-
公开(公告)号:CN119944010A
公开(公告)日:2025-05-06
申请号:CN202411810580.0
申请日:2024-12-10
Applicant: 西安工业大学
IPC: H01M8/04992 , H01M8/04298 , H01M8/04664 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于可恢复故障规避与ESN联合的燃料电池寿命预测方法。具体步骤包括:首先,提取HI的特征值,使用K平均算法进行聚类并生成状态标签,采用TimeGAN进行数据增强,由真实数据和生成的数据训练K邻近算法模型,用训练好的模型为输入的燃料电池HI生成状态标签;其次,定制可恢复故障规避策略,训练ESN在定制策略指导下进行预测;最后,根据预测结果计算退化趋势及其置信区间和剩余使用寿命。本发明提高了识别的准确性和鲁棒性,能够准确识别出可恢复故障的出现。相对准确率中位数提升超19%,对称平均绝对百分比误差降低超11%。
-
公开(公告)号:CN118097776A
公开(公告)日:2024-05-28
申请号:CN202410167389.2
申请日:2024-02-06
Applicant: 西安工业大学
Abstract: 本发明涉及人体姿态检测领域,具体涉及一种基于神经网络架构搜索的人体姿态检测网络设计方法,包括以下步骤:步骤一、使用高分辨率网络为基础,构建一个逐步添加分支的高精度多分支主干网络;步骤二、以步骤一构建的主干网络为基础,构建包含混合模块搜索空间、深度信息搜索空间和融合时机搜索空间的超网;步骤三、基于进化算法对搜索空间进行架构搜索,分为超网权重预训练、最优子网搜索、最优子网重训练三步。本发明有效融合了多分辨率特征,使其有效匹配人体姿态检测任务;解决了构建过大搜索空间搜索过慢且难搜索到优秀结构的问题;本发明特别适用于运动分析领域;可以快速的针对不同的实际应用搜索并构建出一个高效的人体姿态检测网络,搜索时间短,不会学习到冗余信息,因此网络运行速度快,可保持搜索的高精度。
-
公开(公告)号:CN118097242A
公开(公告)日:2024-05-28
申请号:CN202410167388.8
申请日:2024-02-06
Applicant: 西安工业大学
IPC: G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06V20/17 , G06N3/09
Abstract: 本发明属于目标跟踪领域,具体涉及一种基于高斯响应关联的目标跟踪方法,通过骨干网络分别提取样本帧和搜索帧,用来初始化分类器,生成调制向量和送入分类器中获取目标位置;将位置信息加入位置扰动及尺度扰动送入静态和动态高斯响应模块构建高斯函数图,根据设计的判别指标,获得回归网络样本;根据回归网络所预测的边界框指标在线优化输入边界框的坐标,达到最大优化次数后,选取指标最大的N个边界框的坐标求取均值,作为最终的目标估计边界框。本发明更具目标的判别能力,对proposals的预测将更为准确,最终获取的目标状态更为准确,学习更为容易,降低了网络学习难度,便于无人机目标跟踪等领域的使用。
-
公开(公告)号:CN114119440A
公开(公告)日:2022-03-01
申请号:CN202111360466.9
申请日:2021-11-17
Applicant: 西安工业大学
Abstract: 本发明公开了一种多尺度结构特征增强的NSST域内多模图像融合方法,主要解决SAR图像与全色光学图像融合结果中几何结构信息丢失以及光谱信息失真的问题。其实现步骤是:1)输入SAR图像和全色光学图像;2)对两幅输入图像进行多尺度分解,分别得到高频分量和低频分量;3)采用一种改进拉普拉斯算子融合策略对两幅图像的低频分量进行融合;4)采用绝对值最大法融合策略对两幅图像的高频分量进行融合;5)采用指数加权均值比算子提取SAR图像中边缘结构信息并通过引导滤波注入SAR图像高频分解分量中;6)将融合后图像的低频分量和高频分量进行逆NSST变化得到最终融合图像。本发明融合后图像的结构特性提高2.4%,光谱信息提高4.3%,有效抑制了斑点噪声对融合结果的影响。
-
公开(公告)号:CN119048551A
公开(公告)日:2024-11-29
申请号:CN202410950939.8
申请日:2024-07-16
Applicant: 西安工业大学
IPC: G06T7/246 , G06V20/17 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明属于无人机目标跟踪领域,具体涉及一种动态特征融合网络的目标跟踪方法。方法的步骤是:首先,根据第一帧图像选取跟踪目标,提取模板帧特征;在后续帧送入后,根据上一帧结果提取搜索帧特征;接着,将模板帧特征和搜索帧特征映射到一个低维度以减少后续操作的计算量;然后,将映射后的模板帧特征和搜索帧特征展平送入动态特征融合网络中进行特征交互,获取融合特征向量;最后,将融合特征向量分别送入分类头和目标框回归头中,获取最终的跟踪结果。本发明设计结构简单,提高融合特征向量的有效性,获得较好的实时性及较高的鲁棒性;可以对Query‑Key对的相关性进行动态聚合,避免建立错误的相关性;为两个不同的输入动态建立合适的相关性。
-
公开(公告)号:CN119625095A
