-
公开(公告)号：CN110161502A
公开(公告)日：2019-08-23
申请号：CN201910449682.7
申请日：2019-05-28
Applicant: 北京邮电大学
IPC: G01S13/90
Abstract: 本发明实施了一种星载多基线InSAR叠加数据的滤波方法及装置。该方法中：对星载多基线InSAR叠加数据形成的复张量进行归一化，得到归一化张量；分别利用归一化张量中元素的实部数值和虚部数值组成实部张量和虚部张量；利用KBR-RPCA算法，分别对实部张量和虚部张量进行分解得到实部的低秩张量和虚部的低秩张量；判断实部的低秩张量和虚部的低秩张量是否满足预定的约束条件；如果是，将实部的低秩张量和虚部的低秩张量相加的结果作为对星载多基线InSAR叠加数据的滤波结果。本发明可以利用KBR-RPCA算法滤除星载多基线InSAR叠加数据中的的高斯噪声和离值量。
-
公开(公告)号：CN114022522A
公开(公告)日：2022-02-08
申请号：CN202111004716.5
申请日：2021-08-30
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于多尺度感受野的多时相遥感图像配准方法及系统，包括：获取多组多时相遥感图像，并对各多时相遥感图像根据预定方式进行处理，得到样本训练集；基于小感受野特征网络和大感受野特征网络构建卷积神经网络模型，并对卷积神经网络模型进行训练；基于训练后的卷积神经网络模型获取源图像的图像块的小感受野特征向量及目标图像的小感受野特征张量，构建小感受野特征距离图；基于小感受野特征距离图确定目标图像的小感受野特征张量上的与小感受野特征向量相似度最高的向量，并生成关键点匹配对；保留正确的关键点匹配对，根据正确的关键点匹配对计算源图像与目标图像之间的空间变换关系参数，基于空间变换关系参数进行图像配准。
-
公开(公告)号：CN105574152B
公开(公告)日：2019-03-01
申请号：CN201510940356.8
申请日：2015-12-16
Applicant: 北京邮电大学
IPC: G06F16/2455
Abstract: 本发明实施例公开了一种快速统计频数的方法及系统，属于数据统计领域，本发明通过数据处理子单元进行频数统计，数据合并单元汇总数据处理子单元数据，通过数据汇总单元统计增量，从而摆脱时下依靠硬件性能来保证算法的吞吐量的限制，来应对日益增长的网络流速，同时保证系统的可扩展性，以应对快速增长的流量对系统吞吐量的要求。
-
公开(公告)号：CN105574152A
公开(公告)日：2016-05-11
申请号：CN201510940356.8
申请日：2015-12-16
Applicant: 北京邮电大学
IPC: G06F17/30
CPC classification number: G06F17/30516
Abstract: 本发明实施例公开了一种快速统计频数的方法及系统，属于数据统计领域，本发明通过数据处理子单元进行频数统计，数据合并单元汇总数据处理子单元数据，通过数据汇总单元统计增量，从而摆脱时下依靠硬件性能来保证算法的吞吐量的限制，来应对日益增长的网络流速，同时保证系统的可扩展性，以应对快速增长的流量对系统吞吐量的要求。
-
公开(公告)号：CN117611883B
公开(公告)日：2024-08-30
申请号：CN202311499603.6
申请日：2023-11-10
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于本质因果推理的细粒度分类方法及系统，所述方法的步骤包括：将遥感图像输入到预设的骨干网络中，通过所述骨干网络输出本征特征张量；将所述本征特征张量输入到因果多头注意力模块中，通过所述因果多头注意力模块输出注意力特征图；将所述本征特征张量和注意力特征图输入到注意力池化模块，所述注意力池化模块对所述本征特征张量和注意力特征图进行扁平化处理，基于扁平化处理后的本征特征张量和注意力特征图，得到本质特征向量；将所述本质特征向量输入到预设的特征解耦合网络中，所述特征解耦合网络设置有分类器，通过所述分类器输出得到分类结果。
-
Patent Agency Ranking
公开(公告)号：CN112560957B
公开(公告)日：2023-04-07
申请号：CN202011496525.0
申请日：2020-12-17
