-
公开(公告)号：CN118429537A
公开(公告)日：2024-08-02
申请号：CN202410562104.5
申请日：2024-05-08
Applicant: 西安电子科技大学 , 陕西汇智易知信息科技有限公司
Abstract: 一种基于扩散模型的3D人体模型材质生成方法、系统、设备及介质，方法：基于文本提示词，利用扩散模型，生成2D人物图像；以2D人物图像为输入，基于以参数化模型为先验信息的隐函数建模方法，重建3D人体模型；将3D人体模型投影得到2D图像，作为2D图像生成轮廓控制信息，并提供相应的文本提示词，将轮廓控制信息和文本提示词联合作为背面图生成多模态控制条件，生成3D人体模型的背面纹理图；将2D人物图像和背面纹理图分别映射到3D人体模型顶点信息的颜色位中，得到带有贴图的3D人体模型；基于临近点插值算法对带有贴图的3D人体模型颜色进行优化，提升建模效果；本发明生成的3D人体模型材质在纹理一致性和清晰度上有一定优势，且生成效率较高。
-
公开(公告)号：CN118260571A
公开(公告)日：2024-06-28
申请号：CN202410146928.4
申请日：2024-02-01
Applicant: 西安电子科技大学
IPC: G06F18/213 , G06F18/25 , G06N3/0442 , G06N3/047 , G06F18/241 , G06F18/10 , G06N3/084
Abstract: 本发明公开了一种基于多模态特征融合和深度学习的卫星信号个体识别方法，其实现步骤为：搭建时域、频域、统计域各模态特征提取分支组合的模块，搭建全局特征提取模块，搭建由上述两个模块串联的卫星个体识别网络，利用生成的训练集训练该网络，对待识别的下行信号的卫星个体类别进行识别。本发明通过提取时域、频域和统计域的信号特征，克服了时频信息保留不完整的问题，丰富了用于个体识别的信号特征。通过对不同分支所提特征进行全局融合，减少了对先验信息的依赖，增强了特征中的长期关联性，提高了卫星个体识别网络在信息不全的非协作环境下的识别精度。
-
公开(公告)号：CN117953203A
公开(公告)日：2024-04-30
申请号：CN202410135634.1
申请日：2024-01-31
Applicant: 西安电子科技大学 , 陕西汇智易知信息科技有限公司
IPC: G06V10/25 , G06V10/80 , G06V10/82 , G06V10/44 , G06N3/045 , G06V10/774 , G06V10/764
Abstract: 一种基于多层交互注意力特征融合机制的小目标检测方法、系统、设备及介质，方法包括：数据预处理、特征提取、特征融合、特征重构、模型训练、小目标检测；系统、设备及介质：用于实现一种基于多层交互注意力特征融合机制的小目标检测方法；本发明通过残差网络提取空间特征和语义特征，以多层交互注意力机制的进行特征融合，利用基于Transformer的注意力机制进行特征关联并重构特征，并使用匈牙利匹配算法训练模型，得到适应数据集的最优匹配模型，本发明解决了现有技术难以实现有效的特征融合、对深层语义特征利用不充分以及无法实现准确的目标检测的问题，减少了模型运算量、提升了模型准确度、提高了算法的迁移性和鲁棒性，拓宽了模型的应用范围。
-
公开(公告)号：CN116597326A
公开(公告)日：2023-08-15
申请号：CN202310525931.2
申请日：2023-05-11
Applicant: 西安电子科技大学
IPC: G06V20/17 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/10 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于改进YOLOv7算法的无人机航拍小目标检测方法，包括以下步骤；步骤1，获取无人机航拍数据集并转换为YOLO格式，划分训练集、验证集和测试集；步骤2，搭建改进的YOLOv7网络；所述改进的YOLOv7网络是对YOLOv7网络做出了修改颈部网络结构并在其中引入空间注意力SGE的改进；步骤3，以所述改进的YOLOv7网络为检测模型，利用所述训练集和验证集对该监测模型进行训练和验证，得到最终的检测模型；步骤4，利用所述最终的检测模型，以无人机航拍图像为输入，进行小目标检测。本发明用于提高无人机航拍小目标检测的精度。
-
公开(公告)号：CN116579372A
公开(公告)日：2023-08-11
申请号：CN202310550857.X
申请日：2023-05-16
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度强化学习的多智能体协同导航方法，步骤1，观察全局状态，构建目标选择策略网络和碰撞避免策略网络；步骤2，根据所述目标选择策略网络，选择一个目标，目标指当前运动设备需要导航到的目标地点；步骤3，观察局部状态，局部状态指当前运动设备探测到的与周围障碍物之间的距离；步骤4，判断前方是否存在障碍物，若否，则当前运动设备向选择的所述目标移动一步，并返回步骤1；若是，则根据所述碰撞避免策略网络得到一个角度，当前运动设备转向该角度并向前移动一步，并返回步骤1；所述向前，指当前运动设备转向的角度方向；本发明提高了模型的泛化能力，从而提升了协同导航性能。
-
Patent Agency Ranking
公开(公告)号：CN116561681A
公开(公告)日：2023-08-08
