-
公开(公告)号：CN116758534A
公开(公告)日：2023-09-15
申请号：CN202310719201.6
申请日：2023-06-16
Applicant: 西安电子科技大学
IPC: G06V20/64 , G06V10/40 , G06V10/62 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于卷积长短期记忆网络的3D目标检测方法，包括以下步骤；步骤1：使用nuScenes点云数据集；步骤2：将输入点云数据转换到球坐标系下；步骤3：将点云空间按照球坐标进行体素划分，得到体素特征，并对体素特征进行初步提取；步骤4：对体素特征进行中间特征提取；步骤5：通过卷积长短期记忆网络进行时间特征提取，实现卷积长短期记忆网络的输出特征；步骤6：对输出特征进行多尺度特征提取，得到特征图；步骤7：利用特征图生成锚框，并对锚框进行分类、边界框回归和角度回归。本发明通过卷积长短期记忆网络对点云序列进行时间特征提取，解决现有的基于深度学习的3D连续目标检测方法中，因序列过长而无法长期依赖的问题。
-
公开(公告)号：CN116450883A
公开(公告)日：2023-07-18
申请号：CN202310448759.5
申请日：2023-04-24
Applicant: 西安电子科技大学
IPC: G06F16/783 , G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/80 , G06F40/289
Abstract: 基于视频内容细粒度信息的视频时刻检索方法，包括以下步骤；步骤1，构建训练集和测试集，并选取原始视频；步骤2，对原始视频进行特征预提取，得到关键帧特征和帧内物体；步骤3，构建文本特征提取模块，使用预训练词嵌入模型来将查询语句映射到嵌入空间中，完成特征提取，并得到文本特征：步骤4，构建文本词性标注模块，标注查询语句中的名词；步骤5，构建跨模态特征融合模块，得到跨模态细粒度内容特征；步骤6，构建词义匹配模块，通过词义匹配生成相关性权重；步骤7，构建时刻检索指导模块计算整个视频对应的相关性内容细粒度特征。本发明通过目标检测网络提取视频中的细粒度信息，构建一个跨模态的检索模型，提高视频时刻检索准确性。
-
公开(公告)号：CN113486821B
公开(公告)日：2023-07-04
申请号：CN202110782615.4
申请日：2021-07-12
Applicant: 西安电子科技大学
IPC: G06V20/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于时域金字塔的无参考视频质量评价方法，主要解决现有技术利用时域信息不充分，导致视频质量评价准确度较低的问题。其实现方案是：获取训练集和测试集；从视频中获取帧组，并对其进行特征提取，获得低、高层视频特征；构建由时域金字塔模块和质量融合模块级联组成的质量评价网络；对质量评价网络进行训练；将测试视频样本输入到训练好的质量评价网络中，得到被测视频的预测质量分数。本发明通过用时域金字塔模块获取时域信息形成金字塔特征，将视频帧间信息进行交互，并作不同方式的采样，提升了来自视频的时域信息的丰富度，充分利用了视频的时域信息，提高了视频质量评价的准确度，可用于图像的采集、管理、传输和处理。
-
公开(公告)号：CN116168011A
公开(公告)日：2023-05-26
申请号：CN202310256035.0
申请日：2023-03-16
Applicant: 西安电子科技大学
IPC: G06T7/00 , G06N3/08 , G06N3/0464
Abstract: 基于多粒度网络的无参考图像质量评价方法，包括以下步骤；步骤1，获取训练样本集B和测试样本集C：步骤2，构建基于多粒度网络的无参考图像质量评价网络模型S：步骤3，对基于多粒度网络的无参考图像质量评价网络模型S进行迭代训练，得到训练好的基于多粒度网络的无参考图像质量评价网络模型S*；步骤4，获取图像的无参考质量评价结果：将测试样本集C作为训练完成的基于多粒度网络的无参考图像质量评价网络模型S*的输入进行前向推理，得到每个测试样本的质量预测分数，以验证模型效果。本发明通过分析不同粒度的图像块中包含的丰富局部特征，实现图像的无参考质量评价与分析评价。
-
公开(公告)号：CN113421237B
公开(公告)日：2023-04-18
申请号：CN202110678186.6
申请日：2021-06-18
Applicant: 西安电子科技大学
IPC: G06T7/00 , G06T17/00 , G06V10/774 , G06V10/82 , G06F30/27 , G06N3/0464 , G06N3/096
Abstract: 一种基于深度特征迁移学习的无参考图像质量评价方法，其步骤如下：构建失真特征提取网；构建多分支特征注意力模块；构建质量回归网络；生成无参考图像质量回归网络；生成训练集；训练无参考图像质量回归网络；对待评价图像进行质量评估。本发明失真特征提取网络所包含的多分支特征注意力模块能够自适应地捕获自然图像的失真特征，在质量回归网络的输出侧可以自动获得输入图像的质量分数。多个国际公开数据库上的广泛实验结果表明，本发明方法提高了失真图像质量的预测精度，具有评价无参考图像质量时与人眼视觉感知一致性更高、泛化性能更强的优点。
