-
公开(公告)号：CN114911958A
公开(公告)日：2022-08-16
申请号：CN202210647107.X
申请日：2022-06-09
Applicant: 电子科技大学
IPC: G06F16/51 , G06F16/53 , G06F16/583 , G06V10/74 , G06V10/77 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于语义偏好的快速图像检索方法，首先以语义(标签)关联度指导训练语义中心分配模块，得到语义中心矩阵V，然后基于语义中心矩阵V，对固定特征提取模块进行训练，这样通过依照语义关联度约束语义中心在特征空间的分布，并令特征向量朝着对应语义中心聚集，从而在语义关联度的指导下充分利用特征空间，有效避免了具备不同标签的特征向量的混淆，解决了特征分布不合理的情况，有效避免不同类特征向量的混淆，提升检索准确度；其次，本发明为码字指定了语义偏好，实现了不可导的量化损失与有偏的软量化损失之间的折衷，采用偏差较低的方案优化码字，从而提升量化器性能，以保证执行快速检索时，量化向量能更好地近似特征向量，实现了降低量化误差的目的。
-
公开(公告)号：CN106156744B
公开(公告)日：2019-01-29
申请号：CN201610541067.5
申请日：2016-07-11
Applicant: 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
Abstract: 本发明公开了一种基于CFAR检测与深度学习的SAR目标检测方法，其实现步骤为：(1)获取SAR图像；(2)扩充训练样本集；(3)构建Faster‑RCNN模型的网络结构；(4)获得训练好的RPN模型；(5)获得训练好的Fast‑RCNN模型；(6)获得微调的RPN网络；(7)获得训练好的Faster‑RCNN模型；(8)目标检测。本发明实现了端对端的图像级别的检测，在复杂场景下检测性能较好，解决了现有SAR目标检测技术的重大问题。
-
公开(公告)号：CN115359197A
公开(公告)日：2022-11-18
申请号：CN202210984780.2
申请日：2022-08-17
Applicant: 电子科技大学
Abstract: 本发明公开一种基于空间自相关神经网络的地质曲面重构方法，应用于油气勘探开发领域；针对采用下有技术得到的曲面丢失了形态特征的问题；本发明首先基于地震解释数据对构建的空间自相关神经网络进行训练，并制作预测数据集，将预测数据集输入训练万晨个空间自相关神经网络，得到预测曲面模型；并针对不合理的地质曲面模型，提取形态特征数据加入训练数据集，进行新一轮的曲面重构，直到得到合理的地质曲面模型。
-
公开(公告)号：CN111458688A
公开(公告)日：2020-07-28
申请号：CN202010177056.X
申请日：2020-03-13
Applicant: 西安电子科技大学
IPC: G01S7/41
Abstract: 具体涉及一种基于三维卷积网络的雷达高分辨距离像目标识别方法，获取原始数据x，将所述原始数据x分为训练样本集和测试样本集；根据所述原始数据x计算得到分段重组后的数据x″″′；建立三维卷积神经网络模型；根据所述训练样本集和所述分段重组后的数据x″″′对所述三维卷积神经网络模型进行构建，得到训练好的卷积神经网络模型；根据所述训练好的卷积神经网络模型对所述测试样本集进行目标识别。本发明鲁棒性强，目标识别率高，解决了现有高分辨距离像识别技术的重大问题。
-
公开(公告)号：CN115343781A
公开(公告)日：2022-11-15
申请号：CN202210984782.1
申请日：2022-08-17
Applicant: 电子科技大学
IPC: G01V11/00
Abstract: 本发明公开一种基于构造约束的井震联合复杂构造速度建模方法，应用于地震资料处理、解释领域，针对现有技术存在构造复杂的介质中仍存在速度模型与构造不符、与沉积模式不符的情况；本发明首先提取地震速度模型的低频信息作为背景场，然后根据构造解释数据进行构造建模，分析沉积模式，并将这些信息作为约束添加到速度校正的过程中。最后得到了更为精细、更符合地质构造和沉积特征的初始速度模型。
-
Patent Agency Ranking
公开(公告)号：CN106156744A
公开(公告)日：2016-11-23
申请号：CN201610541067.5
申请日：2016-07-11
