-
公开(公告)号：CN114708615B
公开(公告)日：2024-03-22
申请号：CN202210350896.0
申请日：2022-04-02
Applicant: 西安电子科技大学广州研究院 , 西安电子科技大学
Abstract: 本发明公开了基于图像增强的低照度环境下人体检测方法、电子设备及储存介质，检测方法为：将低照度图像输入至低照度图像增强模块中，得到增强后图像；将增强后图像输入至改进的人体检测模块中，输出人体检测预测结果；通过多任务损失函数，对低照度图像增强模块和人体检测模块进行多阶段联合优化，训练得到端到端的低照度人体检测框架；将低照度图像输入到训练好的端到端的低照度人体检测框架中，进行图像增强以及人体检测，输出人体检测预测结果。本发明构建的端到端的低照度图像人体检测框架通过低照度图像增强模块和人体检测模块的相互适应，实现了更高的检测精度，对不同光照环境下人体检测具有更强的鲁棒性。
-
公开(公告)号：CN114708615A
公开(公告)日：2022-07-05
申请号：CN202210350896.0
申请日：2022-04-02
Applicant: 西安电子科技大学广州研究院 , 西安电子科技大学
Abstract: 本发明公开了基于图像增强的低照度环境下人体检测方法、电子设备及储存介质，检测方法为：将低照度图像输入至低照度图像增强模块中，得到增强后图像；将增强后图像输入至改进的人体检测模块中，输出人体检测预测结果；通过多任务损失函数，对低照度图像增强模块和人体检测模块进行多阶段联合优化，训练得到端到端的低照度人体检测框架；将低照度图像输入到训练好的端到端的低照度人体检测框架中，进行图像增强以及人体检测，输出人体检测预测结果。本发明构建的端到端的低照度图像人体检测框架通过低照度图像增强模块和人体检测模块的相互适应，实现了更高的检测精度，对不同光照环境下人体检测具有更强的鲁棒性。
-
公开(公告)号：CN114611560B
公开(公告)日：2024-09-06
申请号：CN202210272742.4
申请日：2022-03-18
Applicant: 西安电子科技大学
IPC: G06F18/241 , G06F18/15 , G06F18/2131 , G06F18/214 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于卷积神经网络的SSVEP脑电信号分类方法，其具体步骤包括：构建卷积神经网络，生成训练集，训练卷积神经网络，处理待分类的SSVEP脑电信号，输出SSVEP脑电信号的分类结果。由于本发明构造了一个包含LSTM层的卷积神经网络并采用网格搜索法训练该网络，克服了现有技术中利用多元调制分量获取目标脑电信号分解中易丢失有效的脑电信号的缺陷，改善了每名被试者分别训练Volterra模型参数导致的方法不具有普适性的问题。使得本发明分类后的SSVEP脑电信号更加完整，提高了脑电信号分类的准确性和SSVEP脑电信号的普适性。
-
公开(公告)号：CN116473514B
公开(公告)日：2024-02-23
申请号：CN202310317096.3
申请日：2023-03-29
Applicant: 西安电子科技大学广州研究院
Abstract: 本发明涉及基于足底压力的疾病检测技术领域，具体的说是基于自适应有向时空图神经网络的步态帕金森疾病检测，所述检测步骤如下：S1、信号预处理：将获取到的步态信号分成100个时间步；S2、模型构建：对足底传感器进行拓扑结构建模，并将传感器获取的信号处理成双流模态；S3、特征提取网络：通过多个自适应有向时空图神经网络单元，在空间上使用消息传递机制获取足底局部和全局信息，在时间上使用1维卷积获取时序信息，因此在时空域分析了步态变化；S4、分类器：采用交叉熵损失函数为分类器；S5、模型融合：对双流模态进行线性融合；S6、诊断结果：对受试者的所有分段结果进行平均获得最终
-
公开(公告)号：CN113128348B
公开(公告)日：2023-11-24
申请号：CN202110317542.1
申请日：2021-03-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种融合语义信息的激光雷达目标检测方法及系统，所述方法包括：对每一时间戳下的图像帧进行语义分割处理，获得语义分割分数；在每一帧点云数据中添加相应摄像机坐标下的图像RGB特征；将添加所述图像RGB特征的所述点云数据投影到分割网络的输出中，并将所述语义分割分数附加到所述点云数据中；对附加所述语义分割分数和所述图像RGB特征的所述点云数据进行基于图卷积的目标分类与3D框回归，获得目标位置框和目标类别。解决了现有技术中存在对目标的特征的检测效果不够准确，进而导致对车辆、行人的目标检测不够准确和高效的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN109800817B
公开(公告)日：2023-03-24
申请号：CN201910072477.3