申请号：CN202310550900.2
申请日：2023-05-16
Applicant: 西安电子科技大学
IPC: G06F18/243 , G06F18/21 , G06F18/213 , G06N3/006 , G06F30/27 , G06T17/00 , G06F111/18 , G06F119/14 , G06F119/02
Abstract: 本发明公开了一种基于数字孪生的融合型故障诊断方法，包括以下步骤；(1)建立设备数字孪生模型；(2)更新设备数字孪生模型；(3)运行设备数字孪生模型，模拟设备故障运行状态；(4)建立随机森林故障诊断模型，输出设备故障分类和故障预测结果；(5)准备验证数据集，记录和评估随机森林故障诊断模型的性能和指标；(6)评估模型性能指标；(7)采用融合型故障诊断算法，使用优化后的故障诊断模型修正设置数字孪生模型的输出，评估模型性能指标；(8)根据输出结果判断无人机是否会发生故障；本发明能够达到实时检测设备运行状态，对设备进行故障诊断的目的。
-
公开(公告)号：CN116381611A
公开(公告)日：2023-07-04
申请号：CN202310397416.0
申请日：2023-04-13
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于区间扩展合并的雷达点迹凝聚方法，包括如下步骤：对原始点迹数据进行距离维凝聚：对原始点迹数据进行同一方位上的距离维归并凝聚；初始化区间块结构体参数：完成距离维凝聚后，且区间块数量为空时将当前批次下的新生点迹初始化为新的区间块；迭代进行新生点迹和区间块的关联与更新；点迹争夺与近目标分辨：结合现有区间块质心与点迹特征参数进行冲突情况处理；区间块内部数据的质心凝聚：对满足凝聚条件的区间内部数据进行最终凝聚；点迹滤波：根据凝聚点迹的结果特征滤除非目标点迹。本发明从区间角度入手，有效解决了方位滑窗法带来的凝聚不充分问题，点迹滤波效果良好，保证性能的同时满足了雷达数据预处理的实时性要求。
-
公开(公告)号：CN116189059A
公开(公告)日：2023-05-30
申请号：CN202310218118.0
申请日：2023-03-08
Applicant: 西安电子科技大学
IPC: G06V20/40 , G06V20/54 , G06V10/40 , G06V10/774 , G06V10/82 , G06V10/80 , G06V20/70 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/766
Abstract: 本发明公开了一种基于改进YOLOv7算法的红外车辆快速检测方法，包括以下步骤；步骤1：采集交通道路上的车辆视频进行帧提取和图像预处理，得到红外车辆图像数据集；步骤2：构建一个新主干特征提取网络lite，替换YOLOv7算法中的主干特征提取网络；步骤3：将新的主干特征提取网络与原YOLOv7的预测网络连接，构成新的网络模型lite‑YOLOv7；步骤4：将得到的训练数据集送入到新的网络模型lite‑YOLOv7中，采用小批次随机梯度下降算法进行训练，得到训练好的红外车辆检测模型；步骤5：将红外热成像设备实时采集的交通道路上的红外车辆视频按帧送入到已经训练好的模型，得到车辆的实时位置信息和置信度。本发明在保证较高检测准确率的前提下，显著提高检测速度。
-
公开(公告)号：CN116129327A
公开(公告)日：2023-05-16
申请号：CN202310175297.4
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改进YOLOv7算法的红外车辆检测方法，包括以下步骤；步骤1：采集交通道路上的车辆视频进行帧提取和图像预处理，得到红外车辆图像数据集；步骤2：构建一个包含31个卷积块的新主干特征提取网络Conv31；步骤3：将新的主干特征提取网络与原YOLOv7的预测网络连接，构成新的网络模型Conv31‑YOLOv7；步骤4：将步骤1得到的训练数据集送入到新的步骤3的网络模型Conv31‑YOLOv7中，采用小批次随机梯度下降算法进行训练，得到训练好的红外车辆检测模型；步骤5：将红外热成像设备实时采集的交通道路上的红外车辆视频按帧送入到已经训练好的红外车辆检测模型，得到车辆的实时位置信息、尺度信息和置信度。本发明在保证较高检测速度的前提下，显著提高检测准确率。
-
公开(公告)号：CN109919230B
公开(公告)日：2022-12-06
申请号：CN201910177870.9
申请日：2019-03-10
Applicant: 西安电子科技大学
IPC: G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种基于循环特征金字塔的医学图像肺结节检测方法，主要解决现有技术对肺部微小结节和磨玻璃结节提取难度大而导致检测精度低的问题。其实现步骤为：1)获取医学图像；2)对医学图像进行预处理，扩充样本数据集；3)结合特征图构建循环特征金字塔检测模型；4)利用扩充数据集样本对检测模型进行训练，得到目标检测模型；5)将数据集中的测试集输入到训练好的检测模型中进行肺部结节检测。本发明构建了新的特征提取网络，加快了网络训练速度，增强了对不同尺寸结节的敏感度，提高了医学图像肺部结节的检测精度，可用于计算机辅助医疗诊断系统。
-
-
-
-
-
-
-
-
-
Search Results
174
records
(took 0.033 seconds)
