-
公开(公告)号：CN119025855A
公开(公告)日：2024-11-26
申请号：CN202411086120.8
申请日：2024-08-08
Applicant: 西安电子科技大学
IPC: G06F18/20 , G06N3/0455 , G06N3/0464
Abstract: 一种基于图聚合模型的多元时序预测方法、系统、设备及介质，方法：将设定的时序数据样本输入编码层模块，捕获含有时间维度全局信息的时序数据样本；接着进行预处理，调整为序列变量信息；构建反映序列变量关系的图邻接矩阵；将序列变量信息作为图聚合模型GAM的初始输入特征矩阵，采用图邻接矩阵对初始输入特征矩阵中每个特征表示进行图卷积更新迭代，获取多级图结构，作为变量之间相关性的深度信息；利用图聚合模型GAM中的多头自注意力层，将各级图结构对输出序列的预测影响进行动态权重分配与聚合，获取对输出序列的精确预测；系统、设备及介质用于实现该方法；本发明具有增强模型预测准确性和有效提高对长期依赖关系的深层建模能力的优点。
-
公开(公告)号：CN118429537A
公开(公告)日：2024-08-02
申请号：CN202410562104.5
申请日：2024-05-08
Applicant: 西安电子科技大学 , 陕西汇智易知信息科技有限公司
Abstract: 一种基于扩散模型的3D人体模型材质生成方法、系统、设备及介质，方法：基于文本提示词，利用扩散模型，生成2D人物图像；以2D人物图像为输入，基于以参数化模型为先验信息的隐函数建模方法，重建3D人体模型；将3D人体模型投影得到2D图像，作为2D图像生成轮廓控制信息，并提供相应的文本提示词，将轮廓控制信息和文本提示词联合作为背面图生成多模态控制条件，生成3D人体模型的背面纹理图；将2D人物图像和背面纹理图分别映射到3D人体模型顶点信息的颜色位中，得到带有贴图的3D人体模型；基于临近点插值算法对带有贴图的3D人体模型颜色进行优化，提升建模效果；本发明生成的3D人体模型材质在纹理一致性和清晰度上有一定优势，且生成效率较高。
-
公开(公告)号：CN118314386A
公开(公告)日：2024-07-09
申请号：CN202410409748.0
申请日：2024-04-07
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/086
Abstract: 一种基于代理辅助进化卷积注意力网络架构搜索的高光谱图像分类方法、系统、设备及介质，本发明：1、通过采用代理模型辅助的NAS技术，能够降低进化架构搜索算法的时间成本和资源消耗；2、通过基于染色体碱基类型的代理数据增强技术，能够解决现有代理模型训练数据不足的问题；3、通过一种新颖的代理模型训练方法，将代理模型的训练分为全局和局部搜索两种情况，能够使代理模型良好地适应随着种群进化而发生改变的代理模型的预测环境；4、通过一种融合卷积神经网络和多个注意模块的编码，能够提高算法鲁棒性和合理利用计算资源；5、通过高效的交叉和变异算子，能够自适应调整网络深度和染色体基因，具有增强算法搜索能力和提高分类效率的优点。
-
公开(公告)号：CN113537399B
公开(公告)日：2024-07-05
申请号：CN202110920086.X
申请日：2021-08-11
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种多目标进化图卷积神经网络的极化SAR图像分类方法及系统，生成训练集和验证集；生成初始种群；将初始种群中的个体解码为图卷积神经网络，训练并将分类精度和浮点运算次数作为个体的适应度；采用交叉、变异和选择操作对种群进行迭代更新；使用最终种群中分类精度最高的个体对应的图卷积神经网络，对待分类极化SAR图像进行分类。本发明采用多目标进化算法同时优化图卷积神经网络的分类精度和浮点运算次数，实现了图卷积神经网络的自动设计，在提高分类精度的同时，降低了图卷积神经网络的计算复杂度。
-
公开(公告)号：CN117953203A
公开(公告)日：2024-04-30
申请号：CN202410135634.1
申请日：2024-01-31
Applicant: 西安电子科技大学 , 陕西汇智易知信息科技有限公司
IPC: G06V10/25 , G06V10/80 , G06V10/82 , G06V10/44 , G06N3/045 , G06V10/774 , G06V10/764
Abstract: 一种基于多层交互注意力特征融合机制的小目标检测方法、系统、设备及介质，方法包括：数据预处理、特征提取、特征融合、特征重构、模型训练、小目标检测；系统、设备及介质：用于实现一种基于多层交互注意力特征融合机制的小目标检测方法；本发明通过残差网络提取空间特征和语义特征，以多层交互注意力机制的进行特征融合，利用基于Transformer的注意力机制进行特征关联并重构特征，并使用匈牙利匹配算法训练模型，得到适应数据集的最优匹配模型，本发明解决了现有技术难以实现有效的特征融合、对深层语义特征利用不充分以及无法实现准确的目标检测的问题，减少了模型运算量、提升了模型准确度、提高了算法的迁移性和鲁棒性，拓宽了模型的应用范围。
-