公开(公告)日:2025-03-14
申请号:CN202411653106.1
申请日:2024-11-19
Applicant: 西安工业大学
IPC: G06T11/00 , G06V10/82 , G06N3/0475
Abstract: 本发明公开了一种基于StyleGAN‑V算法的无人驾驶场景生成方法,其实现步骤是:首先采集真实恶劣天气驾驶场景视频,对其进行预处理构建数据集;然后初步构建视频生成模型;再构建结合时序激励与时序位移的时序特征提取模块,对视频的时序特征进行提取;之后在生成过程中引入联合损失函数约束;最后计算改进后的损失函数,更新视频生成模型参数,持续进行训练直到完成生成模型。本发明能够逼真地模拟恶劣天气下的驾驶场景,经实验验证,该方法能够有效提升生成视频的连贯性和动态特征的捕捉能力,不仅提升了恶劣天气下驾驶模拟场景的真实性,提高了对视频中细微动作变化的感知能力,还在视频的动态特征和画面连续性方面取得了更好的表现。
-
公开(公告)号:CN119107476A
公开(公告)日:2024-12-10
申请号:CN202410885278.5
申请日:2024-07-03
Applicant: 西安工业大学
IPC: G06V10/762 , G06V20/56 , G06V10/82 , G06V10/80 , G06V10/42 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于自动驾驶环境下的三维点云目标检测方法。其实现步骤是:首先,从KITTI数据集中获取自动驾驶场景中车辆、行人、骑行者等原始点云,进行数据预处理,并将点云数据划分为垂直点柱(Pillars)。其次,在特征提取模块中使用本发明设计的点柱聚类采样方法,用DBSCAN密度聚类将Pillar中的点云聚类到N簇,再对每一簇进行中心采样,使用混合池化扩展卷积层(Mixed Pooling Dilated Convolution Layer,MPDC Layer)对每个Pillar进行处理。随后,在骨干网络中,结合空间通道协同增强模块(Space‑Channel Synergistic Enhancement Module,SCS‑EM),增强网络的上下文感知能力。最后,对网络进行训练,计算损失函数以优化检测模型,使用SSD检测头进行最终的三维目标检测。经实验验证,该方法有效提升了三维点云目标检测的准确性。
-
公开(公告)号:CN119048933A
公开(公告)日:2024-11-29
申请号:CN202410951317.7
申请日:2024-07-16
Applicant: 西安工业大学
IPC: G06V20/17 , G06V20/54 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及图像目标检测领域,具体涉及一种基于YOLOv7‑tiny算法的轻量化目标检测方法,步骤是:首先,基于城市道路车辆流动场景构建数据集,并对其进行图像预处理;其次,采用轻量级卷积构建多尺度特征提取模块和多尺度特征融合模块,通过构建新的上采样模块获得质量更好的特征图;然后进行训练,得到改进YOLOv7‑tiny网络模型;最后将待检测图像输入改进后的检测模型中进行检测,在得到不同尺度下的检测结果后,将其融合在一起,得到最终的检测结果。经实验验证,该方法可以有效减少检测模型的参数和计算量,同时保持检测精度基本稳定,从而提升实时性和计算效率,满足无人机在目标检测和跟踪任务中的需求。
-
公开(公告)号:CN110188707A
公开(公告)日:2019-08-30
申请号:CN201910474597.6
申请日:2019-06-03
Applicant: 西安工业大学
Abstract: 本发明提供一种深度学习与迁移学习结合的SAR目标识别方法,采用的方案可以分为四个步骤:一、准备阶段:读取预训练模型,并读取图片目录,划分训练集、验证集及测试集;二、训练阶段:构造深度学习与迁移学习结合的全连接神经网络分类器,并将图片集作为预训练模型的输入,使用输出来更新全连接神经网络分类器的参数;三、存储阶段:存储模型结果;四、用MATLAB GUI图形用户界面设计一套目标背景图像合成并识别的图像处理系统。以上步骤的组合可以达到快速便捷的扩展数据集的样本数量并能实时显示出识别结果,提高了工作效率,为使用者提供相对更准确的识别结果。
-
公开(公告)号:CN119648600A
公开(公告)日:2025-03-18
申请号:CN202411576112.1
申请日:2024-11-06
Applicant: 西安工业大学
Abstract: 本发明涉及一种动态补偿与点卷积的X射线底片缺陷3D突出显示增强方法。所述方法包括以下步骤:首先设置卷积核尺寸;其次通过设定的卷积尺寸,对X射线底片图像进行区域点乘卷积处理,并将处理后的区域点乘卷积矩阵进行累加处理,以突出显示缺陷的区域特征;再利用加权平均差设置补偿系数,对图像进行灰度偏移补偿处理;最后通过边界判别剔除处理,确保缺陷区域得到明确的突出显示,并输出增强后的图像。本发明本有目的的强调图像焊缝区域的视觉观感,丰富图像的信息量,使得处理后的图像更加清晰和自然;能够有效地凸显X射线底片中的缺陷信息,有助于评估缺陷并减少漏判率,从而提高了X射线底片检测的准确性和可靠性。
-
-
-
-
-
-
-
-
-