-
公开(公告)号：CN112749637B
公开(公告)日：2023-09-08
申请号：CN202011593993.X
申请日：2020-12-29
Applicant: 电子科技大学
IPC: G06F18/213 , G06F18/24 , G06F18/10 , G06F18/214 , G06N3/049 , G06N3/088
Abstract: 本发明提供一种基于SNN的分布式光纤传感信号识别方法，包括以下步骤：S1数据准备：构建不同类型的事件信号数据集；S2信号预处理：对事件信号数据集中的时间信号做信号预处理，构建时频特征数据集；S3构建脉冲神经网络：基于得到的时频特征数据集，构建脉冲神经网络，并采用无监督学习方法训练；S4识别分类：根据每类样本在兴奋层中每个神经元的脉冲响应强度来定义每个兴奋层神经元所属类别；根据测试样本在每类神经元的平均脉冲响应个数来判定其类别；本发明具有在线实时处理能力，在实际应用中有效避免常见CNN模型中的过拟合问题，能达到较好的识别效果。
-
公开(公告)号：CN112749637A
公开(公告)日：2021-05-04
申请号：CN202011593993.X
申请日：2020-12-29
Applicant: 电子科技大学
Abstract: 本发明提供一种基于SNN的分布式光纤传感信号识别方法，包括以下步骤：S1数据准备：构建不同类型的事件信号数据集；S2信号预处理：对事件信号数据集中的时间信号做信号预处理，构建时频特征数据集；S3构建脉冲神经网络：基于得到的时频特征数据集，构建脉冲神经网络，并采用无监督学习方法训练；S4识别分类：根据每类样本在兴奋层中每个神经元的脉冲响应强度来定义每个兴奋层神经元所属类别；根据测试样本在每类神经元的平均脉冲响应个数来判定其类别；本发明具有在线实时处理能力，在实际应用中有效避免常见CNN模型中的过拟合问题，能达到较好的识别效果。
-
公开(公告)号：CN119559425A
公开(公告)日：2025-03-04
申请号：CN202411531377.X
申请日：2024-10-30
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V20/13 , G06V10/82 , G06V10/80 , G06N3/0895 , G06N3/0455
Abstract: 本发明公开了一种跨知识交互学习与自监督辅助学习的遥感多任务解译方法及装置，涉及遥感视觉解译技术领域，包括：获取待处理图像，设定待处理图像的任务要求，任务要求包括单模态数据分类任务、多模态数据分类任务、单模态数据分割任务、多模态数据分割任务、单模态数据变化检测任务、多模态数据变化检测任务中的一种或多种；将待处理图像输入至训练好的多任务解译网络中，按照待处理图像的任务要求，得到待处理图像执行任务要求后的结果；其中，训练好的多任务解译网络以预设类别的数据作为训练数据集，以自监督学习的方式，对初始的多任务解译网络进行训练得到。本发明能够实现遥感视觉单模态的分类、分割、变化检测以及多模态的分类、分割、变化检测的解译，得到高精度的解译结果。
-
公开(公告)号：CN116204813A
公开(公告)日：2023-06-02
申请号：CN202310143415.3
申请日：2023-02-21
Applicant: 电子科技大学
IPC: G06F18/24 , G06N3/045 , G06N3/0464 , G06N3/09 , G06N3/096 , G06N3/098 , G06N3/082 , G06N3/08 , G16Y10/35 , G16Y20/20 , G01H9/00
Abstract: 本发明公开了一种多任务增强的DAS系统及其处理方法，属于分布式光纤传感及应用的技术领域。本发明先采集分布式光纤传感信号，并对其按时间段分割，得到时空矩阵信号；利用得到的时间矩阵信号构建两阶段多任务学习样本数据集，对样本数据集进行分类得到训练集、验证集和测试集；构建两阶段多任务学习网络模型，输入训练集训练模型、输入验证集至训练好的模型对模型进行验证，输入测试集至验证好的模型，完成对空矩阵信号的分类，实现多任务同步处理。本发明降低了冗余特征的提取；有效提高了DAS智能处理能力和处理效率。
-
公开(公告)号：CN119672397A
公开(公告)日：2025-03-21
申请号：CN202411568903.X
申请日：2024-11-05
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/082
Abstract: 本发明提供基于双通道的多模态特征融合遥感图像分类方法及装置，涉及遥感影像处理与分析技术领域。包括：对不同模态的遥感图像进行预处理和组合图像，得到多个图像组；构建预设分类模型，预设分类模型包括依次连接的骨干网络、融合模块、门控机制层和解码层，骨干网络的结构类型包括孪生骨干网络、同构骨干网络和异构骨干网络；根据多个图像组，在预设分类模型中选取孪生骨干网络、同构骨干网络和异构骨干网络中的一个，作为骨干网络，以得到对应的目标分类模型；通过训练集对目标分类模型进行训练，得到训练好的目标分类模型；将验证集输入训练好的目标分类模型，输出分类结果。这样，使得遥感图像分类的准确性较高。
