-
公开(公告)号：CN118194017A
公开(公告)日：2024-06-14
申请号：CN202410369137.8
申请日：2024-03-28
Applicant: 西北工业大学
IPC: G06F18/213 , G06F18/241 , G06F18/25 , G06F18/2415 , G06V10/44 , G06V10/82
Abstract: 本发明公开了一种基于双模态语义特征任务驱动学习的少样本开集识别方法，首先使用预训练模块提取图像中的视觉与文本双模态特征，并且相加得到融合特征；再使用预训练模块对辅助数据集进行特征提取，将同一类别的视觉、文本以及融合特征进行平均来额外计算特征的基类质心；然后对学习到的参考特征嵌入以及辅助数据集的原型特征质心通过任务感知的相对位移特征模块生成最终分类特征；最后将最终特征向量作为特征输入，进行非共享参数的联合训练以获得最佳分类分数。本发明能够同时获取图像的视觉特征和类别标签的文本特征，并在少样本开集识别中使用双模态的语义特征。
-
公开(公告)号：CN117318930A
公开(公告)日：2023-12-29
申请号：CN202311247435.1
申请日：2023-09-26
Applicant: 西北工业大学
Abstract: 本申请提供一种串口数据的加密传输方法、设备及存储介质，通过获取待传输的串口数据，并根据由串口数据建立的传输任务生成密钥对，在发送端通过公钥对串口数据执行加密，得到加密数据。然后将加密数据从发送端发送至接收端，以通过私钥对加密数据执行解密，根据解密结果得到解密数据，最后在接收端计算解密数据和串口数据的重合度，根据重合度生成传输结果。本申请通过在串口数据的传输过程中，使用公钥对串口数据执行加密，并在接收端使用私钥对加密数据执行解密，然后计算解密数据和串口数据的重合度输出传输结果，提高串口数据传输的安全性。
-
公开(公告)号：CN116993584A
公开(公告)日：2023-11-03
申请号：CN202310745724.8
申请日：2023-06-21
Applicant: 西北工业大学
IPC: G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/0475 , G06N3/048 , G06N3/096 , G06N3/0895 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种面向多域图像的光谱跨域迁移超分重建方法，通过面向多域图像场景的基于跨域可迁移知识学习和目标域快速适应学习方式的图像光谱跨域迁移超分重建方法。实现从RGB图像到高光谱图像的光谱超分重建。并采用基于可迁移字典的模型结构设计，学习可以跨域迁移的特征；基于共享可学习掩码的源域预训练策略，促进模型学习用于重建的通用知识；基于模型不可知的元学习的微调方法，用以学习一个通用的、泛化能力强的模型，使得在测试数据上经过几步迭代就能适应测试的目标域的数据。本发明可以挖掘出跨域共享的知识，以提高泛化能力，进而提高了跨域光谱超分重建的效果。
-
公开(公告)号：CN110516718B
公开(公告)日：2023-03-24
申请号：CN201910740748.8
申请日：2019-08-12
Applicant: 西北工业大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/084
Abstract: 本发明公开了一种基于深度嵌入空间的零样本学习方法，用于解决现有零样本学习方法泛化能力差的技术问题。技术方案是通过深度学习技术来学习一个有效地深度中介嵌入空间，通过所训练好的深度网络同时将已知类别与未知类别的语义类别描述和图像信息描述映射到该深度中介嵌入空间中，最后通过相应的分类器对嵌入空间中的特征进行分类以获得对应的预测标签。在预测过程中，采用了映射网络自学习算法，有效地提升了泛化能力，即提高了对未知类别样本的分类准确率。
-
公开(公告)号：CN114842350A
公开(公告)日：2022-08-02
申请号：CN202210308254.4
申请日：2022-03-26
Applicant: 西北工业大学
Abstract: 本发明涉及一种遥感图像中的目标检测方法、装置、电子设备和计算机可读存储介质。该方法包括：对于候选区域特征图进行非局部图卷积处理，得到卷积结果，其中，该候选区域特征图为当前网络将该遥感图像中多个目标区域池化到一个固定大小的特征图之后得到；将该卷积结果与该候选区域特征图进行融合处理，得到目标候选区域特征图；从该目标候选区域特征图中识别出目标信息。通过本发明，解决了相关技术中小样本目标检测的鉴别能力和泛化能力不足的技术问题，达到了提高遥感图像小样本目标检测的鉴别能力和泛化能力的技术效果。
-
