-
公开(公告)号：CN116681727A
公开(公告)日：2023-09-01
申请号：CN202310663304.5
申请日：2023-06-06
Applicant: 西安电子科技大学
IPC: G06T7/246 , G06V10/764 , G06V10/25 , G06V10/26 , G06V10/42 , G06N3/0499
Abstract: 一种基于稀疏表示的自适应Transformer目标跟踪系统及方法，系统包括：特征提取模块，特征提取模块包括块嵌入层、Transformer块、稀疏空间注意模块、稀疏自适应空间剪枝模块以及候选区域重建模块，以及预测头模块；方法包括：将搜索区域图像和模板集图像同时输入特征提取模块，进行特征提取并输出搜索区域特征图与classtoken；将输出的搜索区域特征图与classtoken送入预测头模块，利用预测头模块中的概率头、尺度头与偏差头计算得出预测的目标包围框；利用质量头计算得出搜索区域质量；对当前帧的搜索区域图像以预测的目标包围框为中心裁剪，在模板集图像中对最久未更新的动态模板进行更新；本发明具有计算量低，数据处理速度快以及跟踪精度高的优点。
-
公开(公告)号：CN112669874B
公开(公告)日：2023-08-15
申请号：CN202011492533.8
申请日：2020-12-16
Applicant: 西安电子科技大学
IPC: G10L25/03
Abstract: 本发明提出了一种基于量子傅里叶变换的语音特征提取方法，旨在不降低语音信号特征提取分辨率的前提下，提高语音信号特征提取的速度，实现步骤为：1)初始化量子计算机参数；2)对语音信号进行离散化；3)通过量子计算机获取每个时域语音信号段的二进制量子态；4)通过量子计算机对二进制量子态进行量子傅里叶变换；5)通过量子计算机对时域语音信号段数字矩阵进行量子化编码；6)通过量子计算机获取语音信号的特征提取结果。利用量子逻辑门实现量子傅里叶变换，完成每一个二进制量子态的转换，相当于同时完成多次加减乘除操作，计算次数明显减少，有效提高了语音特征提取的速度。
-
公开(公告)号：CN111832479B
公开(公告)日：2023-08-01
申请号：CN202010672068.X
申请日：2020-07-14
Applicant: 西安电子科技大学
IPC: G06V20/40 , G06V10/25 , G06V10/46 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提出了一种基于改进的自适应锚点R‑CNN的光学遥感视频目标检测方法，用于解决现有技术中精确率和召回率较低的问题，实现步骤为：获取训练样本集和测试样本集；构建改进的自适应锚点R‑CNN网络及其损失函数；对改进的自适应锚点R‑CNN网络进行迭代训练；获取目标检测识别结果。本发明所构建的小目标区域提议网络自适应地生成高质量的锚点，一定程度上避免漏检，有效提高小目标的检测召回率，同时所构建的尺寸预测损失函数有利于小目标尺寸的稳定收敛，进一步提高了小目标的检测精确率和召回率，可用于光学遥感视频中的目标检测。
-
公开(公告)号：CN113205519B
公开(公告)日：2023-07-25
申请号：CN202110432657.5
申请日：2021-04-21
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多支路特征融合的图像分割方法及系统，建立三个基于Xception的轻量化子网络，对三个子网络的输出进行通道缩减操作和4倍双线性上采样，得到三个子网络的高级特征输出，然后将第一高级特征输出和第二高级特征输出并联到第二特征提取模块和第三特征提取模块，构造图像分割模型的编码器；将三个特征提取子网络的输出分别进行通道缩减操作得到低级特征和高级特征，构造完成图像分割模型的解码器；使用两个尺寸不同的预测图像构造损失函数；使用随机梯度下降优化器对损失函数进行优化训练，获得训练好的图像分割模型，使用训练好的图像分割模型完成图像的分割任务。本发明提高了分割准确率；加快图像分割速度；改善分割结果图细节部分。
-
公开(公告)号：CN116363168A
公开(公告)日：2023-06-30
申请号：CN202310174942.0
申请日：2023-02-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于超分辨网络的遥感视频目标跟踪方法及系统，构造遥感超分辨率网络训练数据集；使用遥感超分辨率训练数据将超分辨网络ESRGAN迁移到遥感图像领域，作为基于超分辨网络的遥感视频目标跟踪方法的特征提取模块；使用特征提取模块加入到相关滤波跟踪方法中，并针对该特征模块的特性对相关滤波跟踪方法结构进行调整；将遥感视频转化为图像帧输入系统，并在第一帧裁剪出包含待跟踪目标的图像块，利用相关滤波跟踪方法进行在线跟踪，得到并输出目标跟踪结果。实验证明，本发明所提出的遥感视频目标跟踪方法能够提高遥感视频目标跟踪的准确率和成功率。
