-
公开(公告)号：CN118609183A
公开(公告)日：2024-09-06
申请号：CN202410699999.7
申请日：2024-05-31
Applicant: 西安电子科技大学
IPC: G06V40/16 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了基于多模态与多尺度特征融合的面部表情识别方法及装置，将待识别表情图片输入至训练好的面部表情识别网络中，提取出抽象特征、人脸关键点特征、人脸边缘特征和人脸纹理特征；将同一尺度的特征分别利用注意力机制进行特征提取得到深层特征和浅层特征，将线性映射后的所有特征作融合分类。本发明提取深层特征与浅层特征时，对卷积神经网络输出的各个分辨率的特征图像进行多尺度特征融合，可以降低对原图像信息的损耗；将四种人脸特征进行融合可以在更多维度上提高人工特征对抽象特征提取的辅助性引导作用，从而更大程度上提高网络的分类精度。同时通过注意力机制促使网络精准定位到与表情高度相关的重点区域，从而提高网络的分类能力。
-
公开(公告)号：CN113807362B
公开(公告)日：2024-02-27
申请号：CN202111031606.8
申请日：2021-09-03
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于层间语义信息融合深度卷积网络的图像分类方法，主要解决现有图像分类算法无法同时兼顾复杂图像分类准确度和对图像中小目标敏感性的问题，其实现方案是：获取训练集和测试集；构建包括多级特征提取模块、金字塔池化结构、语义融合结构及输出层的层间语义信息融合深度卷积网络；采用训练集利用梯度下降法对构建的网络进行迭代训练；将测试集输入到训练好的网络模型中，得到图像的分类结果。本发明通过构建金字塔池化结构与语义融合结构，通过将中层弱语义信息特征与深层强语义信息特征相融合，在兼顾复杂图像分类精度的同时，提高了对小目标的敏感性，提高了图像分类的精度，可用于视频监控、智能交通、医(56)对比文件和超;张印辉;何自芬.多尺度特征融合工件目标语义分割.中国图象图形学报.2020,(第03期),全文.
-
公开(公告)号：CN117351539A
公开(公告)日：2024-01-05
申请号：CN202311223474.8
申请日：2023-09-20
Applicant: 西安电子科技大学
IPC: G06V40/16 , G06V10/764 , G06V10/80 , G06V10/774 , G06V10/82 , G06V10/762 , G06N3/0464
Abstract: 本发明公开了一种基于样本对比与特征聚类融合的表情识别方法，包括以下步骤：获取待识别表情数据集；将待识别表情数据集输入训练后的样本对比与特征聚类融合模型中，输出待分类增强表情特征；将待分类增强表情特征输入训练后的全连接层和训练后的分类器进行分类，输出分类结果。本发明的样本对比与特征聚类融合模型进行特征重排列并结合卷积操作以强化中心特征且弱化边缘退化特征；根据所构建样本对标签的异同分别计算对比损失，利用样本对比损失指导网络训练，减小特征的类间相似性和类内差异性；通过特征聚类获取中心特征组，利用余弦相似度衡量样本特征与各聚类中心特征之间的相似性权重，根据相似性权重进行特征融合，获取鲁棒的特征表示。
-
公开(公告)号：CN110516727B
公开(公告)日：2022-12-06
申请号：CN201910766635.5
申请日：2019-08-20
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/774
Abstract: 一种基于FPGA深度边缘滤波器的高光谱图像分类方法，主要解决现有技术中高光谱图像分类速度慢、功耗高和分类精度低的问题。本发明具体步骤如下：1)输入待分类高光谱图像；2)对待分类高光谱图像进行预处理；3)对预处理后的高光谱图像进行降维操作；4)用深度边缘滤波器进行深度边缘滤波；5)生成训练集和测试集；6)构建高光谱图像分类网络；7)训练高光谱图像分类网络；8)对测试集进行分类。本发明采用深度边缘滤波器，并利用现场可编程门阵列FPGA和OpenCL异构计算框架对测试集进行分类，具有针对高光谱图像分类问题速度快、功耗低和精度高的优点。
-
公开(公告)号：CN110298414B
公开(公告)日：2022-12-06
申请号：CN201910616360.7
申请日：2019-07-09
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06N3/04
Abstract: 本发明公开了一种基于去噪组合降维和引导滤波的高光谱图像分类方法，其实现步骤为：(1)读取高光谱图像数据集；(2)对数据集进行最小噪声分离变换；(3)对分离变换后的结果进行组合降维；(4)使用主成分分析降维得到引导滤波输入图像，使用独立成分分析降维得到引导图像；(5)将包含信息量最多的若干主成分作为输入图像，将包含统计信息最多第一独立成分作为引导图像；(6)应用依次增加的滤波半径进行引导滤波得到多尺度空间特征；(7)利用支持向量机进行分类。本发明主要解决了现有技术对空间特征利用不充分及小数量样本分类难的问题，降低了计算复杂度，提高了分类效果。