-
Patent Agency Ranking
公开(公告)号：CN110136060B
公开(公告)日：2023-03-24
申请号：CN201910332670.6
申请日：2019-04-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于浅层密集连接网络的单帧图像超分辨率重建方法，主要解决现有数字成像系统获得的图像分辨率低的问题；其实施过程为：首先通过跨层级联的方式构建密集连接块，而后堆叠两次密集连接块，构造密集连接网络；然后通过双三次下采样的方式取图像Y通道，构建训练数据集和测试数据集，并通过训练数据训练浅层连接网络；使用平均绝对误差作为网络的损失函数，判定网络训练是否达到要求；最后使用测试集，通过已训练好的网络进行图像超分辨率重建；本发明通过浅层密集连接网络，能更加有效地利用特征图，最终重构的超分辨率图像保留了更丰富的细节和更清晰地边缘轮廓，可用于天气状况预测、公安部门刑侦破案、电视显示器清晰度提升。
-
公开(公告)号：CN113222032B
公开(公告)日：2023-03-10
申请号：CN202110546001.6
申请日：2021-05-19
Applicant: 西安电子科技大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提出了一种基于自注意图像编码的无参考图像质量评价方法，其步骤为：获取训练样本集和测试样本集；构建基于自注意图像编码的无参考图像质量评价网络模型；对基于自注意图像编码的无参考图像质量评价网络模型进行迭代训练；获取无参考图像质量评价结果。本发明所构建的无参考图像质量评价网络模型中的自注意图像编码器通过对每个样本低维映射的特征进行自注意编码，全连接层对每个特征进行自注意编码得到的包含图像整体注意力信息和细节的深度感知特征进行回归，以获取每个样本对应的质量预测分数，避免了现有技术中所获取的感知特征缺乏足够深度的图像整体注意力信息和细节对评价精度的影响，有效地提高了无参考图像的质量评价精度。
-
公开(公告)号：CN112085102B
公开(公告)日：2023-03-10
申请号：CN202010944337.3
申请日：2020-09-10
Applicant: 西安电子科技大学
IPC: G06V10/80 , G06V10/82 , G06F17/18 , G06N3/0442 , G06N3/0464 , G06N3/049 , G06N3/045 , G06N3/08 , H04N17/00
Abstract: 本发明公开了一种基于三维时空特征分解的无参考视频质量评价方法，其步骤为：构建由时空失真特征学习模块、质量回归模块组成的质量预测网络，生成无参考的训练数据集和测试数据集，训练时空失真特征学习模块和质量回归模块，输出测试集中每个失真视频的质量评价分数值。本发明用于从输入的失真视频中准确且高效地提取时空域内容的质量感知特征，在网络的输出端得到对应的预测质量分数，具有评价无参考视频质量时结果更加准确、应用更广泛的优点。
-
公开(公告)号：CN113486821A
公开(公告)日：2021-10-08
申请号：CN202110782615.4
申请日：2021-07-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于时域金字塔的无参考视频质量评价方法，主要解决现有技术利用时域信息不充分，导致视频质量评价准确度较低的问题。其实现方案是：获取训练集和测试集；从视频中获取帧组，并对其进行特征提取，获得低、高层视频特征；构建由时域金字塔模块和质量融合模块级联组成的质量评价网络；对质量评价网络进行训练；将测试视频样本输入到训练好的质量评价网络中，得到被测视频的预测质量分数。本发明通过用时域金字塔模块获取时域信息形成金字塔特征，将视频帧间信息进行交互，并作不同方式的采样，提升了来自视频的时域信息的丰富度，充分利用了视频的时域信息，提高了视频质量评价的准确度，可用于图像的采集、管理、传输和处理。
-
公开(公告)号：CN110572826B
公开(公告)日：2021-05-18
申请号：CN201910981458.2
申请日：2019-10-16
Applicant: 西安电子科技大学 , 中国电子科技集团公司第五十四研究所
Abstract: 本发明提出了基于干扰节点优化布局的协作物理层安全实现方法，用于现有技术中存在的收发节点对所获取的保密容量较小的技术问题，实现步骤为：构建协作物理层安全系统；对不同节点之间的信道增益进行测量；计算节点之间的信道容量；计算协作干扰节点提供的保密容量之和；建立基于保密容量之和的协作干扰节点布局优化模型并求解；协作干扰节点按求解结果布局与提供协作干扰服务，实现协作物理层安全。本发明能够应用于无线通信安全、协作干扰和保密通信等不同的领域。
-
-
-
-
-
-
-
-
-
Search Results
171
records
(took 0.028 seconds)
