公开(公告)号：CN118486732A

公开(公告)日：2024-08-13

申请号：CN202410679734.0

申请日：2024-05-29

Applicant: 西安电子科技大学 ,  西安电子科技大学杭州研究院

Inventor： 曹震 ,  彭乔巍 ,  杨世卿 ,  郭磊 ,  侯彪 ,  焦李成 ,  杨银堂

IPC: H01L29/78 ,  H01L29/167 ,  H01L29/06 ,  H01L21/336

Abstract: 本发明公开一种基于SiGe材料的SJ‑VDMOS及其制备方法，该集成式器件包括源极，栅绝缘层，半绝缘多晶硅层，栅电极，绝缘体，漏电极，衬底漏区，外延层N型漂移区，外延层P型漂移区，基区，沟道衬底接触，源区。通过在外延层P型漂移区中引入锗硅材料，利用锗原子在硅晶格中产生的内部应力来优化电子的迁移率。使得该场效应管控制电流导通的效率更高能耗更低。由于引入的锗硅扩展了器件的工作温度范围，提高了热导率，可适用于高功率、高温工作环境。本发明的制备工艺由于场效应管引入的锗硅材料可以利用现有的硅基工艺平台制备，硅锗技术与现有的集成电路工艺兼容性良好，在不改变现有生产线的情况下，实现技术的升级和转换。

公开(公告)号：CN118395214A

公开(公告)日：2024-07-26

申请号：CN202410579866.6

申请日：2024-05-11

Applicant: 西安电子科技大学 ,  西安电子科技大学杭州研究院

Inventor： 曹震 ,  马钏烽 ,  刘橘 ,  郭磊 ,  彭乔巍 ,  侯彪 ,  李卫斌 ,  焦李成

IPC: G06F18/23 ,  G06F18/22 ,  G06N3/0442 ,  G06N3/08 ,  G06N3/06

Abstract: 本发明公开了一种基于SOM‑SNN和Spiking‑SOM算法的事件流聚类方法，主要解决现有技术难以有效利用事件流中的历史脉冲信息和脉冲达到顺序信息造成的聚类速度慢、聚类效果差的问题。本发明构建的SOM‑SNN网络包含一层记忆层，将事件流中离散的脉冲转换为信息向量并存储，在每个时间窗口不断更新与累加。本发明提出的Spiking‑SOM算法通过空间相似度与分布相似度计算事件流脉冲信息与网络权值之间的相似性，分布相似度利用了事件流中脉冲到达的顺序信息。本发明有效利用了事件流中的历史脉冲信息和脉冲到达的顺序信息，以更快的速度实现了更好的事件流聚类效果。

公开(公告)号：CN118464812A

公开(公告)日：2024-08-09

申请号：CN202410534869.8

申请日：2024-04-30

Applicant: 西安电子科技大学 ,  西安电子科技大学杭州研究院

Inventor： 曹震 ,  张紫艺 ,  李嘉康 ,  李生田 ,  孙琦 ,  侯彪 ,  焦李成

IPC: G01N21/27 ,  G06F18/213 ,  G06F18/214 ,  G06N3/049 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明提出了一种基于脉冲神经网络的水果内部品质检测方法，实现步骤为：获取训练样本集和测试样本集；构建脉冲神经网络模型；对脉冲神经网络模型进行迭代训练；获取水果内部品质检测结果。本发明在对水果内部品质检测网络模型进行训练以及获取水果内部品质检测结果的过程中，脉冲神经网络中的特征提取模块利用卷积对电压脉冲序列进行特征提取，脉冲神经元层对线性预测结果进行脉冲激活实现非线性拟合，避免了现有技术采用单一的多元线性回归模型拟合能力弱的缺点。同时脉冲神经网络利用对输入脉冲序列进行多个时间步长的处理，轻微噪声对其检测结果影响小，对于电压信号具有更强的抗干扰能力和鲁棒性，有效提高了检测精度。