-
Patent Agency Ranking
公开(公告)号：CN116818080A
公开(公告)日：2023-09-29
申请号：CN202310307804.5
申请日：2023-03-27
Applicant: 电子科技大学
IPC: G01H9/00 , G06F18/213 , G06F18/214 , G06F18/241 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 本发明公开了DAS信号的多维深度特征提取与识别方法，涉属于分布式光纤传感及应用的技术领域。先采集分布式光纤传感信号，并对其按时间段分割，得到二维时空样本信号矩阵，利用短时傅里叶变换将每个空间点的时间信号转换为时频谱图，得到三维的时频空样本；利用得到的时频空信号构建样本数据集，对样本数据集进行分类得到训练集、验证集和测试集；构建与DAS时频空样本输入匹配的基本三维CNN网络模型和最佳的注意力模块，并优化结构形成3D‑ACNN网络模型，对模型训练、验证和测试，完成对DAS信号的高精度快速识别。利用端对端网络加注意力机制从时间、频率和空间三个维度同步自动提取其深度特征，提高识别性能的同时提高了计算效率。
-
公开(公告)号：CN112464777B
公开(公告)日：2023-04-18
申请号：CN202011316585.X
申请日：2020-11-20
Applicant: 电子科技大学
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种光纤振动源垂直距离智能估算方法，属于分布式光纤传感及应用技术领域。基于分布式光纤振动传感原理，利用埋地光纤感知沿线的振动信号，采集事件影响范围内沿埋地光纤分布的各个空间点的时间信号，分别进行傅里叶变换，获得二维空间频谱图特征，进一步利用深度学习进行可分辨深度特征自动提取与垂直偏移距离的识别分类，最终实现振动源偏离光纤的垂直距离智能估算和威胁级别判定。解决无法对危险振动源到光纤的垂直距离进行准确估算的问题，并以此为依据判断振动源的威胁程度。
-
公开(公告)号：CN119580119A
公开(公告)日：2025-03-07
申请号：CN202411743939.7
申请日：2024-11-30
Applicant: 西安电子科技大学
IPC: G06V20/13 , G06V10/40 , G06V10/774 , G06T7/30
Abstract: 本发明公开了一种基于多模态时空差分特征增强的遥感变化检测方法、系统、设备、介质及程序，属于遥感图像处理技术领域。方法包括基于地球观测卫星图像，构建变化检测所需的数据集；将变化检测所需的数据集的测试集输入到预训练的变化检测模型中，进行处理得到变化检测结果。本发明通过高效的多模态时空差分特征增强策略、灵活的网络架构设计以及广泛的骨干网络，在具备优异变化检测性能的同时，又保持网络结构简单性与通用性。
-
公开(公告)号：CN113049084B
公开(公告)日：2022-05-06
申请号：CN202110283686.X
申请日：2021-03-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于注意力机制的Resnet的分布式光纤传感信号识别方法，属于光纤传感技术领域；包括数据准备：构建不同类型的典型事件信号数据集；信号预处理：对典型事件信号数据集中的时间信号做信号预处理，构建时频特征数据集；基于典型事件时频特征数据集，构建基于注意力机制的残差网络，对模型进行离线训练，得到最优模型；识别分类：利用最优模型对待测事件的时频数据集进行识别；同时将本发明的方法与2D‑CNN、Resnet、2D‑CNN+CBAM网络模型的识别性能进行对比，该方法具有最佳的识别性能。本发明将注意力机制与深度学习网络相结合，使网络自动聚焦于信号的关键信息部分，形成主要信号特征表达，使得识别网络具有更快的收敛速度。
-
公开(公告)号：CN113049084A
公开(公告)日：2021-06-29
申请号：CN202110283686.X
申请日：2021-03-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于注意力机制的Resnet的分布式光纤传感信号识别方法，属于光纤传感技术领域；包括数据准备：构建不同类型的典型事件信号数据集；信号预处理：对典型事件信号数据集中的时间信号做信号预处理，构建时频特征数据集；基于典型事件时频特征数据集，构建基于注意力机制的残差网络，对模型进行离线训练，得到最优模型；识别分类：利用最优模型对待测事件的时频数据集进行识别；同时将本发明的方法与2D‑CNN、Resnet、2D‑CNN+CBAM网络模型的识别性能进行对比，该方法具有最佳的识别性能。本发明将注意力机制与深度学习网络相结合，使网络自动聚焦于信号的关键信息部分，形成主要信号特征表达，使得识别网络具有更快的收敛速度。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.025 seconds)
