-
公开(公告)号：CN116258941A
公开(公告)日：2023-06-13
申请号：CN202310233273.X
申请日：2023-03-13
Applicant: 西安电子科技大学
IPC: G06V10/82 , G06V10/774 , G06N3/082 , G06V10/764 , G06V10/766 , G06N3/048 , G06N3/047 , G06N3/084 , G06F16/11 , G06F8/61 , G06F8/71 , G06N3/0464
Abstract: 基于Android平台的yolox目标检测轻量化改进方法，包括以下步骤；步骤1：收集和准备训练时所需带有标注的图像和对应的标签数据，并对数据进行预处理；步骤2：将原来的BCE交叉熵损失函数替换为现在的varifocalloss损失函数；步骤3：将原有的CSPDarknet网络替换为MobileNet网络；步骤4：采用yolox算法对所述步骤1的数据集进行训练，通过反向传播算法不断优化模型参数；步骤5：转换模型格式：将训练好的MobileNet网络格式转换为Android设备可读取的格式；步骤6：部署模型：将格式转换后部署到Android设备上，并利用Android平台的GPU加速技术加速模型的推理过程；步骤7：实现目标检测。本发明能够在保证目标检测精度的前提下，大幅降低模型的计算和存储开销，提高移动设备上的目标检测性能和效率。
-
公开(公告)号：CN115588855A
公开(公告)日：2023-01-10
申请号：CN202211256549.8
申请日：2022-10-14
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于电阻加载的双极化超宽带宽角紧耦合吸波器，包括宽角匹配层、加载偶极子紧耦合天线层、金属地板层，所述宽角匹配层、加载偶极子紧耦合天线层、金属地板层从上往下设置，所述宽角匹配层和加载偶极子紧耦合天线层之间有空气层A隔开，所述加载偶极子紧耦合天线层和金属地板层之间有空气层B隔开。本发明基于天线互易原理，将紧耦合天线的设计理念引入到吸波器设计中，提出了具有双极化、超宽带、宽角度特性的吸波器的设计，且设计简单，设计周期短，加工便利，结构稳定。
-
公开(公告)号：CN115115973A
公开(公告)日：2022-09-27
申请号：CN202210630725.3
申请日：2022-06-06
Applicant: 西安电子科技大学
Abstract: 一种基于多感受野和深度卷积神经网络的弱小目标检测方法。首先通过机载或车载摄像头获取序列图像；然后使用多感受野特征提取算法对每一帧图像进行特征提取，在不增加参数量的情况下获得混合感受野特征；随后将混合感受野特征送入深度卷积神经网络进行深度特征提取；接着使用多感受野特征聚合算法对深度特征进行不同范围上下文信息的提取与整合，输出一组多感受野聚合特征；再将感受野聚合特征送入改进的路径聚合网络进行多尺度融合，输出一组深度融合特征；最后对深度融合特征分别进行弱小目标框位置的回归和类别的判定。本发明可准确检测出图像或视频中的弱小目标并正确分类，为后续弱小目标检测与识别领域的研究提供支持。
-
公开(公告)号：CN114782765A
公开(公告)日：2022-07-22
申请号：CN202210210383.X
申请日：2022-03-03
Applicant: 西安电子科技大学 , 西安鲲鹏易飞无人机科技有限公司
IPC: G06V10/774 , G06K9/62 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 一种基于IoU改进损失函数的目标检测方法，对目标检测网络，预设交并比加权参数、距离惩罚项加权参数和宽高比惩罚项加权参数，并预设约束条件和训练次数，以多个不同类别的图片作为待训练学习图片，输入目标检测网络训练，计算标注的目标框和预测框的交并比，获取同时包含目标框与预测框的最小封闭框，计算距离损失值和高宽损失值，并由此获取损失函数Lp‑EIoU，计算出损失值，利用反向传播算法更新目标检测网络的权重参数；维持待训练学习图片不变，重复训练得到最终目标检测网络的权重参数以及该网络的检测精度，目标检测网络采用最优参数进行目标检测。本发明通过提升目标检测过程中边界框回归的定位性能，进而提升目标检测的准确性。
-
公开(公告)号：CN113300737B
公开(公告)日：2022-04-15
申请号：CN202110379795.1
申请日：2021-04-08
Applicant: 西安电子科技大学
IPC: H04B1/7097 , G06F9/52