Patent Agency Ranking
公开(公告)号：CN112286225A
公开(公告)日：2021-01-29
申请号：CN202011178736.X
申请日：2020-10-29
Applicant: 西北工业大学
IPC: G05D1/10
Abstract: 本发明涉及一种利用障碍物信息设定无人机飞行路径的系统和方法，以解决无人机在规划飞行路径时没有及时更新障碍物信息而导致无人机撞机的问题。该利用障碍物信息设定无人机飞行路径的系统，第三方数据源与控制中心连接，第三方数据源将设定区域内的障碍物信息实时发送至控制中心；无人机的数量为多个，无人机通过无线网络与控制中心连接；无人机包括通讯单元、障碍物监测单元、飞行管控单元；障碍物监测单元通过障碍物监测传感器实时监测障碍物数据，并通过通讯单元将障碍物数据发送至控制中心；飞行管控单元接收到控制中心拟定的飞行路径后指导无人机飞行；控制中心包括通讯模块、地图绘制模块、飞行设定模块。
-
公开(公告)号：CN107203783B
公开(公告)日：2020-09-01
申请号：CN201710371308.0
申请日：2017-05-24
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于自适应卷积核卷积神经网络的遥感图像像素级分类方法，用于解决现有遥感图像像素级分类方法自适应性差的技术问题。技术方案是首先计算数据点的密度和距离值，然后自适应选取聚类中心为卷积核，最后将学习到的卷积核加入CNN对网络的softmax层进行训练，对训练好的网络进行遥感图像像素级分类。本发明将改进的基于快速寻找和找到密度峰值的聚类算法MCFSFDP，聚类得到自适应卷积核，代入基于预训练卷积核的CNN结构。相对基于K‑means聚类人工设定聚类类别预学习的卷积核的CNN结构相比，自适应学习到的卷积核能够有效表征数速记据信息特点并且提高了遥感图像像素级分类效果。
-
公开(公告)号：CN111401426A
公开(公告)日：2020-07-10
申请号：CN202010167527.9
申请日：2020-03-11
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于伪标签学习的小样本高光谱图像分类方法。首先，以高光谱像素点为中心对其周围像素采样，生成高光谱样本，以少量带标签样本构建小样本数据集，并利用其为未标记样本分配软-伪标签，从而得到辅助数据集；然后，使用小样本数据集和辅助数据集共同训练由共享的特征提取器和两个不同的分类器构成的二分支深度神经网络；最后，利用训练好的网络对测试数据预测标签，实现分类处理。本发明方法通过有效地利用未标记样本的潜在信息，可以提高小样本高光谱图像分类的准确率。
-
公开(公告)号：CN106780345B
公开(公告)日：2019-10-22
申请号：CN201710036463.7
申请日：2017-01-18
Applicant: 西北工业大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于耦合字典及空间转换估计的高光谱图像超分辨重建方法，用于解决现有高光谱图像超分辨重建方法重建精度低的技术问题。技术方案是首先利用光谱解混理论对低分辨率的高光谱图像进行线性解混，求得相应的光谱字典；利用稀疏表示理论建立基于耦合字典的高光谱图像超分辨重建的模型；引入高光谱图像与真彩图像之间的空间转换矩阵正则项，降低了算法的使用限制；然后，利用改进的PALM算法对模型进行求解，获得超分辨重建后的高光谱图像。经测试，在空间超分辨倍数为32倍的情况下，本发明均方根误差RMSE、光谱角匹配SAM等精度指标均高于背景技术高光谱图像超分辨重建方法，具有较好的超分辨效果。
-
公开(公告)号：CN105913023B
公开(公告)日：2019-06-21
申请号：CN201610224324.2
申请日：2016-04-12
Applicant: 西北工业大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于多光谱图像和SAR图像的黄河冰凌协同检测方法，用于解决现有黄河冰凌检测方法精度差的技术问题。技术方案是首先利用遥感图像，通过对黄河遥感图像几何校正、Bow‑tie校正、云剔除、图像裁剪等预处理，进而对河流区域粗分割，最后利用NDSI检测方法与聚类法相结合，得到分割区域集合m；然后将区域m作为SAR图像检测方法输入，通过超像素分割和计算显著图得到分割区域集合n，最后通过交替迭代，寻找使得黄河冰凌检测模型最优的解，获取到最佳冰凌检测区域，实现黄河冰凌快速、有效检测，精度高。
-
-
-
-
-
-
-
-
-
Search Results
149
records
(took 0.048 seconds)
