-
公开(公告)号：CN113610807A
公开(公告)日：2021-11-05
申请号：CN202110907227.4
申请日：2021-08-09
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于弱监督多任务学习的新冠肺炎病灶分割方法，主要解决现有方法对不同临床等级患者的影像差异大、分割结果差的问题。其方案是：获取新冠肺炎患者的CT影像数据进行重采样和直方图匹配，划分出训练集、验证集、测试集；设计多尺度卷积模块HMS，以替代现有3D ResUNet分割网络最后两层编码层中的卷积层，并在该网络中增加分类网络，构建基于弱监督多任务学习的新冠肺炎病灶分割网络；用训练集训练该网络并用验证集选择效果最好的训练后模型；将测试集输入到最终训练后模型得到分割结果。本发明能使网络学习到更鲁棒的病灶特征，有效提升不同临床等级患者的病灶分割效果，可用于新冠肺炎肺部CT影像的病灶识别。
-
公开(公告)号：CN112966155A
公开(公告)日：2021-06-15
申请号：CN202110308901.7
申请日：2021-03-23
申请人： 西安电子科技大学
IPC分类号： G06F16/901 , G06F16/903 , G06F16/9536 , G06Q50/00
摘要： 本发明公开一种基于路径相关性的链路预测方法，主要解决传统路径方法预测精度较低的问题。其方案是：1)在网上下载一个真实的网络数据集，获得网络的邻接矩阵；2)计算网络中所有节点对间各阶路径的总贡献；3)利用节点间各阶路径的总贡献构建节点间的相似性分值，即对各阶路径的总贡献进行非线性组合，以组合结果作为节点间的相似性分值；4)计算所有节点对的相似性分值，将所有节点对按照相似性分值从大到小排序，根据排在前面的节点对之间产生链路概率最大的相似性原理，取前m个节点对，作为被预测出的m条链路。本发明利用了更深层次且更准确的路径信息，相比传统路径方法提高了预测精度，可用于交通线路规划、指导生物实验及推荐系统。
-
公开(公告)号：CN106682306B
公开(公告)日：2020-07-07
申请号：CN201611221318.8
申请日：2016-12-26
申请人： 西安电子科技大学
IPC分类号： G06F30/347
摘要： 本发明公开了一种快速FPGA布线方法，该方法采用新的重布线策略和波前扩展方法。该FPGA布线方法迭代地对所有线网进行布线直到找到一个合法的布线结果或者达到最大迭代次数。在每次布线迭代过程中，新的重布线策略只对非法的路径进行重布，保留合法的路径，从而减少每次布线迭代的时间。在对每一个线网漏端点进行布线时，布线树上距离目标漏端点t相对较远的节点出现在连接t的最优路径上的概率较低，因此在对波前进行初始化时只使用距离t相对较近的布线树节点，当布线树较大时，可以显著减少波前初始化的时间。本发明在保持关键路径延时和线长均有优化的前提下，明显减少了布线运行时间。
-
公开(公告)号：CN111368914A
公开(公告)日：2020-07-03
申请号：CN202010143794.2
申请日：2020-03-04
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于全概率协同分割的极化合成孔径雷达变化检测方法，主要解决现有技术对噪声不鲁棒，依赖人工标注数据及无法给出发生变化具体类别的问题。其实现步骤为：输入极化相干矩阵T，从中提取极化特征；使用极化特征进行谱聚类和判别聚类，得到初始的分割结果；对初始的分割结果进行全概率协同分割，得到两幅图像的协同分割结果和变化检测结果；从变化检测结果中筛选出所有发生变化的像素，从协同分割结果中提取所有发生变化像素在变化前后的类别，确定出该像素发生变化的具体类别。本发明提高了对噪声的鲁棒性，无需人工标注，使应用更加广泛，且可给出像素发生变化的具体类别，可用于两时相雷达图像的地物分类、变化检测和变化识别。
-
公开(公告)号：CN110736164A
公开(公告)日：2020-01-31
申请号：CN201810719452.3
申请日：2018-07-02
申请人： 西安电子科技大学
摘要： 本发明涉及一种环境监控及除霾除甲醛杀菌机器人，包括：机器人头部(1)、连接部(2)、躯干(3)、空气监测装置(4)和除霾除甲醛杀菌装置(5)；其中，机器人头部(1)旋转连接连接部(2)，机器人头部(1)连接部(2)固定连接在躯干(3)上；空气监测装置(4)通过无线连接机器人头部(1)，除霾除甲醛杀菌装置(5)通过无线连接机器人头部(1)。本发明提供的环境监控及除霾除甲醛杀菌机器人能够监测空气质量，同时能够根据空气质量情况，智能开启净化空气功能或者臭氧杀菌消毒功能，占用空间小，使用方便，而且该机器人能够通过人脸识别和体温检测，以此来分析流感季节人员的体温健康状况，对体温显著升高的人员提出预警，起到流感防治的作用。
-
公开(公告)号：CN110671757A
公开(公告)日：2020-01-10
申请号：CN201810710496.X
申请日：2018-07-02
申请人： 西安电子科技大学