Abstract: 本发明公开了一种基于GPU并行的直接序列扩频信号检测方法，包括：获得原始接收信号的多时延切片向量；利用所述多时延切片向量获得所述原始接收信号的循环统计量计算公式；利用GPU多线程对所述原始接收信号的循环统计量计算公式进行并行计算，获得循环统计量结果；对所述循环统计量结果进行归一化处理，得到归一化的循环统计量；根据所述归一化的循环统计量检测所述接收信号中是否存在直扩信号。该方法利用循环平稳特性检测直扩信号的存在性的同时进行载频估计，并利用GPU多线程同时执行循环统计量计算核函数，具有抗干扰能力强、计算速度快、并行程度高、GPU利用率高的优点。
-
Patent Agency Ranking
公开(公告)号：CN112838909B
公开(公告)日：2022-03-04
申请号：CN202011608168.2
申请日：2020-12-30
Applicant: 西安电子科技大学
IPC: H04L1/00
Abstract: 本发明提出了一种基于高斯眼图纹理熵特征的通信干扰检测方法，主要解决现有干扰检测方法在低干信比下检测率低，检测时间较长的问题。其实现步骤是：(1)生成待检测无线通信信号的高斯眼图；(2)计算高斯眼图的纹理熵特征；(3)设定干扰检测检验统计量；(4)进行检验判决，得到干扰检测结果。本发明具有在高干信比和低干信比下干扰检测概率较高，检测速度快的优点，有效的克服了现有干扰检测方法存在的在低干信比下检测概率低和检测时间过长的问题。
-
公开(公告)号：CN112838909A
公开(公告)日：2021-05-25
申请号：CN202011608168.2
申请日：2020-12-30
Applicant: 西安电子科技大学
IPC: H04L1/00
Abstract: 本发明提出了一种基于高斯眼图纹理熵特征的通信干扰检测方法，主要解决现有干扰检测方法在低干信比下检测率低，检测时间较长的问题。其实现步骤是：(1)生成待检测无线通信信号的高斯眼图；(2)计算高斯眼图的纹理熵特征；(3)设定干扰检测检验统计量；(4)进行检验判决，得到干扰检测结果。本发明具有在高干信比和低干信比下干扰检测概率较高，检测速度快的优点，有效的克服了现有干扰检测方法存在的在低干信比下检测概率低和检测时间过长的问题。
-
公开(公告)号：CN109450835B
公开(公告)日：2020-12-08
申请号：CN201811300069.0
申请日：2018-11-02
Applicant: 西安电子科技大学昆山创新研究院
IPC: H04L27/00
Abstract: 一种基于HSCA提取通信信号特征的调制识别方法，利用特征提取过程中未用到信号先验载波信息的性质，实现低信噪比情况下，通信信号的调制识别。具体步骤包括：1、获取归一化后的通信信号矩阵，2、设置参数，3、基于HSCA，提取信号特征，4、模拟信号的调制识别，5、幅移键控信号的调制识别，6、频移键控信号的调制识别。本发明克服了已有技术无法兼顾通信信号的调制识别在非协作系统中和低信噪比情况下识别准确率不高的缺陷，采用HSCA提取信号特征，提高了低信噪比情况下，非协作系统中通信信号的调制识别准确率，为未来通信信号调制识别的特征提取提供了一条新的途径。
-
公开(公告)号：CN111832513A
公开(公告)日：2020-10-27
申请号：CN202010705052.4
申请日：2020-07-21
Applicant: 西安电子科技大学 , 西安西兰花教育科技有限公司
Abstract: 本发明公开了一种基于神经网络的实时足球目标检测方法，主要解决现有足球目标检测速度慢，精度低的问题。其方案是：1)获取足球目标检测网络YOLOv4；2)构建足球目标训练数据集；3)获取已构建训练数据集的先验框大小，并将其替换目标检测网络YOLOv4中的先验框；4)对训练数据集进行数据增广；5)利用增广后的数据集对目标检测网络YOLOv4进行训练；6)将待检测的足球目标视频，输入到训练好的YOLOv4足球目标检测网络中进行检测标注，输出足球目标的检测结果。本发明增强了网络的识别和定位能力，提高了足球目标的检测速度和精度，保证了足球目标检测的实时性，可用于人机交互、体育赛事、实况直播及运动分析。
-
公开(公告)号：CN111639697A
公开(公告)日：2020-09-08
申请号：CN202010460841.6
申请日：2020-05-27
Applicant: 西安电子科技大学
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。
-
-
-
-
-
-
-
-
-
Search Results
195
records
(took 0.031 seconds)