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/80 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例提供了一种神经网络训练、检测方法、装置及设备，该方法包括：获取待处理全切片数字图像及其对应的标签；分割待处理全切片数字图像，得到多张分割图像；通过神经网络的特征提取层和全连接层得到示例特征图以及多张分割图像对应的权重；将权重与示例特征图相乘后，输入至分类器，得到分类结果；基于分类结果与标签的对比结果，判断神经网络是否收敛；若否，则调整神经网络的参数，直至神经网络收敛，得到训练完成的神经网络模型。可见，本方案中，只需获取整张WSI的标签，并通过全连接层计算得到由WSI分割出的多张分割图像的权重，引导神经网络的训练，不需要在训练的过程中对分割得到的多张分割图像进行标注，减少了人力耗费。
-
公开(公告)号：CN115496180A
公开(公告)日：2022-12-20
申请号：CN202211043347.5
申请日：2022-08-29
Applicant: 北京邮电大学
Abstract: 本发明提供一种网络流量特征序列生成模型的训练方法、生成方法及装置，针对网络流量的包含基础特征、数据包特征、时间特征和恶意流量特征的特征序列进行仿真，能够关注到应用层数据的特征。基于生成对抗网络进行无监督学习，简化了配置工作，提高了对网络流量特征序列进行仿真的效率。其中，基于强化学习构建生成器，能够提高对网络特征仿真的泛化能力，以适应更复杂的网络环境。采用蒙特卡洛学习构建生成器能够提高生成器的泛化能力。采用Wasserstein Loss作为生成器的损失函数，能够免生成对抗网络中常见的过拟合和模式崩溃问题。
-
公开(公告)号：CN113011398A
公开(公告)日：2021-06-22
申请号：CN202110467149.0
申请日：2021-04-28
Applicant: 北京邮电大学
Abstract: 本发明实施例提供的一种针对多时相遥感图像的目标变化检测方法及装置，可以获取目标位置的多时相遥感图像；将多时相遥感图像输入预先训练好的变化特征提取网络；通过卷积时序网络对多时相遥感图像进行变化目标候选区域的提取，并对提取到的候选区域进行变化目标的识别，得到变化目标的位置、变化目标的变化类型；通过卷积神经网络对提取到的候选区域进行变化目标的识别，得到变化目标的类别。可见通过本申请实施例的方法，可以通过变化特征提取网络包括卷积时序网络和卷积神经网络联合实现对变化目标的自动化检测，得到变化目标的位置、变化目标的变化类型和变化目标的类别，从而不但可以减低人工成本，还提高检测精度和时效性。
-
公开(公告)号：CN117611883A
公开(公告)日：2024-02-27
申请号：CN202311499603.6
申请日：2023-11-10
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于本质因果推理的细粒度分类方法及系统，所述方法的步骤包括：将遥感图像输入到预设的骨干网络中，通过所述骨干网络输出本征特征张量；将所述本征特征张量输入到因果多头注意力模块中，通过所述因果多头注意力模块输出注意力特征图；将所述本征特征张量和注意力特征图输入到注意力池化模块，所述注意力池化模块对所述本征特征张量和注意力特征图进行扁平化处理，基于扁平化处理后的本征特征张量和注意力特征图，得到本质特征向量；将所述本质特征向量输入到预设的特征解耦合网络中，所述特征解耦合网络设置有分类器，通过所述分类器输出得到分类结果。
-
公开(公告)号：CN112560957A
公开(公告)日：2021-03-26
申请号：CN202011496525.0
申请日：2020-12-17
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种神经网络训练、检测方法、装置及设备，该方法包括：获取待处理全切片数字图像及其对应的标签；分割待处理全切片数字图像，得到多张分割图像；通过神经网络的特征提取层和全连接层得到示例特征图以及多张分割图像对应的权重；将权重与示例特征图相乘后，输入至分类器，得到分类结果；基于分类结果与标签的对比结果，判断神经网络是否收敛；若否，则调整神经网络的参数，直至神经网络收敛，得到训练完成的神经网络模型。可见，本方案中，只需获取整张WSI的标签，并通过全连接层计算得到由WSI分割出的多张分割图像的权重，引导神经网络的训练，不需要在训练的过程中对分割得到的多张分割图像进行标注，减少了人力耗费。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.027 seconds)