申请日：2019-01-25
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06V10/80 , G06V20/70 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于融合语义神经网络的图像分类方法，通过在神经网络中融入语义知识，克服了现有技术中神经网络依赖大量样本训练、网络结构复杂、模型层数多的问题。本发明实现的步骤是：(1)输入待分类的彩色图像；(2)获得训练样本集和测试样本集；(3)构建胶囊网络；(4)获取训练样本集和测试样本集彩色图像的语义分类预测结果；(5)训练胶囊网络；(6)对测试样本集进行分类。本发明具有在少量训练样本上分类准确率更高、网络结构简单的优点，可用于自然图像的分类。
-
公开(公告)号：CN110059741B
公开(公告)日：2022-12-02
申请号：CN201910298278.4
申请日：2019-04-15
Applicant: 西安电子科技大学
IPC: G06V10/82 , G06V10/80 , G06V10/774 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于语义胶囊融合网络的图像识别方法，通过将神经网络与图像语义信息进行融合，解决了现有技术中神经网络依赖大量样本训练、网络结构复杂、可解释性差、空占度高，能耗高的问题。实现的步骤是：获取待识别图像；获得训练样本集和测试样本集；语义胶囊网络模块搭建；卷积神经网络模块搭建；将语义胶囊网络模块和卷积神经网络模块融合成语义胶囊融合网络；训练语义胶囊融合网络；语义胶囊融合网络性能测试。本发明提出了语义胶囊的概念，设计了语义胶囊融合网络。本发明具有在少量训练样本上识别准确率更高、网络参数量更少、网络可解释性强、能耗更低的优点。可用于大量简单图像的识别处理。
-
公开(公告)号：CN110781760B
公开(公告)日：2022-11-29
申请号：CN201910935281.2
申请日：2019-09-29
Applicant: 西安电子科技大学
IPC: G06V40/16 , G06V10/774 , G06V30/19
Abstract: 本发明公开了一种基于空间注意的面部表情识别方法和装置，通过获得空间注意模块；根据所述空间注意模块，搭建深度特征提取网络；在公开的自然面部表情数据集上训练所述深度特征提取网络，获得人脸表情识别模型；将目标人脸图像输入所述人脸表情识别模型进行识别。解决了现有技术中的面部表情特征提取中对局部细节特征提取不充分的技术问题，达到了在面部表情特征提取时加入了空间注意机制，可以自适应地学习面部特征在空间上权重分配，不仅可以加强面部表情中有鉴别信息区域的权重，还可以降低背景和无关区域的负面影响，提升面部表情识别结果的技术效果。
-
公开(公告)号：CN115294387A
公开(公告)日：2022-11-04
申请号：CN202210806445.3
申请日：2022-07-08
Applicant: 西安电子科技大学广州研究院
IPC: G06V10/764 , G06V10/80 , G06V10/60 , G06V10/82 , G06V20/54
Abstract: 本发明涉及计算机视觉和数字图像处理技术领域，具体的说是基于深度学习的复杂光照成像下的图像分类方法，包括收集模块和处理模块；本发明通过将源图像进行切分处理，对分片后的图像进行分类处理，分类后将输出该图像对应类别的概率，分类网络将输出更丰富的图像信息，通过将源图像进行切分处理，将分片后的图片输入分类网络中，得到每个小片图像对应的概率，将得到的结果组成结果矩阵，并输入决策网络中，决策网络学习到了关于源图像不同位置的概率信息，有效避免了因局部过曝光造成的干扰，图片分片处理，避免目标与背景之间相似部分的干扰，提高分类的准确率，小片图片分类网络输出四个类别的概率，有效避免了不均匀的光照对图片分类的影响。
-
公开(公告)号：CN112022153B
公开(公告)日：2021-07-06
申请号：CN202011032598.4
申请日：2020-09-27
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的脑电信号检测方法。该方法通过训练卷积神经网络获得深度卷积神经网络用于脑电信号的特征提取，运用XGBoost模型对提取的特征进行筛选组合，用逻辑回归模型做检测。具体步骤包括：构建卷积神经网络，生成训练集和测试集，构成深度卷积神经网络，提取特征向量，特征筛选和组合，移动目标检测。本发明克服了现有技术不能充分保留脑电信号特征，存在大量重要特征丢失，使得检测的精度低的问题，使得本发明更为全面的提取脑电信号的特征，降低脑电信号的重要特征丢失的概率的缺陷，具有改善脑电信号重要特征提取的优点，可以应用于脑电信号移动目标检测。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.036 seconds)