公开(公告)号：CN103218405A

公开(公告)日：2013-07-24

申请号：CN201310090096.0

申请日：2013-03-20

Applicant: 西安电子科技大学 ,  西安电子科技大学昆山创新研究院

Inventor： 王爽 ,  焦李成 ,  刘婷婷 ,  李鹏 ,  侯彪 ,  刘芳

IPC: G06F17/30

Abstract: 本发明公开了一种基于维数约简的集成迁移文本分类方法，包括步骤：1.入源域文本数据和目标域文本数据，进行预处理，将文本数据转化为单词向量形式；2.标记的源域数据集进行Boostrap随机采样遍，获取相应的个源域子集，再别与目标域测试样本组合成新的数据子集；3.个新的数据子集进行SVD分解并降维，投影到低维空间；4.低维空间中，采用近邻分类器作为基本分类器，由降维后的源域样本预测目标域测试样本的标签,每个测试样本得到个预测标签；5.多数投票的集成方式，得到测试文本数据的最终预测标签。本发明利用过期的源域样本对目标域文本分类，经维数约简后集成，大大提高了分类的正确率，并减少分类时间，降低分类复杂度。

公开(公告)号：CN114973401B

公开(公告)日：2025-04-04

申请号：CN202210433456.1

申请日：2022-04-24

Applicant: 西安电子科技大学

Inventor： 李睿敏 ,  黄湖 ,  缑水平 ,  陈栋 ,  逯皓帆 ,  侯彪 ,  李卫斌

IPC: G06V40/20 ,  G06V40/16 ,  G06V20/40

Abstract: 本发明公开了一种基于动作检测与多模态学习的标准化引体向上评估方法，主要解决现有方法对引体向上计数和标准性评估不准确的问题。其实现方案是：引入人脸识别进行身份识别，通过语音关键词控制视频采集；采用单周期波形序列分割法对完整引体向上动作视频进行单次动作检测，提取单次动作视频片段；根据考核标准设定动作判定参数；对视频片段进行人体骨骼点估计，生成单次动作评估向量，判断单次引体向上动作的标准性；基于实时判断结果进行视频、骨骼数据与音频的多模态学习；统计符合标准的引体向上动作个数，生成评估报告，以指导被测试人员查看标准示例进行动作调整。本发明检测准确性高，抗干扰能力强，可用于平时体育训练及体测。

公开(公告)号：CN119693624A

公开(公告)日：2025-03-25

申请号：CN202411862638.6

申请日：2024-12-17

Applicant: 西安电子科技大学

Inventor： 侯彪 ,  胡月 ,  曹震 ,  杨晨 ,  任博

IPC: G06V10/25 ,  G06F8/61 ,  G06N3/0464 ,  G06N3/048 ,  G06V10/32 ,  G06V10/94

Abstract: 本发明提供了一种遥感图像旋转目标检测快速部署方法、系统及设备。通过Vitis AI的量化工具和可执行文件，将遥感图像目标检测模型高效地映射到DPU上执行，从而最大化利用了FPGA的计算资源，提高了计算效率；而在映射期间，通过优化和等效替换DPU不支持的算子，确保了预设目标检测模型能够全部在DPU上运行，实现了算子的有效分配；其次，采用ONNX模型格式和Vitis AI的接口，增强了预设目标检测模型的兼容性和可扩展性，使得预设目标检测模型能够在不同的框架和硬件平台上无缝迁移和部署；最后，本发明简化了预设目标检测模型在硬件上的部署流程，降低了开发者的技术门槛和部署成本，同时提升了系统的实时性能。

公开(公告)号：CN119360222A

公开(公告)日：2025-01-24

申请号：CN202411377659.9

申请日：2024-09-30

Applicant: 西安电子科技大学

Inventor： 任仲乐 ,  江润侬 ,  宁家伟 ,  刘士杰 ,  侯彪 ,  李卫斌 ,  焦李成

IPC: G06V20/13 ,  G06V10/26 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464

