-
公开(公告)号：CN119672539A
公开(公告)日：2025-03-21
申请号：CN202411903472.8
申请日：2024-12-23
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/44 , G06V10/80 , G06V10/764 , G06N3/0464 , G06V10/82 , G06N3/048 , G06N3/045
Abstract: 本发明涉及网络检测技术领域，公开了一种遥感图像变化检测方法及相关设备，该方法包括获取遥感图像；建立遥感图像变化检测模型；将所获取的遥感图像输入至遥感图像变化检测模型内进行基于时空差异捕获网络的遥感图像变化检测。本发明通过空间差异捕捉模块突出了变化区域，使网络本身更关注变化样本。同时本发明引入了时态交互注意力机制，更加深入挖掘双时态特征之间的相互作用，有助于提取更具判别性的特征。本发明在低成本的前提下通过特定的标记和窗口限制策略，实现了对局部细节和远距离上下文的同时关注。
-
公开(公告)号：CN119672397A
公开(公告)日：2025-03-21
申请号：CN202411568903.X
申请日：2024-11-05
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/082
Abstract: 本发明提供基于双通道的多模态特征融合遥感图像分类方法及装置，涉及遥感影像处理与分析技术领域。包括：对不同模态的遥感图像进行预处理和组合图像，得到多个图像组；构建预设分类模型，预设分类模型包括依次连接的骨干网络、融合模块、门控机制层和解码层，骨干网络的结构类型包括孪生骨干网络、同构骨干网络和异构骨干网络；根据多个图像组，在预设分类模型中选取孪生骨干网络、同构骨干网络和异构骨干网络中的一个，作为骨干网络，以得到对应的目标分类模型；通过训练集对目标分类模型进行训练，得到训练好的目标分类模型；将验证集输入训练好的目标分类模型，输出分类结果。这样，使得遥感图像分类的准确性较高。
-
公开(公告)号：CN119399525A
公开(公告)日：2025-02-07
申请号：CN202411469952.8
申请日：2024-10-21
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/82 , G06N3/045 , G06N3/09 , G06N3/0985 , G06N3/084
Abstract: 本发明提供了一种统一框架增量学习遥感场景分类方法及系统，属于图像处理技术领域，包括统一数据库构建、统一骨干网络、分类头网络模型构建、统一超参数构建、线性规划增量学习有监督训练范式网络训练、分类预测结果输出和统一模型验证；本发明能够构建统一的遥感图像分类模型框架范式，框架支持多种模型嵌入，使得模型精确、通用且易于验证，而且支持各类模态数据作为模型输入，显著增强了框架的通用性；同时设计出一种基于线性规划增量学习的有监督学习训练范式，使得模型能够在大规模异源数据集上进行连续的全监督训练，增强了模型的泛化性。
-
公开(公告)号：CN119272091A
公开(公告)日：2025-01-07
申请号：CN202411403297.6
申请日：2024-10-09
Applicant: 西安电子科技大学
IPC: G06F18/24 , G06F18/213 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种用于电磁信号分类识别的深度学习方法及系统，构建电磁信号数据集，每个数据集包含多维度的电磁信号特征及相应的标签信息；选择并配置对应的深度学习模型；对得到的电磁信号数据集进行标签污染，包括Y个体级别和M矩阵级别的污染，Y个体级别污染通过随机选定特定比例的数据点并修改其标签，M矩阵级别污染通过应用预定义的污染矩阵对全部或部分数据集的标签进行系统性修改；使用得到的带有污染标签的电磁信号数据集训练得到的深度学习模型；将未受污染的电磁信号数据集输入得到的深度学习模型中，输出识别的电磁信号。能够有效应对不同级别的数据污染，确保模型在各种环境下都能达到最优的分类效果。
-
公开(公告)号：CN114861450B
公开(公告)日：2025-01-07
申请号：CN202210556524.3
申请日：2022-05-19
IPC: G06F30/20 , G06F30/18 , G06F17/16 , G06F119/02
Abstract: 本发明提出了一种基于潜在表示和图正则非负矩阵分解的属性社区检测方法，主要解决现有方法对于网络中丰富的属性信息利用不充分的问题。方案包括：1)输入网络数据；2)对数据进行处理，计算属性信息的亲和矩阵；3)定义并初始化两个转移矩阵；4)定义并初始化与拓扑图和属性图相关的三个非负矩阵分解因子矩阵；5)设置迭代，获取三个非负矩阵分解因子矩阵和两个转移矩阵的更新公式；6)循环迭代得到更新后的最终节点成员分布矩阵和最终属性类分布矩阵7)根据迭代更新得到的最终矩阵判别节点所属社区，得到社区检测结果并输出。本发明能够充分利用网络中丰富的属性信息，有效提高了社区分布检测的准确度。
-
Patent Agency Ranking
公开(公告)号：CN119088942A
公开(公告)日：2024-12-06
申请号：CN202411309761.5
申请日：2024-09-19
