-
公开(公告)号：CN108743086B
公开(公告)日：2023-06-30
申请号：CN201810051618.9
申请日：2018-01-19
Applicant: 西安电子科技大学
IPC: A61G5/10
Abstract: 一种用于跟踪前方陪护人员目标的智能轮椅控制方法，针对渐冻症患者等残障人士无法直接用手控制轮椅的问题，实现了智能轮椅对前方陪护人员的自动跟随。其实现过程是：将架设在轮椅上的正对前方陪护人员的摄像头获取的彩色图像实时传输给上位机，上位机在检测到开始轮椅跟踪的陪护人员手势图像后，对彩色图像中陪护人员所在的矩形框位置进行跟踪，依据矩形框的位置变化，控制智能轮椅移动，直至上位机检测到结束轮椅跟踪的陪护人员手势图像为止。本发明通过与陪护人员的交互来控制智能轮椅移动，稳定性强，易于操作，方便残障人士出行的同时简化了陪护工作。
-
公开(公告)号：CN108652851B
公开(公告)日：2023-06-30
申请号：CN201810051470.9
申请日：2018-01-19
Applicant: 西安电子科技大学
IPC: A61G5/10
Abstract: 本发明公开了一种基于视觉定位技术的眼控轮椅控制方法，针对现有技术中眼部信息单一、多传感器间通信可靠性不高的问题。其实现过程是：(1)中央摄像头传输实时拍摄的每一帧彩色图像；(2)对每一帧的彩色图像确定使用者的人脸位置并框出矩形框；(3)在人脸矩形框区域内确定使用者的眼部区域；(4)在使用者的眼部区域内精确定位瞳孔位置；(5)确定使用者眼球的转动方位；(6)电机控制系统控制轮椅转动。本发明提高了通过眼部信息控制轮椅的稳定性，能够在面对复杂环境下连续可靠的改变轮椅移动的速度和方向，减少了在多传感器模块之间进行通信的信息丢失。
-
公开(公告)号：CN108460342B
公开(公告)日：2021-01-01
申请号：CN201810113878.4
申请日：2018-02-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于卷积网和循环神经网络的高光谱图像分类方法，主要解决现有技术中高光谱图像分类精度低的问题。本发明具体步骤如下：(1)构造三维的卷积神经网络；(2)构造循环神经网络；(3)对待分类的高光谱图像矩阵进行预处理；(4)生成训练数据集和测试数据集；(5)利用训练数据集训练网络；(6)提取测试数据集空间特征和光谱特征；(7)融合空间特征和光谱特征；(8)对测试数据集进行分类。本发明引入三维卷积神经网络和循环神经网络提取高光谱图像的空间特征和光谱特征，融合两种特征进行分类，具有针对高光谱图像分类问题精度高的优点。
-
公开(公告)号：CN108470183B
公开(公告)日：2020-06-16
申请号：CN201810112427.9
申请日：2018-02-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于聚类细化残差模型的极化SAR分类方法，其步骤为：(1)搭建聚类细化残差模型；(2)对待分类的极化SAR图像进行预处理；(3)生成训练数据集和测试数据集；(4)对网络的深浅层进行信息融合处理；(5)对初始分类图小图斑进行重新分类处理；(6)对测试数据进行分类，获得测试结果。本发明通过将极化SAR图像在细化残差网络中深浅层信息进行融合处理，提取了极化SAR图像丰富的纹理特性，保留了特征信息的完整性，提高了训练速度，使用聚类层对融合处理后的分类图中边缘的小图斑进行重新分类处理，提高了图像边缘的分类精度，加快了训练速度。
-
公开(公告)号：CN108537245B
公开(公告)日：2020-04-07
申请号：CN201810113040.5
申请日：2018-02-05
Applicant: 西安电子科技大学
Abstract: 一种基于加权稠密网的极化SAR图像分类方法，其步骤为：(1)构建加权稠密网；(2)选取待分类的极化SAR图像；(3)对待分类极化SAR图像进行滤波；(4)获得散射特征；(5)用待分类极化SAR图像的散射特征值组成一个三维特征矩阵；(6)生成训练数据集和测试数据集；(7)使用加权稠密网对训练数据集进行分类；(8)对测试数据集进行分类，获得分类结果。本发明通过计算待分类极化SAR图像的特征图的权重值，只保留权重值大于0.5的特征图用于分类，充分利用了对分类最重要的特征，同时压制不重要的特征，提高了分类的准确率，加快了网络的训练速度。
-
Patent Agency Ranking
公开(公告)号：CN108460341B
公开(公告)日：2020-04-07