Applicant: 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
CPC classification number: G06K9/0063 , G06K9/46 , G06K9/6256 , G06N3/02 , G06N3/084
Abstract: 本发明公开了一种基于CFAR检测与深度学习的SAR目标检测方法，其实现步骤为：(1)获取SAR图像；(2)扩充训练样本集；(3)构建Faster‑RCNN模型的网络结构；(4)获得训练好的RPN模型；(5)获得训练好的Fast‑RCNN模型；(6)获得微调的RPN网络；(7)获得训练好的Faster‑RCNN模型；(8)目标检测。本发明实现了端对端的图像级别的检测，在复杂场景下检测性能较好，解决了现有SAR目标检测技术的重大问题。
-
公开(公告)号：CN113296148A
公开(公告)日：2021-08-24
申请号：CN202110569168.4
申请日：2021-05-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于时域和小波域双通道卷积神经网络的微震识别方法，包括以下步骤：S1、获取微震数据，并对获取的微震数据进行预处理，得到微震序列；S2、将微震序列进行小波包分解，得到小波包分解系数；S3、将微震序列和小波包分解系数输入双通道CNN网络进行训练，得到微震识别结果。本发明立足于低信噪比的微震事件分类，由于微震信号本身带来的难识别性导致对分类器的要求比地震信号高，因此不仅要保证高识别率还要考虑抗噪性，引入小波包变换能够提高CNN模型的抗噪性，采用双通道模型结合时域和小波域能够进一步提高识别率。
-
公开(公告)号：CN115343781B
公开(公告)日：2025-04-11
申请号：CN202210984782.1
申请日：2022-08-17
Applicant: 电子科技大学
IPC: G01V11/00
Abstract: 本发明公开一种基于构造约束的井震联合复杂构造速度建模方法，应用于地震资料处理、解释领域，针对现有技术存在构造复杂的介质中仍存在速度模型与构造不符、与沉积模式不符的情况；本发明首先提取地震速度模型的低频信息作为背景场，然后根据构造解释数据进行构造建模，分析沉积模式，并将这些信息作为约束添加到速度校正的过程中。最后得到了更为精细、更符合地质构造和沉积特征的初始速度模型。
-
公开(公告)号：CN111458688B
公开(公告)日：2024-01-23
申请号：CN202010177056.X
申请日：2020-03-13
Applicant: 西安电子科技大学
IPC: G01S7/41
Abstract: 具体涉及一种基于三维卷积网络的雷达高分辨距离像目标识别方法，获取原始数据x，将所述原始数据x分为训练样本集和测试样本集；根据所述原始数据x计算得到分段重组后的数据x″″′；建立三维卷积神经网络模型；根据所述训练样本集和所述分段重组后的数据x″″′对所述三维卷积神经网络模型进行构建，得到训练好的卷积神经网络模型；根据所述训练好的卷积神经网络模型对所述测试样本集进行目标识别。本发明鲁棒性强，目标识别率高，解决了现有高分辨距离像识别技术的重大问题。
-
公开(公告)号：CN114911958B
公开(公告)日：2023-04-18
申请号：CN202210647107.X
申请日：2022-06-09
Applicant: 电子科技大学
IPC: G06F16/51 , G06F16/53 , G06F16/583 , G06V10/74 , G06V10/77 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于语义偏好的快速图像检索方法，首先以语义(标签)关联度指导训练语义中心分配模块，得到语义中心矩阵V，然后基于语义中心矩阵V，对固定特征提取模块进行训练，这样通过依照语义关联度约束语义中心在特征空间的分布，并令特征向量朝着对应语义中心聚集，从而在语义关联度的指导下充分利用特征空间，有效避免了具备不同标签的特征向量的混淆，解决了特征分布不合理的情况，有效避免不同类特征向量的混淆，提升检索准确度；其次，本发明为码字指定了语义偏好，实现了不可导的量化损失与有偏的软量化损失之间的折衷，采用偏差较低的方案优化码字，从而提升量化器性能，以保证执行快速检索时，量化向量能更好地近似特征向量，实现了降低量化误差的目的。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.022 seconds)
