-
公开(公告)号：CN113781340A
公开(公告)日：2021-12-10
申请号：CN202111034090.2
申请日：2021-09-03
Applicant: 河北大学
Abstract: 本发明涉及一种针对合成孔径雷达图像散斑抑制的深度网络模型。本发明深度网络模型包括浅层特征提取模块、深层特征分析处理模块和重构模块；所述浅层特征提取模块包括第一卷积层和第二卷积层，用于对输入的噪声图像做初步处理，以得到输入噪声图像中的浅层特征信息；所述深层特征分析处理模块包括层层级联的m个递归组，用于对浅层特征提取模块提取的浅层特征信息进行分析处理，以获取更多的信息；所述重构模块包括第一通道注意力模块和第三卷积层包，所述第三卷积层的输出与输入的噪声图像形成全局残差，用以得到与噪声图像相对应的去噪图像。本发明避免了训练过程中出现的梯度消失或爆炸现象，去噪能力强，细节保存能力好，能够更好地应用于雷达装备中。
-
公开(公告)号：CN118552519B
公开(公告)日：2025-02-14
申请号：CN202410866876.8
申请日：2024-07-01
Applicant: 河北九华勘查测绘有限责任公司 , 华北地质勘查局五一九大队 , 河北大学
Abstract: 本发明公开了一种基于雷达图谱的城市道路病害检测方法，包括基于高斯模糊前后的图像进建立高斯模糊图像层，对图像层进行差分处理，选择合适层级的差分图像叠加在原图中以增强图像的特征表现；在单步多框探测模型的浅层网络部分增加反卷积层，将图像高层的语义信息融入到低层网络的特征信息中，并且在低层网络中增加卷积层进行深层特征提取，根据特征图所处的层级不同进行有选择性的特征融合，采用分步联合式训练策略，先对检测准确率较低的病害数据集进行训练得到初步的训练权重，然后选择检测该病害类型性能最优的权重作为预训练权重训练检测全部病害类型的神经网络。本发明，有助于提高道路图谱中目标病害的识别准确性。
-
公开(公告)号：CN113781340B
公开(公告)日：2023-12-22
申请号：CN202111034090.2
申请日：2021-09-03
Applicant: 河北大学
IPC: G06T5/00 , G06N3/0464 , G06N3/044 , G06N3/084
Abstract: 本发明涉及一种基于深度网络模型的合成孔径雷达图像散斑抑制系统。本发明中的深度网络模型包括浅层特征提取模块、深层特征分析处理模块和重构模块；所述浅层特征提取模块包括第一卷积层和第二卷积层，用于对输入的噪声图像做初步处理，以得到输入噪声图像中的浅层特征信息；所述深层特征分析处理模块包括层层级联的m个递归组，用于对浅层特征提取模块提取的浅层特征信息进行分析处理，以获取更多的信息；所述重构模块包括第一通道注意力模块和第三卷积层包，所述第三卷积层的输出与输入的噪声图像形成全局残差，用以得到与噪声图像相对应的去噪图像。本发明避免了训练过程中出现的梯度消失或爆炸现象，去噪能力强，细节保存能力好，能够更好地应用于雷达装备中。
-
公开(公告)号：CN114302365B
公开(公告)日：2024-04-30
申请号：CN202110664101.9
申请日：2021-06-16
Applicant: 河北大学
IPC: H04W4/40 , H04W16/14 , H04B17/382
Abstract: 本发明提供了一种V2V通信网络主次用户协作频谱感知方法。该方法使用时域正交码辅助信号传输，在接收端可根据时域正交码去除多余信号，通过时域正交码可有效缓解主次系统之间的干扰。本发明采用次用户辅助主用户通信的传输方式，将主用户信号与次用户信号有机的结合，增加了次用户在传输主用户信号和次用户信号时所使用的频带宽度，可采用放大转发或解码转发，具有搭建简单、适用范围广、灵活多变、对无线通信信道变化适应性强等优点，为加快无线通信技术的研发与应用提供了便利条件。
-
Patent Agency Ranking
公开(公告)号：CN114302365A
公开(公告)日：2022-04-08
申请号：CN202110664101.9
申请日：2021-06-16
Applicant: 河北大学
IPC: H04W4/40 , H04W16/14 , H04B17/382