-
Patent Agency Ranking
公开(公告)号：CN110516560B
公开(公告)日：2022-12-02
申请号：CN201910718212.6
申请日：2019-08-05
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/56 , G06V10/764
Abstract: 本发明提出了一种基于FPGA异构深度学习的光学遥感图像目标检测方法，主要解决现有技术中光学遥感图像目标检测中误检率高、鲁棒性差、功耗高的问题。实现步骤为：构建遥感图像训练数据集；构建基于多尺度特征交叉融合的目标检测网络；利用训练数据集训练该目标检测网络，得到目标权重；对该目标检测网络依次进行高级语言描述和编译，得到SOF可执行文件；在FPGA上运行上述得到的可执行文件，得到检测结果。本发明构建的网络，使用颜色空间转换和多尺度特征交叉融合，改善了因外界光线环境变化及目标小造成的误检和漏检，且选用FPGA作为加速平台，降低了网络运行功耗，可应用于对光学遥感图像不同区域内的飞机与舰船的地物识别。
-
公开(公告)号：CN108256557B
公开(公告)日：2021-09-28
申请号：CN201711415902.1
申请日：2017-12-25
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种结合深度学习和邻域集成的高光谱图像分类方法，主要解决现有技术使用训练样本多且分类效果差的问题，其技术方案：在高光谱数据中通过选取不同的邻域尺度，获得结合不同的空间信息的数据集；将不同空间信息的数据集分别输入到不同的自编码网络中，获得不同空间信息下的分类结果；将上述的分类结果进行连接，并作为训练数据训练一个新的自动编码器网络，作为最终的集成网络；将不同空间信息下的自编码器的对测试样本的分类结果进行连接构成集成网络的测试样本；将新的测试样本输入到集成网络，获得高光谱图像的最终分类结果。本发明使用训练样本少，分类精度高，可用于环境监测，土地利用和目标识别等。
-
公开(公告)号：CN108876816B
公开(公告)日：2020-07-10
申请号：CN201810550413.5
申请日：2018-05-31
Applicant: 西安电子科技大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于自适应目标响应的目标跟踪方法，主要解决当目标发生外观形变、光照变化导致跟踪失败的跟踪问题。本发明实现的步骤如下：(1)确定待跟踪目标初始位置(2)计算相关滤波器权值；(3)预测目标框位置；(4)预测待跟踪目标尺寸；(5)构建自适应目标响应矩阵；(6)更新位移滤波器权值；(7)判断当前帧图像是否为待跟踪视频序列的最后一帧图像，若是，则执行步骤(8)，否则，执行步骤(3)；(8)结束跟踪。本发明通过基于自适应目标响应的目标跟踪方法，能够利用自适应目标响应计算位移滤波器权值，预测待跟踪目标位置和大小。
-
公开(公告)号：CN108802697B
公开(公告)日：2020-04-14
申请号：CN201810315242.8
申请日：2018-04-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种脉冲多普勒雷达信号的混合并行处理方法，实现的具体步骤是：(1)初始化多核CPU的处理线程；(2)在多核CPU端开辟雷达信号处理所需的内存空间；(3)雷达系统采集并存储数据(4)数据解析；(5)处理多通道数据(6)多通道数据混合并行处理同步。本发明可以在多核CPU端实现脉冲多普勒雷达信号的实时处理，缩短了雷达系统的升级周期，提高了雷达系统的可扩展性。
-
公开(公告)号：CN108109156B
公开(公告)日：2019-10-11
申请号：CN201711415934.1
申请日：2017-12-25
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于比值特征的SAR图像道路检测方法，主要解决现有技术对道路边缘定位不准确、虚警率高的问题。其实现包括：1)对SAR图像进行降斑并提取9种纹理特征，2)从9种纹理特征中依据巴氏距离筛选对分类贡献最大的3种纹理特征；3)逐点计算降斑后图像中对比比值特征R1和相似比值特征R2；4)用具有2)和3)结果的样本构造道路字典D1和背景字典D2；5)对每个像素点分别求解与道路字典D1的平均差值E1和与背景字典D2的平均差值E2，通过差值对像素点进行分类，得到初步检测结果；6)对初步检测结果进行优化，得到最终的到了检测结果。本发明能比较完整的、清晰的检测出SAR图像中的道路，适用于检测SAR图像中不同方向、不同宽度的道路。
-
-
-
-
-
-
-
-
-
Search Results
322
records
(took 0.034 seconds)