摘要： 本发明涉及一种室内空气净化系统，包括：除霾除甲醛杀菌模块、臭氧处理模块和控制模块；其中，所述除霾除甲醛杀菌模块与所述控制模块电连接，用于排除空气中的雾霾颗粒、甲醛和细菌；所述臭氧处理模块与所述控制模块电连接，用于分解空气中的臭氧；所述控制模块用于接收和处理数据并控制所述除霾除甲醛杀菌模块和所述臭氧处理模块的开启和关闭。本发明的室内空气净化系统，通过调节除霾除甲醛杀菌模块中负离子发生单元和收集板之间的距离，使除霾除甲醛杀菌模块进行除霾除甲醛、除甲醛处理或是杀菌消毒处理，再除霾除甲醛杀菌模块产生的臭氧进行杀菌消毒处理之后，利用该系统集成的臭氧处理模块将空气中的臭氧分解成氧气，以免空气中残留有臭氧，对身体造成伤害。
-
公开(公告)号：CN110533631A
公开(公告)日：2019-12-03
申请号：CN201910635704.9
申请日：2019-07-15
申请人： 西安电子科技大学
摘要： 本发明提供了一种基于金字塔池化孪生网络的SAR图像变化检测方法，主要解决传统方法中变化检测精度依赖于差异图而导致结果不准确的问题。其实现步骤是：1)生成训练样本、测试样本和样本标签；2)构建深度金字塔池化孪生网络；3)构建分类网络；4)使用训练样本和样本标签对深度金字塔池化孪生网络和分类网络进行训练，得到训练好的模型；5)用训练好的模型对测试样本进行测试，得到变化检测结果。本发明能避免使用差异图，有效解决了差异图对变化检测结果的影响，提高了变化检测的准确率，可用于环境检测和灾害检测。
-
公开(公告)号：CN107123125A
公开(公告)日：2017-09-01
申请号：CN201710195062.6
申请日：2017-03-29
申请人： 西安电子科技大学
CPC分类号： Y02A90/13 , G06T7/10 , G06K9/6223 , G06T2207/10044
摘要： 本发明公开了一种基于散射功率特征与低秩稀疏模型的极化SAR图像的变化检测方法，主要解决现有技术中漏检率高和差异图可分性低的问题。其实现过程是：1)提取第一时相相干矩阵T1和第二时相相干矩阵T2；2)分别对T1和T2进行Freeman分解和配准，得第一时相的输入图像I1和第二时相的输入图像I2；3)用I1和I2构造变化图像序列I；4)用低秩稀疏分解法将变化图像序列I分解为低秩图像序列L，稀疏图像序列S和噪声图像序列G三个子图像序列之和；5)融合稀疏图像序列S,得到差异图；6)用模糊C均值的方法对差异图进行聚类，得到变化检测的结果图。本发明抗噪声强，漏检率低，检测精度高，可用于城市规划，自然灾害的评估及气候的变化监测。
-
公开(公告)号：CN118799784A
公开(公告)日：2024-10-18
申请号：CN202410923362.1
申请日：2024-07-10
申请人： 西安电子科技大学 , 中国科学院高能物理研究所 , 广东产品质量监督检验研究院
IPC分类号： G06V20/40 , G06V10/44 , G06V10/764 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06V10/25 , G06V10/80 , G06V10/82 , G06V10/54 , G06V10/422 , G06V40/20 , G06N3/09
摘要： 本发明公开了一种基于多任务学习轻量化Transformer的时空动作检测方法及相关装置，基于已有视频数据，获取待处理视频帧组及其标签，并对待处理视频帧进行预处理；构建包含时空特征提取网络对、构造器和轻量融合模块的训练模型；使用训练模型对待处理视频数据进行训练，提取待处理视频的时空特征，得到最终预测和边界框；对时空特征上采用多任务学习思想定义损失函数，实现分类和定位任务。本发明通过轻量化结构提取时空信息，克服传统方法利用传统神经网络或3D Transformer的缺点，采用轻量化2D Transformer的方法，降低了模型参数数量，并且采用特征重构和多任务学习思想，达到了效率和精度的平衡。
-
公开(公告)号：CN115098787B
公开(公告)日：2024-04-19
申请号：CN202210869627.5
申请日：2022-07-21
申请人： 西安电子科技大学
IPC分类号： G06Q30/0601 , G06F16/9535 , G06N3/042 , G06N3/045 , G06N3/0464 , G06F18/2415 , G06F18/214 , G06F18/22
摘要： 本发明提出了一种基于余弦排名损失和虚拟边图神经网络的物品推荐方法，实现步骤为：(1)构建用户信息、物品信息以及用户‑物品交互信息；(2)构建用户‑物品虚拟边交互二部图；(3)构建基于余弦排名损失和虚拟边图神经网络的物品推荐模型；(4)对基于余弦排名损失和虚拟边图神经网络的物品推荐模型进行迭代训练；(5)获取向用户推荐的物品列表。本发明通过使用用户‑物品虚拟边交互二部图，挖掘了用户‑物品的潜在交互可能，关注了节点间的隐式反馈以获得更好的嵌入表征向量；同时通过使用余弦排名损失函数，过滤冗余样本以自适应的计算损失函数值，提高了物品推荐的准确性。
-
-
-
-
-
-
-
-
-
搜索结果
76 条记录 (耗时 0.041 秒)