-
Patent Agency Ranking
公开(公告)号：CN116229235A
公开(公告)日：2023-06-06
申请号：CN202310204603.2
申请日：2023-03-06
Applicant: 西安电子科技大学
IPC: G06V10/82 , G06V40/10 , G06V10/44 , G06V10/774 , G06V10/77 , G06N3/0464
Abstract: 本发明涉及人体姿态估计网络模型及估计方法，具体涉及一种基于热成像的人体姿态估计网络模型及估计方法，用于解决基于HRNet的人体姿态估计方法存在过于复杂，模型过深，适合提取精细特征，不适用于只显示轮廓信息的热成像，以及计算效率低，推理速度慢的不足之处。该基于热成像的人体姿态估计网络模型包括Start模块、Transition模块和Stage模块；本发明将热成像引入人体姿态估计领域，解决了光照影响、复杂背景等问题，由于热成像只显示人体的轮廓信息，解决了个人隐私泄露问题。
-
公开(公告)号：CN114724030B
公开(公告)日：2023-06-02
申请号：CN202210358655.0
申请日：2022-04-06
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06F17/16 , G06N3/0464 , G06N3/0455 , G06N3/048 , 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：CN112308152B
公开(公告)日：2023-04-28
申请号：CN202011207567.8
申请日：2020-11-03
Applicant: 西安电子科技大学
IPC: G06V10/80 , G06V10/764 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于光谱分割与同质区域检测的高光谱图像地物分类方法，其实现步骤为：构建同质区域检测模块、特征提取子网络簇、特征融合模块；构建高光谱分类模型；生成训练集；训练高光谱分类模型；对待分类的像素进行地物分类。本发明构建同质区域检测模块用于修正输入高光谱图像块，使用光谱分割策略对修正的图像块沿光谱维度分割，构建并训练多个并行的特征提取子网络，进行特征融合并得到分类结果，具有高光谱图像分类精度高的优点，可用于农业生态监测，地质探测等领域的地物目标识别。
-
公开(公告)号：CN113808166B
公开(公告)日：2023-04-18
申请号：CN202111079689.8
申请日：2021-09-15
Applicant: 西安电子科技大学
IPC: G06T7/246 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于聚类差分和深度孪生卷积神经网络的单目标跟踪方法，其实现步骤为：构建深度孪生卷积神经网络，生成数据集，利用聚类差分算法生成包含目标运动信息的融合图像，生成训练集，训练深度孪生卷积神经网络，生成待跟踪视频中每帧图像的融合图像，对指定运动目标进行跟踪。本发明能够提取相似目标密集、目标尺寸小的遥感图像中的高可区分性的目标特征，使用了聚类差分算法生成包含目标运动信息的融合图像，具有特征提取能力强、抗相似目标干扰性强，抗背景干扰能力强、表观特征依赖性低的优点。
-
公开(公告)号：CN112053386B
公开(公告)日：2023-04-18
申请号：CN202010896617.1
申请日：2020-08-31
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于深度卷积特征自适应集成的目标跟踪方法，其步骤如下：提取深度卷积特征；计算核相关滤波器；使用集成矢量更新公式更新当前帧的集成矢量；利用自适应集成计算公式预测当前帧图像的目标位置；使用深度卷积特征更新公式，更新当前帧的深度卷积特征；将选完含有待跟踪目标视频图像序列迭代终止时当前帧的目标中心位置作为待跟踪目标的中心位置。本发明通过集成特征，克服了现有技术存在的跟踪器不能充分利用不同通道目标特征包含的信息，使得本发明在目标跟踪过程中更加准确地获取待跟踪目标位置，增强了目标跟踪的准确性和可靠性。
-
-
-
-
-
-
-
-
-
Search Results
2743
records
(took 0.058 seconds)
