-
公开(公告)号：CN114612937B
公开(公告)日：2024-08-20
申请号：CN202210253062.8
申请日：2022-03-15
Applicant: 西安电子科技大学
IPC: G06V40/10 , G06V10/46 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/09
Abstract: 本发明公开了一种基于单模态增强的红外与可见光融合行人检测方法，主要解决现有方法中单模态特征提取支路对特征表达能力差的问题。其方案为：1)对现有公开KAIST数据集进行筛选与处理，获得处理后的训练集与测试集；2)构建基于单模态增强的红外与可见光融合行人检测网络W；3)构建行人检测网络W的总体损失Loss；4)用训练集对基于单模态增强的红外与可见光融合行人检测网络W进行训练，通过损失Loss更新网络W中的参数，得到训练好的行人检测网络W′；5)将测试集的图像输入到训练好的行人检测网络W′，得到最终检测结果。本发明提高了行人目标的检测精度与检测速度，可用于无人驾驶，视频跟踪。
-
Patent Agency Ranking
公开(公告)号：CN114140700A
公开(公告)日：2022-03-04
申请号：CN202111450018.8
申请日：2021-12-01
Applicant: 西安电子科技大学
IPC: G06V20/13 , G06V10/75 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于级联网络的分步异源图像模板匹配方法，主要解决现有技术对于大尺寸异源图像对难以平衡匹配速度和精度的问题。其实现方案为：根据开源数据集构建训练集和测试集；构建抑制网络，并制作该网络的训练数据，利用该数据训练抑制网络；构建粗粒度匹配网络，并根据训练集构建该网络的训练数据，利用该训练数据和训练好的抑制网络训练粗粒度匹配网络；构建细粒度匹配网络，并根据训练集制作该网络的训练数据，利用该训练数据训练细粒度匹配网络；将测试集图像输入到训练好的粗粒度匹配网络，再将输出结果输入到训练好的细粒度匹配网络得到匹配结果。本发明提高了异源图像匹配的精度，且有稳定的匹配速度，可用于飞行器的辅助制导。
-
公开(公告)号：CN114612937A
公开(公告)日：2022-06-10
申请号：CN202210253062.8
申请日：2022-03-15
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于单模态增强的红外与可见光融合行人检测方法，主要解决现有方法中单模态特征提取支路对特征表达能力差的问题。其方案为：1)对现有公开KAIST数据集进行筛选与处理，获得处理后的训练集与测试集；2)构建基于单模态增强的红外与可见光融合行人检测网络W；3)构建行人检测网络W的总体损失Loss；4)用训练集对基于单模态增强的红外与可见光融合行人检测网络W进行训练，通过损失Loss更新网络W中的参数，得到训练好的行人检测网络W′；5)将测试集的图像输入到训练好的行人检测网络W′，得到最终检测结果。本发明提高了行人目标的检测精度与检测速度，可用于无人驾驶，视频跟踪。
-
公开(公告)号：CN112364773A
公开(公告)日：2021-02-12
申请号：CN202011258058.8
申请日：2020-11-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于L1正则约束深度多示例学习的高光谱目标检测方法，主要解决现有技术对复杂场景下的高光谱目标检测效果差的问题。其实现步骤为：1)对输入图像进行划分，得到训练集和测试集；2)构建基于L1正则约束的深度多示例学习网络W；3)用训练集对网络W进行迭代训练，当构建的损失函数达到最小值时，得到初步训练完成的网络Wi，再将训练集重新输入到初步训练完成的网络Wi中进行迭代训练到设定的最大迭代次数，得到最终训练好的网络W′；4)将测试集的每个示例点输入到最终训练好的网络W′进行检测，得到检测结果。本发明提高了不精确标记的高光谱目标的检测结果，减小了过拟合现象，可用于爆炸物、农作物的精细分类。
-
公开(公告)号：CN111368914A
公开(公告)日：2020-07-03
申请号：CN202010143794.2
申请日：2020-03-04
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于全概率协同分割的极化合成孔径雷达变化检测方法，主要解决现有技术对噪声不鲁棒，依赖人工标注数据及无法给出发生变化具体类别的问题。其实现步骤为：输入极化相干矩阵T，从中提取极化特征；使用极化特征进行谱聚类和判别聚类，得到初始的分割结果；对初始的分割结果进行全概率协同分割，得到两幅图像的协同分割结果和变化检测结果；从变化检测结果中筛选出所有发生变化的像素，从协同分割结果中提取所有发生变化像素在变化前后的类别，确定出该像素发生变化的具体类别。本发明提高了对噪声的鲁棒性，无需人工标注，使应用更加广泛，且可给出像素发生变化的具体类别，可用于两时相雷达图像的地物分类、变化检测和变化识别。
-
公开(公告)号：CN111368914B
公开(公告)日：2023-04-07
申请号：CN202010143794.2
申请日：2020-03-04
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/40 , G06V10/26 , G06V10/762 , G06V10/30 , G06T7/11
Abstract: 本发明公开了一种基于全概率协同分割的极化合成孔径雷达变化检测方法，主要解决现有技术对噪声不鲁棒，依赖人工标注数据及无法给出发生变化具体类别的问题。其实现步骤为：输入极化相干矩阵T，从中提取极化特征；使用极化特征进行谱聚类和判别聚类，得到初始的分割结果；对初始的分割结果进行全概率协同分割，得到两幅图像的协同分割结果和变化检测结果；从变化检测结果中筛选出所有发生变化的像素，从协同分割结果中提取所有发生变化像素在变化前后的类别，确定出该像素发生变化的具体类别。本发明提高了对噪声的鲁棒性，无需人工标注，使应用更加广泛，且可给出像素发生变化的具体类别，可用于两时相雷达图像的地物分类、变化检测和变化识别。
-
-
-
-
-
Search Results
6
records
(took 0.025 seconds)