Applicant: 西安电子科技大学
IPC: G06F16/332 , G06F16/35 , G06F18/214 , G06N20/20 , G06N3/0895 , G06F16/951 , G06N5/022 , G06N3/045 , G06N3/048 , G06F40/58
Abstract: 一种基于增强低秩自适应的地学语言问答大模型构建方法、系统、设备及介质，方法包括：收集地学数据并预处理，得到地学数据集；对地学数据集分类，得到地学文本数据集和地学问答数据集；将地学文本数据集输入到对应的大语言模型中进行训练，生成地学大语言模型；将地学问答数据集输入到地学大语言模型中进行微调，设置增强低秩自适应技术，通过对多个低秩矩阵进行分解并赋予不同的学习率以优化参数调整，最终加入DeepSpeed加速框架，生成地学语言问答大模型；对训练生成的地学语言问答大模型进行分数评估，和不断优化，得到最佳分数的权重文件；系统、设备及介质用于实现该方法；本发明在大幅减少计算所需的资源的同时，提高了模型的精确度和泛化能力。
-
公开(公告)号：CN113989671B
公开(公告)日：2024-11-01
申请号：CN202111267094.5
申请日：2021-10-28
Applicant: 西安电子科技大学
IPC: G06V20/13 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于语义感知与动态图卷积的遥感场景分类方法及系统，构建基于深度残差网络的特征金字塔完成特征的初步提取，获得特征F；构建自适应语义识别模块，通过语义识别获得特征F的区域索引I；根据特征F，利用区域索引I与特征F构造图节点，基于动态图卷积的特征信息捕捉网络，获得全局性特征F*；利用全局性特征F*实现遥感图像的场景分类，本发明具有更稳定且精确的分类性能。
-
公开(公告)号：CN114565824B
公开(公告)日：2024-09-06
申请号：CN202210198503.9
申请日：2022-03-02
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/22 , G06V10/46 , G06V10/764 , G06V10/82 , G06V10/774 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明提出了一种基于全卷积网络的单阶段旋转舰船检测方法，实现步骤为：获取训练样本集和测试样本集；构建单阶段旋转舰船目标检测模型；对单阶段旋转舰船目标检测模型进行迭代训练；通过训练好的单阶段旋转舰船目标检测模型对所有目标的边界框位置和类别置信度进行检测。本发明基于对水平框检测的全卷积单阶段目标检测网络模型，在原有网络基础上加入角度分支并优化网络结构及损失函数，通过网络中多层全卷积层卷积得到的特征图直接逐像素点无锚框的生成预测结果，实现了对旋转舰船目标的快速检测，在保证旋转舰船目标检测检测精度的前提下提高了检测效率，可用于海上监测、海防预警、海洋维权等领域。
-
公开(公告)号：CN114445640B
公开(公告)日：2024-09-06
申请号：CN202210101839.9
申请日：2022-01-27
Applicant: 西安电子科技大学
IPC: G06V10/44 , G06V10/774 , G06V10/46 , G06V10/764 , G06N3/0464 , G06N3/08 , G06V20/13
Abstract: 本发明公开了一种基于描述子一致性约束的异源遥感图像块匹配方法及系统，利用高层特征学习到的包含更多相似度排序的知识来引导低层特征学习，借助高层特征中更加丰富的监督信息优化特征网络，从而提高异源遥感图像匹配的精度。在剔除异源图像之间的差异性时，容易丢失大量的判别性信息，影响异源图像特征的判别性，增大异源图像匹配的误差，提出了借助重构约束保持异源图像特征的判别性，从而提高异源遥感图像匹配的精度。其步骤为：制作数据集；图像预处理；用异源图像特征学习网络提取图像块特征；用异源共享特征学习网络提取图像块的共享特征；降维网络；用解码器重构图像块；网络优化；预测匹配概率；评估网络性能。
-
公开(公告)号：CN114863348B
公开(公告)日：2024-08-23
申请号：CN202210658263.6
申请日：2022-06-10
Applicant: 西安电子科技大学
IPC: G06V20/40 , G06V10/44 , G06V10/26 , G06N3/0895 , G06N3/0464
Abstract: 本发明公开了一种基于自监督的视频目标分割方法，主要解决现有技术分割精度较低、目标遮挡和追踪漂移影响较大的问题。方案包括：1)从视频目标分割数据集中获取视频序列并进行预处理，划分得到训练、验证及测试样本集；2)构建并训练图像重建神经网络模型，采用基于多像素尺度图像重建任务的自监督学习法进行目标特征提取；3)构建并训练侧输出边缘检测网络模型；4)构建并训练基于自监督的边缘修正网络模型；5)对训练后的三种模型进行组合，得到视频目标分割模型；6)将测试集输入视频目标分割模型得到目标分割结果。本发明能够有效提升视频目标分割的泛化性和精确度，可用于自动驾驶、智能监控、无人机智能跟踪等领域。
-
-
-
-
-
-
-
-
-
Search Results
2741
records
(took 0.089 seconds)
