公开(公告)号：CN114724030A

公开(公告)日：2022-07-08

申请号：CN202210358655.0

申请日：2022-04-06

Applicant: 西安电子科技大学

Inventor： 任博 ,  吕坚 ,  侯彪 ,  马施彬 ,  焦李成

IPC: G06V20/10 ,  G06V10/764 ,  G06K9/62 ,  G06V10/82 ,  G06F17/16 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于对比学习的极化SAR地物分类方法，主要解决现有技术获取极化SAR数据标签样本难度大的问题。其实现方案为：将极化SAR数据集分为预训练数据集、微调数据集；对预训练数据进行增强并构建由残差网络和多层感知机组成的预训练模型；使用预训练数据集通过梯度下降法对预训练模型进行预训练；在训练好的预训练模型上增加一层全连接网络构成微调模型，使用微调数据集通过梯度下降法对其训练，得到训练好的微调模型；将整个极化SAR数据集输入到训练好的微调模型，完成极化SAR地物分类。本发明避免了使用大量的标签数据，减小了人力物力消耗，提高了极化SAR地物分类的效率和精度，可用于城市建设规划，海洋监测。

公开(公告)号：CN114565842A

公开(公告)日：2022-05-31

申请号：CN202210158986.X

申请日：2022-02-21

Applicant: 西安电子科技大学

Inventor： 侯彪 ,  蒋小明 ,  焦李成 ,  张小华 ,  任博 ,  任仲乐

IPC: G06V20/10 ,  G06V20/17 ,  G06V10/22 ,  G06V10/764 ,  G06V10/766 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于Nvidia Jetson嵌入式硬件的无人机实时目标检测方法及系统，构建深度神经网络训练数据；构建深度全卷积特征提取神经网络和预测网络；对构建的网络模型进行训练；用训练好的深度全卷积神经网络模型对测试样本集进行预测；将训练好并且完成测试的模型转换为ONNX模型；对ONNX模型进行测试；使用TensorRT和TKDNN对ONNX模型进行加速。本发明可用于无人机目标检测、野外救援等现实生活应用。

公开(公告)号：CN112052754A

公开(公告)日：2020-12-08

申请号：CN202010854358.6

申请日：2020-08-24

Applicant: 西安电子科技大学

Inventor： 任博 ,  赵阳阳 ,  侯彪 ,  焦李成 ,  马晶晶 ,  马文萍

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于自监督表征学习的极化SAR影像地物分类方法，主要解决现有极化SAR深度卷积网络分类所需标签数多、鲁棒性差的问题。其方案是：对极化SAR原始数据进行极化相干矩阵模态表征提取和Pauli色彩模态表征提取；设计自监督表征学习损失函数及网络框架，并在不使用标签数据的情况下对该框架进行训练；将训练好的网络框架权重值迁移到深度卷积分类网络模型中；使用少量有标签样本对该深度卷积分类网络进行微调训练，得到训练好的分类器；将测试数据输入到训练好的分类器，得到最终的分类结果。本发明减少了对标签数据量的需求，提高了极化SAR深度卷积网络的分类精度和鲁棒性，可用于指导农业和海洋监测。