-
公开(公告)号：CN104021563B
公开(公告)日：2017-01-25
申请号：CN201410276595.3
申请日：2014-06-19
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多目标模糊聚类和反对学习的噪声图像分割方法，主要解决已有技术分割噪声图像效果差的问题。其实现步骤为：间的约束关系；(3)生成初始种群，并进行初始设定；(4)构建初始种群中所有个体的图像细节保持和去除噪声两个目标函数及隶属度矩阵；(5)计算种群中所有个体的子问题目标函数；(6)对种群进行反对学习、交叉和变异操作，并进行更新；(7)对更新后的种群的Pareto前端，选取其拐点对应的个体的隶属度矩阵去模糊，输出分割结果。本发明既能保持图像细节，又能去除噪声，同时提高了图像分割效率，可用于提取后续图像处理所需的目标。(1)提取噪声图像的邻域信息；(2)确定相邻像素(56)对比文件周绍光等.一种利用像素邻域信息的模糊聚类图像分割算法《. 测绘科学》.2013,第38卷(第1期),第153-155页.M. Awad等.Multi-component imagesegmentation using a hybrid dynamicgenetic algorithm and fuzzy C-means《.IETImage Process》.2009,第3卷(第2期),第52-62页.
-
公开(公告)号：CN119445257A
公开(公告)日：2025-02-14
申请号：CN202411851633.3
申请日：2024-12-16
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/0455
Abstract: 本发明公开一种基于多尺度卷积傅里叶和双分支自注意力的高光谱图像分类方法，主要缓解现有技术中标记样本有限、特征提取不充分、计算复杂度较高的问题。其实现方案包括：获取高光谱数据集，并对其进行预处理后划分为训练样本集和测试样本集；构建包括多尺度卷积傅里叶特征提取模块、特征令牌化模块、双分支多尺度Transformer编码器模块和多层感知机分类头的高光谱图像分类网络模型；利用训练样本集通过梯度下降法对分类网络模型进行迭代训练；将测试样本集输入到训练好的分类网络模型得到高光谱图像的分类结果。本发明能在训练样本有限的情况下有效提升高光谱图像的分类精度，减少模型的计算复杂度，可用于精准农业、矿产勘探和海洋监测的地物分类。
-
公开(公告)号：CN114332557B
公开(公告)日：2024-10-11
申请号：CN202111488930.2
申请日：2021-12-07
Applicant: 西安电子科技大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/086 , G06N3/098
Abstract: 本发明公开了一种基于联邦进化卷积神经网络的极化SAR图像分类方法及系统，将极化SAR数据划分为训练集和验证集；将种群中的个体解码为卷积神经网络，输入训练集进行训练并聚合；对聚合后的卷积神经网络重复运行得到最终聚合的卷积神经网络；将验证集输入最终聚合的卷积神经网络得到对验证集的样本正确分类的数量；对种群中的每一个个体执行差分进化操作得到子代种群；将种群与子代种群合并得到合并种群；执行环境选择操作得到下一代种群；选取最终种群并从中选择适应度最高的个体对应的卷积神经网络；将待分类的极化SAR图像输入卷积神经网络中得到分类结果，完成极化SAR图像分类。本发明提高了卷积神经网络分类精度的同时，降低了卷积神经网络的复杂度。
-
公开(公告)号：CN118097294A
公开(公告)日：2024-05-28
申请号：CN202410313085.2
申请日：2024-03-19
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/82 , G06V10/40 , G06V10/44 , G06V10/80 , G06V10/26 , G06V20/10 , G06N3/045 , G06N3/0464 , G06N3/042 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于均匀图引导融合的极化SAR图像分类方法，主要解决现有技术在均匀区域和复杂区域分类效果不佳的问题。方案包括：1)输入待分割的极化SAR图像及其相干矩阵；2)计算平均相干矩阵，并对其进行卷积操作获取复杂度特征；3)对相干矩阵使用极化分解方法扩充极化特征，得到图像数据X；4)使用SLIC对X进行超像素分割并生成映射矩阵，同时利用超像素生成节点数据表示图；5)计算X的超像素均匀度向量，构造均匀度权重矩阵；6)搭建由CNN与GCN组成的混合网络模型并利用前述计算结果对其进行训练；7)通过训练后模型获取最终分类结果。本发明能够有效提升小目标点和纤细区域的分类效果。
-
公开(公告)号：CN117173300A
公开(公告)日：2023-12-05
申请号：CN202311210391.5
申请日：2023-09-19
Applicant: 西安电子科技大学 , 陕西汇智易知信息科技有限公司
