题，极大的提高了网络的性能，增强了网络的鲁棒性。可用于土地覆盖类型判别，也可以作为目标检测、地质勘探、植被种类判别的中间环节。
-
公开(公告)号：CN111968088A
公开(公告)日：2020-11-20
申请号：CN202010820826.8
申请日：2020-08-14
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于像素和区域分割决策融合的建筑物检测方法，分别构建引入残差结构的基于像素分割模型和引入特征金字塔网络的基于区域双分割模型；从光学遥感数据集中生成训练样本集和测试样本集；对训练集样本中的图像进行预处理；用加入Dice loss和交叉熵损失的混合监督损失训练像素分割模型；将测试样本集输入到训练结束的双分割网络中，分别输出测试样本集的预测结果；根据决策方案融合双分割网络的预测结果，输出测试样本集的最终检测结果，完成检测。本发明关注大型建筑的空间一致性的同时，保留了小型建筑的多尺度特征，保证了建筑物特征的丰富性，提高了建筑物检测准确率。
-
公开(公告)号：CN112965058B
公开(公告)日：2024-02-02
申请号：CN202110133549.8
申请日：2021-02-01
Applicant: 西安电子科技大学
Abstract: 本发明实施例公开了一种基于呼吸特征的身份验证方法、装置、设备及计算机存储介质；该方法可以包括：向待验证用户发射雷达信号；接收源自被所述待验证用户反射的发射雷达信号的雷达回波信号；从所述待验证用户的雷达回波信号中提取用于描述呼吸运动特征的待验证特征信息；基于已构建完毕的神经网络分类模型对所述待验证特征信息与已预存的合法用户的呼吸特征信息进行比较，相应于所述待验证特征信息与已预存的合法用户的呼吸特征信息相符，确定所述待验证用户为合法用户。
-
Patent Agency Ranking
公开(公告)号：CN112883348A
公开(公告)日：2021-06-01
申请号：CN202110163313.9
申请日：2021-02-05
Applicant: 西安电子科技大学
Abstract: 本发明实施例公开了一种基于运动特征的身份验证方法、装置、设备及计算机存储介质；该方法可以包括：基于采集到的合法用户的运动数据提取用于进行身份验证的运动特征；基于所述合法用户的用于进行身份验证的运动特征构建所述合法用户的运动模型；基于采集到的待验证用户的运动数据获取所述待验证用户的待验证运动特征信息；基于所述待验证运动特征信息通过所述合法用户的运动模型验证所述待验证用户的身份合法性。
-
公开(公告)号：CN111695468B
公开(公告)日：2023-04-18
申请号：CN202010485730.0
申请日：2020-06-01
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V20/10 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于K‑shot学习的极化SAR地物分类方法，先准备图像分类数据集；再图像预处理；然后制作图像训练数据集；搭建DN4网络；构造损失函数；训练搭建好的网络；预测分类效果图；最后评估网络的性能。有效克服了现有技术中面对新的数据集不能够进行快速解译的问题，并通过改进后的损失函数解决了之前对特征空间中样本特征间的距离问题的忽视，极大的提高了网络的性能，同时提升了网络的训练效率，增强了网络的鲁棒性。
-
公开(公告)号：CN111695468A
公开(公告)日：2020-09-22
申请号：CN202010485730.0
申请日：2020-06-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于K-shot学习的极化SAR地物分类方法，先准备图像分类数据集；再图像预处理；然后制作图像训练数据集；搭建DN4网络；构造损失函数；训练搭建好的网络；预测分类效果图；最后评估网络的性能。有效克服了现有技术中面对新的数据集不能够进行快速解译的问题，并通过改进后的损失函数解决了之前对特征空间中样本特征间的距离问题的忽视，极大的提高了网络的性能，同时提升了网络的训练效率，增强了网络的鲁棒性。
-
公开(公告)号：CN111695466A
公开(公告)日：2020-09-22
申请号：CN202010485708.6
申请日：2020-06-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于特征mixup的半监督极化SAR地物分类方法，准备数据集；制作数据集；数据预处理；设计半监督网络结构；双分支特征提取；特征mixup融合；多分支预测分类结果；网络训练；预测地物类别；评估网络性能。本发明有效克服了现有技术中对输入进行mixup和单分支预测所带来的问题，极大的提高了网络的性能，增强了网络的鲁棒性。可用于土地覆盖类型判别，也可以作为目标检测、地质勘探、植被种类判别的中间环节。
-
公开(公告)号：CN112965058A
公开(公告)日：2021-06-15
申请号：CN202110133549.8
申请日：2021-02-01
Applicant: 西安电子科技大学
Abstract: 本发明实施例公开了一种基于呼吸特征的身份验证方法、装置、设备及计算机存储介质；该方法可以包括：向待验证用户发射雷达信号；接收源自被所述待验证用户反射的发射雷达信号的雷达回波信号；从所述待验证用户的雷达回波信号中提取用于描述呼吸运动特征的待验证特征信息；基于已构建完毕的神经网络分类模型对所述待验证特征信息与已预存的合法用户的呼吸特征信息进行比较，相应于所述待验证特征信息与已预存的合法用户的呼吸特征信息相符，确定所述待验证用户为合法用户。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.035 seconds)