申请号：CN201810113862.3
申请日：2018-02-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于集成深度卷积网络的光学遥感图像目标检测方法，主要解决现有技术中误检目标多以及测试过程复杂繁琐的问题。本发明的具体步骤如下：(1)搭建多分支深度网络；(2)生成含有目标区域训练数据集；(3)第一次训练集成深度卷积网络；(4)生成所有区域训练数据集；(5)第二次训练集成深度卷积网络；(6)生成测试数据集；(7)得到检测结果图；(8)计算平均精度。本发明能够提取所有无目标区域的目标候选框作为负样本，充分利用光学遥感图像的信息，更好地区分光学遥感图像中的目标和复杂的背景，具有测试过程简单、检测结果误检目标少的优点。
-
公开(公告)号：CN110111345A
公开(公告)日：2019-08-09
申请号：CN201910399005.9
申请日：2019-05-14
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于注意力网络的3D点云分割的方法，解决了现有语义分割对全局上下文信息利用不足的技术问题。其过程包括：对3D点云数据集数据预处理；构建基于注意力网络和多尺度模块的AMNet分割网络，对训练集数据进行训练；再对测试集数据拉伸处理；用AMNet模型文件进行网络性能评估，用D-KNN模块对结果优化，输出最终分割结果。本发明通过AMNet充分利用全局上下文信息，获得精确的分割结果，有效减少了点云数据处理的空间消耗，降低了空间成本，同时提高了分割结果精确性。本发明用于3D点云语义分割。
-
公开(公告)号：CN108743086A
公开(公告)日：2018-11-06
申请号：CN201810051618.9
申请日：2018-01-19
Applicant: 西安电子科技大学
IPC: A61G5/10
CPC classification number: A61G5/10 , A61G2203/10
Abstract: 一种用于跟踪前方陪护人员目标的智能轮椅控制方法，针对渐冻症患者等残障人士无法直接用手控制轮椅的问题，实现了智能轮椅对前方陪护人员的自动跟随。其实现过程是：将架设在轮椅上的正对前方陪护人员的摄像头获取的彩色图像实时传输给上位机，上位机在检测到开始轮椅跟踪的陪护人员手势图像后，对彩色图像中陪护人员所在的矩形框位置进行跟踪，依据矩形框的位置变化，控制智能轮椅移动，直至上位机检测到结束轮椅跟踪的陪护人员手势图像为止。本发明通过与陪护人员的交互来控制智能轮椅移动，稳定性强，易于操作，方便残障人士出行的同时简化了陪护工作。
-
公开(公告)号：CN108470183A
公开(公告)日：2018-08-31
申请号：CN201810112427.9
申请日：2018-02-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于聚类细化残差模型的极化SAR分类方法，其步骤为：(1)搭建聚类细化残差模型；(2)对待分类的极化SAR图像进行预处理；(3)生成训练数据集和测试数据集；(4)对网络的深浅层进行信息融合处理；(5)对初始分类图小图斑进行重新分类处理；(6)对测试数据进行分类，获得测试结果。本发明通过将极化SAR图像在细化残差网络中深浅层信息进行融合处理，提取了极化SAR图像丰富的纹理特性，保留了特征信息的完整性，提高了训练速度，使用聚类层对融合处理后的分类图中边缘的小图斑进行重新分类处理，提高了图像边缘的分类精度，加快了训练速度。
-
公开(公告)号：CN108460342A
公开(公告)日：2018-08-28
申请号：CN201810113878.4
申请日：2018-02-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于卷积网和循环神经网络的高光谱图像分类方法，主要解决现有技术中高光谱图像分类精度低的问题。本发明具体步骤如下：(1)构造三维的卷积神经网络；(2)构造循环神经网络；(3)对待分类的高光谱图像矩阵进行预处理；(4)生成训练数据集和测试数据集；(5)利用训练数据集训练网络；(6)提取测试数据集空间特征和光谱特征；(7)融合空间特征和光谱特征；(8)对测试数据集进行分类。本发明引入三维卷积神经网络和循环神经网络提取高光谱图像的空间特征和光谱特征，融合两种特征进行分类，具有针对高光谱图像分类问题精度高的优点。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.028 seconds)
