公开(公告)号：CN111783576B

公开(公告)日：2023-08-18

申请号：CN202010562392.6

申请日：2020-06-18

Applicant: 西安电子科技大学

Inventor： 姬红兵 ,  段育松 ,  张文博 ,  李林 ,  臧博

IPC: G06V40/20 ,  G06V20/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/045 ,  G06N3/0985

Abstract: 本发明公开了一种基于改进型YOLOv3网络和特征融合的行人重识别方法，主要解决现有技术在视频监控场景中对特定行人检索精度低且速度慢的问题。其方案为：1)构建行人图片数据集；2)搭建改进型YOLOv3网络；3)搭建融合全局特征和多尺度局部特征的行人重识别网络；4)利用数据集训练改进型YOLOv3网络和行人重识别网络；5)融合2)和3)训练后的这两个网络得到行人重识别系统；6)将监控视频和待检索的目标行人图片输入到行人重识别系统，对待检索目标行人进行检索，输出目标行人的重识别结果。本发明增强了对不同姿态行人的敏感度，提高了行人重识别的检索速度和精度，可用于区域安防、刑事侦查、视频监控及行为理解。

公开(公告)号：CN116564355A

公开(公告)日：2023-08-08

申请号：CN202310617199.1

申请日：2023-05-29

Applicant: 西安电子科技大学 ,  陕西汇智易知信息科技有限公司

Inventor： 张文博 ,  翟博文 ,  刘龙 ,  张梦璇 ,  姬红兵 ,  李林 ,  臧博

IPC: G10L25/63 ,  G10L15/02 ,  G10L17/04

Abstract: 一种基于自注意力机制融合的多模态情感识别方法、系统、设备及介质，方法包括：数据预处理；特征提取；特征融合；训练模型；任务迁移；系统、设备及介质：用于实现一种基于自注意力机制融合的多模态情感识别方法；本发明通过对比学习的方法来微调预训练模型，从而获得模态之间的相关性信息，并以自注意力机制进行特征融合，同时设计了三种不同的迁移函数，以此来适配不同的下游任务，在提升模型准确度的同时，提高了算法的迁移性和鲁棒性，使得模型的应用范围更广。

公开(公告)号：CN116434159A

公开(公告)日：2023-07-14

申请号：CN202310392311.6

申请日：2023-04-13

Applicant: 西安电子科技大学

Inventor： 朱隽洋 ,  姬红兵 ,  张文博 ,  李林 ,  臧博

IPC: G06V20/54 ,  G08G1/01 ,  G06V20/40 ,  G06V10/82 ,  G06V10/774 ,  G06V10/62 ,  G06V10/25 ,  G06V10/764 ,  G06T7/246 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于改进YOLO V7和Deep‑Sort的交通流量统计方法，包括以下步骤；(1)准备车辆数据集；(2)搭建改进的YOLOv7模型并进行训练，用于对步骤(1)的车辆数据集检测；改进的YOLOv7模型包括输入端、特征提取网络、特征融合网络和输出端；(3)搭建Deep‑Sort模型对检测后的车辆跟踪；Deep‑Sort模型包括目标检测模块、位置预测模块、特征匹配模块和更新模块；(4)使用基于运动轨迹与检测线的交通流量统计方法获取交通监控视频、绘制虚拟检测线、设置感兴趣区域、进入检测流程和跟踪流程，从而完成交通流量统计。本发明能够提高目标车辆的检测精度和提高车辆跟踪速度。

公开(公告)号：CN116242364A

公开(公告)日：2023-06-09

申请号：CN202310223562.1

申请日：2023-03-09

Applicant: 西安电子科技大学

Inventor： 李瑜 ,  张文博 ,  姜超颖 ,  龙璐岚 ,  李林 ,  臧博

IPC: G01C21/20 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明公开了一种基于深度强化学习的多无人机智能导航方法，包括以下步骤；(1)在三维仿真环境中建立多架四旋翼无人机模型并生成包含障碍物和目标点的环境：(2)设置无人机的多维度特征融合的全局观测信息、局部观测信息和离散动作空间；(3)基于欧式距离的奖励函数，定义无人机状态的价值评价指标；(4)设计策略网络和状态价值网络；(5)设计临时经验池存储交互信息；(6)基于OA‑MAPPO算法进行深度强化学习网络训练，按照算法设定的流程采样步骤(5)中产生的样本，用于步骤(4)中设计的网络的训练；(7)实现多无人机智能导航。本发明能够实现良好的避障导航效果。

公开(公告)号：CN112734036B

公开(公告)日：2023-06-02

申请号：CN202110047589.0

申请日：2021-01-14

Applicant: 西安电子科技大学

Inventor： 姬红兵 ,  崔媛 ,  张文博 ,  臧博 ,  李林 ,  刘逸竹 ,  李超

IPC: G06N3/082 ,  G06N3/084 ,  G06F18/241

Abstract: 本发明公开了一种基于剪枝卷积神经网络的目标检测方法，主要解决现有目标检测方法中卷积神经网络复杂带来的检测速度慢和检测目标精度差的问题。本发明的具体步骤如下：(1)对卷积神经网络进行敏感度分析；(2)生成剪枝序列；(3)对网络进行剪枝；(4)选择修剪后目标检测卷积神经网络；(5)对网络进行微调；(6)对目标进行检测。本发明通过多次分层剪枝，选择最优的修剪后目标检测卷积神经网络，克服了现有目标检测方法中卷积神经网络复杂、速度不快和检测目标精度差的问题，使得本发明不仅检测精度高，也能够实时检测目标。