Abstract: 一种基于多源预训练模型融合决策的大场景遥感影像层次化地物分割方法、系统、设备及介质，方法：构建遥感影像预训练数据集；并采用掩码重建策略对编码器‑解码器结构的预训练模型训练，得到遥感影像预训练权重；构建遥感影像微调数据集，划分训练、验证和测试集；对编码器‑语义分割头结构的模型分别在遥感影像预训练权重和自然图像预训练权重基础上，使用训练集和验证集微调，得到两个语义分割模型；使用两个语义分割模型分别对测试集进行测试，得到自然图像预训练模型和遥感影像预训练模型的预测结果；基于设定的规则，对两个预测结果融合决策，得到遥感影像地物分割结果；系统、设备及介质实现该方法；本发明具有分割精度高和鲁棒性强的优点。

公开(公告)号：CN118628902A

公开(公告)日：2024-09-10

申请号：CN202410390028.4

申请日：2024-04-02

Applicant: 西安电子科技大学

Inventor： 刘少博 ,  任仲乐 ,  杜哲 ,  侯彪 ,  李卫斌 ,  焦李成

IPC: G06V20/10 ,  G06V20/70 ,  G06V10/26 ,  G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  G06V10/40 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/08

Abstract: 一种面向复杂场景的单极化SAR影像的建筑物提取方法，包括：采集单极化SAR遥感影像，构建复杂场景下的单极化SAR影像建筑物数据集，并划分为训练集、验证集和测试集或者训练集和验证测试集；对复杂场景下的单极化SAR影像建筑物数据集进行预处理，得到可迭代的训练集、验证集和测试集或者训练集和验证测试集；构建编码器E‑解码器D网络模型；将可迭代的训练集和验证集或验证测试集输入编码器E‑解码器D网络模型中进行训练和验证，获得训练好的编码器E‑解码器D网络模型；将可迭代的测试集或验证测试集输入训练好的编码器E‑解码器D网络模型验证效果，获得预测概率值，评估网络性能；本发明提高了复杂场景下建筑物提取的准确性和鲁棒性。

公开(公告)号：CN114495089B

公开(公告)日：2024-09-06

申请号：CN202111574943.1

申请日：2021-12-21

Applicant: 西安电子科技大学

Inventor： 朱虎明 ,  杨贵鹏 ,  焦李成 ,  李佳昌 ,  王晨 ,  武文韬 ,  惠少雄 ,  王金成 ,  侯彪

IPC: G06V20/64 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提出了一种基于多尺度异源特征自适应融合的三维目标检测方法，主要解决现有技术在单一传感器数据下对低分辨率三维目标检测精度低的问题，其方案为：建立训练、测试样本集；对点云进行体素初始化和关键点采样；构建三维体素特征编码模块编码体素特征；构建三维候选框估计模块估计三维候选框；构建图像特征编码网络编码图像特征；构建异源特征融合模块融合体素特征、图像特征和关键点特征；构建关键点权重估计模块对关键点作二分类；建立输出层，构建三维目标检测模型并对其训练；使用训练好的模型对点云中的三维目标进行检测。本发明改进了对低分辨率三维目标的表征能力，提高了三维目标的检测精度，可应用于机器人导航、三维建模、自动驾驶与虚拟现实。

公开(公告)号：CN114913368B

公开(公告)日：2024-08-20

申请号：CN202210461977.8

申请日：2022-04-28

Applicant: 西安电子科技大学

Inventor： 朱浩 ,  易晓宇 ,  李晓童 ,  焦李成 ,  侯彪

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/774 ,  G06V10/30 ,  G06V10/26 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/084

Abstract: 本发明涉及一种基于自步双向对抗学习的融合遥感图像分类方法，包括获取第一MS图、第一PAN图；根据第一MS图、第一PAN图得到第一MS图像块、第一PAN图像块；将第一MS图像块和第一PAN图像块输入对抗网络得到第二MS图和第二PAN图；根据第一MS图、第一PAN图、第二MS图和第二PAN图得到统一大小的第三MS图像块、第三PAN图像块、第四MS图像块和第四PAN图像块；将三元组输入分类网络，对得到的损失函数整合在一起，基于自步学习的训练策略，得到训练好的分类网络；利用训练好的分类网络对待分类的图像进行分类得到分类结果。本发明采用自步学习的学习训练策略，让网络在难易样本中先后对易样本和难样本进行训练，使整个网络的训练变得平滑且迅速，提高网络效率。