Abstract: 一种可自适应环境的3D虚拟人生成方法、系统、设备及介质，方法包括：数据预处理；获取人体姿态参数，构建姿态检测模型；构建空间映射模型；构建多分辨率哈希特征编码；模型驱动及其渲染；系统、设备及介质，用于实现该方法；本发明引入了空间映射变换，能够通过输入运动对象的视频(动态视频源)生成一个标准姿态的人体模型，同时提出一种新的神经渲染方法，快速精确驱动标准模型生成目标动作条件下的视频，在提升模型重建准确度的同时，提高了模型的迁移性和鲁棒性，使得模型的应用范围更广。
-
Patent Agency Ranking
公开(公告)号：CN117095669A
公开(公告)日：2023-11-21
申请号：CN202311154581.X
申请日：2023-09-08
Applicant: 西安电子科技大学 , 陕西汇智易知信息科技有限公司
Abstract: 基于变分自动编码的情感语音合成方法、系统、设备及介质，方法包括：数据预处理、模型构建、模型训练及优化、语音还原；系统、设备及介质：用于实现基于变分自动编码的情感语音合成方法；本发明通过基于变分自动编码的风格生成模型从输入音频中学习情感风格，并利用变分自动编码器的特性微调融合情感风格特征，将情感风格特征、声学特征和文本序列输入注意力机制改进的端到端语音合成模型，提升了模型整体的情感细节建模能力和上下文信息学习能力，提高了合成语音的情感表现力和内容准确度。
-
公开(公告)号：CN117011697A
公开(公告)日：2023-11-07
申请号：CN202310698148.6
申请日：2023-06-13
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/52 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/0985
Abstract: 一种基于transformer架构搜索的遥感图像变化检测方法、系统、设备及介质，方法包括：设置搜索空间；搭建搜索框架；搜索最优结构因子；构建变化检测网络；训练变化检测网络；系统、设备及介质：用于实现一种基于transformer架构搜索的遥感图像变化检测方法；本发明通过设计分解架构搜索框架，利用该框架自动关注并找出适合当前检测任务的架构设置，从而实现稳定和快速的transformer架构搜索，具有适应性强、搜索过程快速且稳定的特点。
-
公开(公告)号：CN116701996A
公开(公告)日：2023-09-05
申请号：CN202310617198.7
申请日：2023-05-29
Applicant: 西安电子科技大学 , 陕西汇智易知信息科技有限公司
IPC: G06F18/24 , G06N3/0464 , G06N3/0455 , G06N3/096 , G06F18/25
Abstract: 基于多元损失函数的多模态情感分析方法、系统、设备及介质，方法包括：数据预处理，模型构建，模型训练及优化，任务迁移；系统、设备及介质用于实现基于多元损失函数的多模态情感分析方法；本发明通过基于交叉注意力机制的编码器进行模态融合，并利用对比学习框架进行多元损失函数的辅助训练，同时设置不同的迁移函数对不同的下游任务进行迁移，具有提升数据处理效率和融合效率，最大化利用相关性信息，降低噪声干扰，提高模型准确度、迁移性和鲁棒性的特点。
-
公开(公告)号：CN116564355A
公开(公告)日：2023-08-08
申请号：CN202310617199.1
申请日：2023-05-29
Applicant: 西安电子科技大学 , 陕西汇智易知信息科技有限公司
Abstract: 一种基于自注意力机制融合的多模态情感识别方法、系统、设备及介质，方法包括：数据预处理；特征提取；特征融合；训练模型；任务迁移；系统、设备及介质：用于实现一种基于自注意力机制融合的多模态情感识别方法；本发明通过对比学习的方法来微调预训练模型，从而获得模态之间的相关性信息，并以自注意力机制进行特征融合，同时设计了三种不同的迁移函数，以此来适配不同的下游任务，在提升模型准确度的同时，提高了算法的迁移性和鲁棒性，使得模型的应用范围更广。
-
公开(公告)号：CN110097129B
公开(公告)日：2023-04-28
申请号：CN201910376741.2
申请日：2019-05-05
Applicant: 西安电子科技大学
IPC: G06V20/13 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/44
Abstract: 本发明公开了一种基于轮廓波分组特征金字塔卷积的遥感目标检测方法，解决了光学遥感图像飞机与舰船在边缘模糊时召回率低、虚警率高的问题。实现步骤：构建测试数据集；构建训练数据集；对数据集进行非轮廓下采样变换；构建基于分组特征金字塔卷积目标检测网络；利用数据集训练基于分组特征金字塔卷积的目标检测网络；用训练好的基于分组特征金字塔卷积的目标检测网络对测试数据集进行目标检测；输出测试结果。本发明用非下采样轮廓边缘加强图像边缘特征，并构建分组卷积和特征金字塔网络，更适于光学遥感图像目标检测，针对边缘模糊的小目标检测准确率明显提高。用于光学遥感图像的地物目标检测。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.037 seconds)