Patent Agency Ranking
公开(公告)号：CN116977854A
公开(公告)日：2023-10-31
申请号：CN202310949167.1
申请日：2023-07-31
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/086
Abstract: 一种基于代理辅助进化神经网络架构搜索的极化SAR图像分类方法、系统、设备及介质，方法包括：复值神经网络模型编码、代理模型训练数据库数据采样、代理模型训练数据库数据预处理、训练代理模型、获取最优复值卷积神经网络、SAR图像分类；系统、设备及介质：用于实现一种基于代理辅助进化神经网络架构搜索的极化SAR图像分类方法；本发明能够降低进化架构搜索算法的时间成本和资源消耗，能够高效、高精度地搜索适合极化SAR图像分类的神经网络模型。
-
公开(公告)号：CN110136154B
公开(公告)日：2022-12-06
申请号：CN201910410666.7
申请日：2019-05-16
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于全卷积网络与形态学处理的遥感图像语义分割方法，主要解决现有的遥感图像语义分割方法分割准确率低的问题，其实现方案为：构建训练样本集和验证样本集，对训练样本集进行数据增强与数据扩充预处理，分别搭建图像级联网络ICNet模型、金字塔场景解析网络PSPNet模型和基于编码器表示的连接网络LinkNet模型这三种全卷积网络模型，训练并验证全卷积网络模型；将待测试的遥感图像输入训练好的全卷积网络中，得到语义分割初次结果，并采用形态学腐蚀与膨胀运算对语义分割图精调，得到最终的语义分割结果。本发明提升了图像的整体分割效果，可用于遥感图像的分割、分类、检测与跟踪任务。
-
公开(公告)号：CN114332557A
公开(公告)日：2022-04-12
申请号：CN202111488930.2
申请日：2021-12-07
Applicant: 西安电子科技大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/00 , G06N3/04
Abstract: 本发明公开了一种基于联邦进化卷积神经网络的极化SAR图像分类方法及系统，将极化SAR数据划分为训练集和验证集；将种群中的个体解码为卷积神经网络，输入训练集进行训练并聚合；对聚合后的卷积神经网络重复运行得到最终聚合的卷积神经网络；将验证集输入最终聚合的卷积神经网络得到对验证集的样本正确分类的数量；对种群中的每一个个体执行差分进化操作得到子代种群；将种群与子代种群合并得到合并种群；执行环境选择操作得到下一代种群；选取最终种群并从中选择适应度最高的个体对应的卷积神经网络；将待分类的极化SAR图像输入卷积神经网络中得到分类结果，完成极化SAR图像分类。本发明提高了卷积神经网络分类精度的同时，降低了卷积神经网络的复杂度。
-
公开(公告)号：CN113989744A
公开(公告)日：2022-01-28
申请号：CN202111277201.2
申请日：2021-10-29
Applicant: 西安电子科技大学
IPC: G06V20/52 , G06V10/32 , G06V10/44 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于超大尺寸高分辨图像的行人目标检测方法及系统，以行人的目标框为中心，采用不同的固定尺寸对训练集的超大尺寸高分辨图像进行多次切图，得到多尺度的训练数据；采用滑动窗口切图法对测试集的超大尺寸高分辨图像进行多次切图，得到测试集的子图，使用多尺度训练数据对目标检测网络进行训练，然后利用目标检测网络对测试集的子图进行检测，获得子图的预检测结果；将子图检测结果的目标框坐标换转为对应原始大图的坐标作为预检测标签，利用预检测标签对数据以行人目标为中心切图，设定多个切图尺寸得到多尺度的子图，得到多尺度的检测结果；使用区域NMS方法对多尺度的检测结果进行融合，得到最终的检测结果。提高了检测准确率。
-
公开(公告)号：CN113781501A
公开(公告)日：2021-12-10
申请号：CN202111076730.6
申请日：2021-09-14
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种自适应极化SAR图像超像素分割方法及系统，将极化SAR图像分割问题看作是一个多目标优化问题，并将模糊聚类能量函数和模糊聚类性能函数作为该优化问题中需要最小化的两个目标函数；利用多目标进化算法求解，为了自适应确定超像素数目，设计了一种特殊的个体编码方式，其中每个超像素中心都受到对应的活化指数的控制。在优化策略上，针对活化指数设计了一种特殊的变异算子，加快本算法的寻优速度。在两个数据集上进行了超像素分类效果的验证，在图像超像素分割上的分割指标均优于现有的两种方法，本发明在图像分类上的分类指标均优于现有的两种方法。本发明针对不同数据集拥有普适性且效果优于现存的方法。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.033 seconds)