公开(公告)号：CN111209887B

公开(公告)日：2023-04-07

申请号：CN202010039805.2

申请日：2020-01-15

Applicant: 西安电子科技大学

Inventor： 张文博 ,  王凯 ,  姬辛迪 ,  段育松 ,  高欣宇

IPC: G06V20/00 ,  G06V10/25 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/084

Abstract: 本发明公开了一种针对小目标检测的SSD模型优化方法，主要解决SSD模型对小目标检测性能差的问题。其技术方案是：1)在SSD模型中加入FPN结构，构建基于多级特征金字塔网络FPN的SSD目标检测模型；2)去掉SSD目标检测模型中的在线困难样本挖掘OHEM，加入带权重的交叉熵损失函数；3)通过降低小目标正样本IOU筛选阈值，对小目标正样本进行过采样，利用经过筛选得到的小目标正负样本，对SSD目标检测模型进行训练；4)得到优化后的SSD目标检测模型。本发明在不降低SSD模型实时性的情况下有效提高了小目标检测鲁棒性，可在含有较多小目标且要求实时性的项目中获得较高的目标检测精度。

公开(公告)号：CN111639697B

公开(公告)日：2023-03-24

申请号：CN202010460841.6

申请日：2020-05-27

Applicant: 西安电子科技大学

Inventor： 张文博 ,  茹颖 ,  姬辛迪 ,  柴新雨 ,  段育松

IPC: G06V10/764 ,  G06V10/77 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于非重复采样和原型网络的高光谱图像分类方法，主要解决现有技术中在小样本学习场景下，由于训练样本较少而引起的过拟合现象和训练过程中由于学习到测试样本，造成分类结果“虚高”的问题。其实现方案为：1)利用非重复采样法从预处理后的数据集中采集出训练集和测试集；2)构建高光谱图像原型分类网络；3)利用训练集对高光谱图像原型分类网络进行训练，得到训练好的网络最优模型；4)将测试集输入到网络最优模型中，得到测试数据分类结果。本发明解决了现有小样本场景下存在的过拟合问题，同时又保证了分类精度，可应用于地质勘探、城市遥感和海洋探测。

公开(公告)号：CN110211137B

公开(公告)日：2022-12-06

申请号：CN201910494013.1

申请日：2019-06-08

Applicant: 西安电子科技大学

Inventor： 姬红兵 ,  吴曌 ,  张文博 ,  李林 ,  臧博

IPC: G06T7/11 ,  G06T7/155 ,  G06V10/764 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于残差网络和U‑Net分割网络的卫星图像分割方法，其步骤为：构建残差网络ResNet34；构建U‑Net分割网络；构建训练样本集；训练残差网络ResNet34；训练U‑Net分割网络；将待分割的卫星图像输入到残差网络ResNet34进行二分类，判断包含船只目标；使用U‑Net分割网络对分类结果中的正样本进行二值分割；对于分类结果中的负样本，直接输出单值掩码图；本发明利用残差网络ResNet34对卫星图像进行二分类，使用U‑Net分割网络仅对分类结果中的正样本进行分割，并在U‑Net分割中嵌入SE‑ResNet模块，提取更加精细的分割掩码，实时性高，分割精度高。

公开(公告)号：CN115082672A

公开(公告)日：2022-09-20

申请号：CN202210630721.5

申请日：2022-06-06

Applicant: 西安电子科技大学

Inventor： 李晓颖 ,  姬红兵 ,  张文博 ,  乔任重 ,  付小洪

IPC: G06V10/25 ,  G06N3/04 ,  G06N3/08 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明一种基于边界框回归的红外图像目标检测方法，其方案为：(1)搭建一种新的红外图像目标检测网络R‑YOLOv4；(2)构建FLIR红外数据集；(3)使用一种新的自适应CLAHE算法增强红外图像对比度；(4)使用一种新的基于α‑IoU的回归损失函数训练网络，得到训练好的基于边界框回归的红外图像目标检测网络；(5)将待检测的红外图像，输入到训练好的网络中进行检测标注，输出红外目标的检测结果。本发明的目标检测网络可以自适应增强红外图像对比度，同时目标检测网络能够有效提取特征，更灵活地实现不同水平的边界框回归精度，在IoU阈值较大时，可以提高目标的准确率和召回率，同时使得检测框的定位更加精确。

公开(公告)号：CN114882205A

公开(公告)日：2022-08-09

申请号：CN202210339874.4

申请日：2022-04-01

Applicant: 西安电子科技大学 ,  陕西方寸积慧智能科技有限公司

Inventor： 李超 ,  张文博 ,  姬红兵 ,  张靖宇 ,  朱隽洋

IPC: G06V10/22 ,  G06V10/25 ,  G06V10/28 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于注意力机制的目标检测方法，主要解决现有目标检测方法网络复杂、速度不快和在复杂背景下检测效果差的问题。本发明的具体步骤如下：(1)构建积神经网络；(2)生成目标训练集；(3)训练卷积神经网络；(4)对待检测目标进行检测。本发明构建了一个由特征提取模块、注意力机制模块、特征增强模块、识别和定位模块组成的卷积神经网络，克服了现有目标检测方法中在复杂背景下目标检测效果差并且速度慢的问题，使得本发明能够实时检测复杂背景下的目标。