-
公开(公告)号：CN118799784A
公开(公告)日：2024-10-18
申请号：CN202410923362.1
申请日：2024-07-10
申请人： 西安电子科技大学 , 中国科学院高能物理研究所 , 广东产品质量监督检验研究院
IPC分类号： G06V20/40 , G06V10/44 , G06V10/764 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06V10/25 , G06V10/80 , G06V10/82 , G06V10/54 , G06V10/422 , G06V40/20 , G06N3/09
摘要： 本发明公开了一种基于多任务学习轻量化Transformer的时空动作检测方法及相关装置，基于已有视频数据，获取待处理视频帧组及其标签，并对待处理视频帧进行预处理；构建包含时空特征提取网络对、构造器和轻量融合模块的训练模型；使用训练模型对待处理视频数据进行训练，提取待处理视频的时空特征，得到最终预测和边界框；对时空特征上采用多任务学习思想定义损失函数，实现分类和定位任务。本发明通过轻量化结构提取时空信息，克服传统方法利用传统神经网络或3D Transformer的缺点，采用轻量化2D Transformer的方法，降低了模型参数数量，并且采用特征重构和多任务学习思想，达到了效率和精度的平衡。
-
公开(公告)号：CN117036373A
公开(公告)日：2023-11-10
申请号：CN202311039413.6
申请日：2023-08-17
申请人： 西安电子科技大学
IPC分类号： G06T7/10 , G06V10/764 , G06V10/80
摘要： 基于圆函数双线性正则编解码网络的大规模点云分割方法，包括以下步骤；S1、获取待测点云，对点云进行预处理；S2、搭建点云分割网络模型；S3、将预处理完成的点云送入编码器，将编码器输出特征送入圆函数双线性正则细化模块进行细化，将细化特征送入解码器进行上采样及拼接，最终特征经预测头输出分割预测；S4、构建变权交叉熵损失函数，预测值与真值计算损失，对网络进行优化更新，得到训练权重，利用测试集对训练好的网络进行测试，输出测试点云分割结果，利用映射.pkl文件，将点云预测结果映射至原始点云场景，输出最终测试分割结果。本发明充分利用点云局部邻域特征对点云特征进行细化，利用变权交叉熵损失函数提升样本数量少的类别预测精度。
-
公开(公告)号：CN117131376A
公开(公告)日：2023-11-28
申请号：CN202311115700.0
申请日：2023-08-31
申请人： 西安电子科技大学
IPC分类号： G06F18/214 , G06F18/2135 , G06F18/213 , G06N3/0464 , G06N3/08
摘要： 一种基于视变换结合生成对抗网络进行持续学习的高光谱跨域鲁棒异常检测方法、系统、设备及介质，方法包括：构建持续学习任务，对每个任务中的数据进行空谱背景筛选预处理，得到背景集，将第一个任务的背景集作为训练集，其他任务先进行重放，得到的重放集和背景集作为训练集，用训练集交替训练ViT生成对抗网模型，同时为当前任务和上一个任务的生成器构建F范数正则化损失项，最后将当前任务之前的数据作为测试集输入到训练好的生成器中，测试得到最终结果后，令任务数加1，并返回执行预处理；系统、设备及介质，用于实现一种基于视变换结合生成对抗网络进行持续学习的高光谱跨域鲁棒异常检测方法；具有持续检测在跨域高光谱图像中异常的特点。
-
公开(公告)号：CN117115675A
公开(公告)日：2023-11-24
申请号：CN202311115889.3
申请日：2023-08-31
申请人： 西安电子科技大学
IPC分类号： G06V20/13 , G06V10/774 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82
摘要： 一种跨时相轻量化空谱特征融合高光谱变化检测方法、系统、设备及介质，方法包括：对高光谱图像数据预处理，划分训练集和测试集；构建特征提取网络；构建分类网络；利用训练集，采用梯度下降算法对特征提取网络和分类网络进行训练，每次迭代对训练集精度计算，并将训练集上精度最高的一代网络模型权重为最终的检测模型权重，得到训练好的模型；将测试集输入训练好的模型进行测试，得到检测结果，并输出高光谱图像数据的预测标签图；系统、设备及介质，用于实现该方法；本发明从精细化特征提取和跨时相特征融合两方面，基于空谱特征提取和跨时相特征融合进行模型设计，利用轻量化方法简化模型，从而实现性能良好的轻量化高光谱图像变化检测方法。
-
-
-
搜索结果
4 条记录 (耗时 0.061 秒)
