-
公开(公告)号：CN114224340A
公开(公告)日：2022-03-25
申请号：CN202111284441.5
申请日：2021-11-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度学习和脑电信号的驾驶员专注度检测方法，本发明的实现步骤包括：生成训练集；构建驾驶员专注度检测网络；利用生成的训练集对驾驶员专注度检测网络进行训练；采集驾驶员脑电信号；利用训练好的驾驶员专注度网络对驾驶员专注度进行检测。本发明采用空间域特征提取单元以及两个特征强化单元结构，能够充分提取并利用驾驶员专注度脑电信号特征，对驾驶员专注度的检测时效性和准确率有较好的平衡效果。本发明可为驾驶员模拟飞行训练提供数据参考。
-
公开(公告)号：CN114224340B
公开(公告)日：2023-06-30
申请号：CN202111284441.5
申请日：2021-11-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度学习和脑电信号的驾驶员专注度检测方法，本发明的实现步骤包括：生成训练集；构建驾驶员专注度检测网络；利用生成的训练集对驾驶员专注度检测网络进行训练；采集驾驶员脑电信号；利用训练好的驾驶员专注度网络对驾驶员专注度进行检测。本发明采用空间域特征提取单元以及两个特征强化单元结构，能够充分提取并利用驾驶员专注度脑电信号特征，对驾驶员专注度的检测时效性和准确率有较好的平衡效果。本发明可为驾驶员模拟飞行训练提供数据参考。
-
Patent Agency Ranking
公开(公告)号：CN113057652A
公开(公告)日：2021-07-02
申请号：CN202110284931.9
申请日：2021-03-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于脑电和深度学习的脑负荷检测方法，主要解决现有技术效率不高且检测精度低，难以有效检测出在虚拟现实环境下用户脑负荷程度的问题。其实现方案为：构建虚拟现实场景；设计实验范式，采集被试者脑电数据并对其进行预处理；用预处理后的脑电数据制作数据集；设计由三个时间域特征提取单元、三个空间域特征提取单元、两个随机失活层和一个拼接卷积分类器组成的卷积神经网络，并使用训练集和验证集对其训练；将测试集输入到训练好的卷积神经网络中，得到脑负荷检测结果。本发明能有效检测出用户的脑负荷状态，与传统方法相比提高了检测准确率，为更好调节身体提供辅助的参考依据，可用于虚拟现实及医疗服务中对脑电信号的检测。
-
公开(公告)号：CN116010840A
公开(公告)日：2023-04-25
申请号：CN202211446534.8
申请日：2022-11-18
Applicant: 西安电子科技大学
IPC: G06F18/24 , G06F18/214 , G06F3/01
Abstract: 本发明公开了一种多源域样本重加权的EEG信号跨设备解码方法，包括：获取采集多个受试者的MI EEG信号得到的多源域样本数据集及采集目标受试者的MI EEG信号得到的目标域样本数据集；利用两者对预设的SRENet网络进行训练得到训练完成的目标SRENet网络；利用目标SRENet网络得到待测样本的解码结果；其中，预设的SRENet网络包括特征提取器、样本重加权分类器和条件重加权判别器；在网络训练过程中通过样本重加权分类器和条件重加权判别器对特征提取器提取的特征进行易迁移性度量，对更易于迁移至目标域的源域样本赋以更高的训练权重。本发明能提高跨设备的MI EEG信号的解码性能。
-
公开(公告)号：CN115631352A
公开(公告)日：2023-01-20
申请号：CN202211174426.X
申请日：2022-09-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于相似度对比的目标检测方法及其装置，涉及图片处理技术领域，包括：基于目标图片样本，生成候选框；基于候选框，进行目标特征提取，构建待选特征数据库；基于已有的图片样本，进行目标特征提取，构建标准特征数据库；从待选特征数据库中，获取置信度最高的候选框，将该候选框与标准特征数据库进行相似度对比，得到分数最高的标准特征数据库图片，并记录其类别信息；将分数最高的标准特征数据库图片与待选特征数据库进行相似度对比，得到分数最高的待选特征数据库图片，并记录其位置信息；将类别信息和位置信息映射到目标图片样本，得到待检测目标的检测结果。本申请能够提高目标定位的准确率，提高目标检测的效果。
-
公开(公告)号：CN115238732A
公开(公告)日：2022-10-25
申请号：CN202210674634.X
申请日：2022-06-15
Applicant: 西安电子科技大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , A61B5/374 , A61B5/378 , A61B5/38 , A61B5/00 , A61B5/16
Abstract: 本发明提供的一种虚拟现实下的细粒度情绪脑电检测方法及系统，利用沉浸、可有效隔绝环境干扰播放情绪视频的方式从而刺激用户情绪，提升采集到的脑电信号质量，增强系统的可用性；之后使用细粒度情绪脑电解码网络，提取情绪脑电信号中的空间时间特征，相比于传统无法有效表现用户情绪强弱，本发明可以在解码得到用户情绪状态的前提下，进一步获取用户的情绪强度。并且本发明在完成训练阶段后，无论离线分析用户状态还是在线解码获取用户情绪，都可直接进行使用，适合多种任务中应用可以拓宽情绪脑电的应用场景。
-
公开(公告)号：CN114118176A
公开(公告)日：2022-03-01
申请号：CN202210001444.1
申请日：2022-01-04
Applicant: 西安电子科技大学
Abstract: 本申请属于信号处理技术领域，涉及一种脑电信号的分类方法，具体提供了一种基于解耦表示学习的连续快速视觉演示脑电信号分类方法，该方法包括如下步骤：S1，脑电信号的获取及预处理；S2，解耦表示学习网络的构建；S3，对构建的解耦表示学习网络进行训练；S4，对训练后的解耦表示学习网络进行测试；S5，对测试后的解耦表示学习网络进行微调；S6，对微调后的解耦表示学习网络进行实时检测。本发明将学习过程解耦为表示学习过程和分类器学习过程，避免分类器对表示学习过程产生影响，解决了连续快速视觉演示分类中存在的类别不平衡问题导致分类准确率低的问题，从而提高脑电信号的分类准确率。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