Abstract: 本发明提供了一种V2V通信网络主次用户协作频谱感知方法。该方法使用时域正交码辅助信号传输，在接收端可根据时域正交码去除多余信号，通过时域正交码可有效缓解主次系统之间的干扰。本发明采用次用户辅助主用户通信的传输方式，将主用户信号与次用户信号有机的结合，增加了次用户在传输主用户信号和次用户信号时所使用的频带宽度，可采用放大转发或解码转发，具有搭建简单、适用范围广、灵活多变、对无线通信信道变化适应性强等优点，为加快无线通信技术的研发与应用提供了便利条件。
-
公开(公告)号：CN119992041A
公开(公告)日：2025-05-13
申请号：CN202411704418.0
申请日：2024-11-26
Applicant: 河北大学
Abstract: 本发明提供一种SAR图像舰船检测方法及检测终端。该方法包括：获取待检测的SAR图像；将待检测的SAR图像输入SAR舰船检测模型，得到目标检测结果；其中，SAR舰船检测模型包括：主干特征提取网络、特征聚合和扩散金字塔网络和检测头；主干特征提取网络用于对待检测的SAR图像进行特征提取，得到多尺度的初始特征图；特征聚合和扩散金字塔网络用于对提取得到的多尺度的初始特征图进行融合扩散，得到多尺度的目标特征图；本发明采用主干网络提取多尺度信息，同时采用特征聚合和扩散金字塔网络利用扩散机制使具有丰富的上下文信息的特征扩散到各个检测尺度，有效提高了SAR图像的目标检测的准确度及精度。
-
公开(公告)号：CN118885868A
公开(公告)日：2024-11-01
申请号：CN202410826542.8
申请日：2024-06-25
Applicant: 河北大学
Abstract: 本发明公开了一种基于多分支特征提取与分阶段融合的动态图注意力网络模型的脑电信号情感识别方法，涉及信号处理技术领域。包括：获取脑电信号特征，构建脑电信号特征数据集，脑电信号特征数据集划分为训练集和测试集；构建动态图注意力网络模型；将训练集输入至动态图注意力网络模型进行训练，得到训练好的动态图注意力网络模型；利用训练好的动态图注意力网络模型对测试集进行情感识别，得到情感识别结果。本发明能够表征情感激活时的通道相互关系，深入地挖掘情感相关特征，从而提高情感的分类准确率。
-
公开(公告)号：CN118552519A
公开(公告)日：2024-08-27
申请号：CN202410866876.8
申请日：2024-07-01
Applicant: 河北九华勘查测绘有限责任公司 , 华北地质勘查局五一九大队 , 河北大学
Abstract: 本发明公开了一种基于雷达图谱的城市道路病害检测方法，包括基于高斯模糊前后的图像进建立高斯模糊图像层，对图像层进行差分处理，选择合适层级的差分图像叠加在原图中以增强图像的特征表现；在单步多框探测模型的浅层网络部分增加反卷积层，将图像高层的语义信息融入到低层网络的特征信息中，并且在低层网络中增加卷积层进行深层特征提取，根据特征图所处的层级不同进行有选择性的特征融合，采用分步联合式训练策略，先对检测准确率较低的病害数据集进行训练得到初步的训练权重，然后选择检测该病害类型性能最优的权重作为预训练权重训练检测全部病害类型的神经网络。本发明，有助于提高道路图谱中目标病害的识别准确性。
-
公开(公告)号：CN118013325A
公开(公告)日：2024-05-10
申请号：CN202211400386.6
申请日：2022-11-09
Applicant: 河北大学
IPC: G06F18/24 , G06F18/213 , G06N3/08 , G06N3/048 , G06N3/0464
Abstract: 本发明提供了一种针对脑电情绪识别的全局到局部特征聚合的深度网络方法。本发明首先将脑电信号分割成多个脑电信号片段，然后将这些脑电信号片段通过巴特沃斯滤波器滤波并提取其微分熵特征。其次，根据各个电极之间的位置关系构建无向图结构，其中无向图中的节点特征用脑电信号的微分熵特征来表示。最后，将无向图的节点特征和连接边信息输入到本发明所构造的针对脑电情绪识别的全局到局部特征聚合的深度网络模型中，该深度网络模型包括三个部分：全局学习器、局部学习器和分类器。本发明利用深度网络模型从大量训练样本中进行分析学习，可解决现有方法在探索电极空间位置关系或相关通道影响方面产生无法全面地提取脑电信号的深层特征的问题。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.015 seconds)
