-
公开(公告)号：CN114882289B
公开(公告)日：2024-09-06
申请号：CN202210587234.5
申请日：2022-05-24
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种基于自适应确定拒判准则的SAR目标开集识别方法，其实现步骤为：生成训练集和测试集；构建卷积自编码网络并进行训练；使用极值理论拟合样本集的重构误差并得到各类目标的拒判阈值；使用卷积自编码网络获取待识别SAR目标的预测类别概率；重构待识别SAR目标图像并计算重构误差；将重构误差小于预测类别对应拒判阈值的样本识别为预测类别概率得分最高的类别，大于拒判阈值则识别为未知类目标。本发明具有既能准确识别已知类也能自适应拒判未知类的优点，解决了现有技术由于拒判阈值设置缺乏理论依据且泛化性能差而无法使用于真实开放环境的工程实践的问题。
-
公开(公告)号：CN113095417B
公开(公告)日：2023-07-28
申请号：CN202110408681.5
申请日：2021-04-16
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/80 , G06V10/774 , G06V20/13 , G06N3/0464 , G06V10/82 , G06N3/047 , G06N3/042 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于融合图卷积和卷积神经网络的SAR目标识别方法，解决了现有技术对SAR目标信息挖掘不充分的技术问题。实现包括：目标参数提取；构建图模型；提取目标的空间结构特征和视觉特征；训练样本特征融合并得到预测结果；构造损失函数进行目标识别网络优化；测试样本特征提取与特征融合；测试样本分类，得到SAR目标识别结果。本发明用CNN强大的特征提取能力的优势从SAR图像幅度中提取视觉特征，设计图卷积网络挖掘SAR目标的电磁散射信息提取空间结构特征，将视觉和空间结构特征融合后对SAR目标信息挖掘更加充分，包含的信息更加丰富，实现简单，提升了SAR目标识别性能。应用于SAR目标识别。
-
公开(公告)号：CN116129219A
公开(公告)日：2023-05-16
申请号：CN202310066776.2
申请日：2023-01-16
Applicant: 西安电子科技大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 本发明涉及一种基于知识稳健‑重平衡网络的SAR目标类增量识别方法，包括：获取SAR目标图像训练集；构建基于知识稳健‑重平衡网络的类增量学习模型，利用SAR目标图像训练集对类增量学习模型进行迭代训练，得到训练完成的类增量学习模型；利用训练完成的类增量学习模型实现对待测SAR图像的目标识别。其中，类增量学习模型，包括：旧目标教师子网络、新目标增量学习子网络和混合知识蒸馏模块。本发明的SAR目标类增量识别方法能够充分考虑保持旧类特征可分性信息并增强新、旧类的特征可分性，在实现识别模型增量学习识别新类别的同时，保证其对旧目标识别仍具有稳健性。
-
公开(公告)号：CN114882289A
公开(公告)日：2022-08-09
申请号：CN202210587234.5
申请日：2022-05-24
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/40 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于自适应确定拒判准则的SAR目标开集识别方法，其实现步骤为：生成训练集和测试集；构建卷积自编码网络并进行训练；使用极值理论拟合样本集的重构误差并得到各类目标的拒判阈值；使用卷积自编码网络获取待识别SAR目标的预测类别概率；重构待识别SAR目标图像并计算重构误差；将重构误差小于预测类别对应拒判阈值的样本识别为预测类别概率得分最高的类别，大于拒判阈值则识别为未知类目标。本发明具有既能准确识别已知类也能自适应拒判未知类的优点，解决了现有技术由于拒判阈值设置缺乏理论依据且泛化性能差而无法使用于真实开放环境的工程实践的问题。
-
公开(公告)号：CN116778198A
公开(公告)日：2023-09-19
申请号：CN202310545395.2
申请日：2023-05-15
Applicant: 西安电子科技大学
IPC: G06V10/74 , G06V10/20 , G06V10/774 , G06V10/40
Abstract: 本发明公开了一种基于多泛化知识积累的小样本图像匹配方法，包括：获取第一光学图像和第一SAR图像；对第一光学图像和第一SAR图像进行预处理，得到多个第一光学图像切片和多个第一SAR图像切片；将多个第一光学图像切片输入匹配模型的第一分支、将多个第一SAR图像切片输入匹配模型的第二分支，得到第一特征向量和第二特征向量；其中，匹配模型为基于小样本子任务、跨场景子任务、小样本子任务的第一支撑集、第一查询集以及跨场景子任务的第二支撑集、第二查询集训练得到的双分支网络；根据第一特征向量与第二特征向量间的相似性，得到匹配结果。本发明采用的泛化知识学习策略使匹配模型对于不同场景的小样本情况均能良好适用，提高了模型的泛用性。
-
Patent Agency Ranking
公开(公告)号：CN116168065A
公开(公告)日：2023-05-26
申请号：CN202211572767.2
申请日：2022-12-08
Applicant: 西安电子科技大学
IPC: G06T7/33 , G06V10/80 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于特征联合驱动的异源图像配准方法及其装置，涉及图像处理技术领域，包括：获取已配对的光学场景图和合成孔径雷达场景图；获取场景图中的特征点，以特征点为中心进行裁切，获取场景图切片；构建特征联合驱动的匹配网络模型，并训练模型，基于训练好的模型获取各场景图切片对应的物理结构特征和深层语义特征；将场景图切片对应的物理结构特征和深层语义特征进行首尾拼接，得到特征向量；获取光学场景图切片的特征向量中的各特征与合成孔径雷达场景图切片的特征向量中各特征之间的距离，得到场景图中的匹配点对，基于匹配点对光学场景图和合成孔径雷达配准。本申请能够充分利用图像的浅层结构信息和深层语义信息实现图像匹配。
-
公开(公告)号：CN115965809A
公开(公告)日：2023-04-14
申请号：CN202211541874.9
申请日：2022-12-02
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06N3/08 , G06N3/0464
Abstract: 本发明公开一种结合难分样本生成与学习的SAR图像目标开集识别方法，其实现步骤为：生成训练集和测试集；构建卷积神经网络并结合难分样本进行训练；根据训练集图像类别，设置开集识别卷积神经网络的拒判阈值；获取待识别SAR图像目标的预测概率分布；将预测概率分布中最大值大于拒判阈值的样本识别为最大值对应的类别，小于拒判阈值的样本拒判为未知目标类。本发明解决了现有技术数据适应性差和拒判阈值设置敏感的问题，具有对库内已知目标类的高精度识别和对库外未知目标类的快速准确发现的优点。
-
公开(公告)号：CN118171717A
公开(公告)日：2024-06-11
申请号：CN202410298581.5
申请日：2024-03-15
Applicant: 西安电子科技大学
IPC: G06N3/096 , G06V10/40 , G06V10/764 , G06V20/58 , G06F18/243 , G06N20/20 , G06N5/01
Abstract: 本发明公开了一种基于多样化样本回放的毫米波雷达点云类增量学习方法，涉及目标识别技术领域，包括：采集雷达原始回波信号，并对雷达原始回波信号进行处理，得到切片级点云数据；将切片级点云数据输入至训练好的增量学习模型，对切片级点云数据中的目标进行识别；其中，训练好的增量学习模型以预设类别的数据作为训练数据，对初始增量学习模型进行训练得到，当训练好的增量学习模型需要识别新类别的数据时，更新训练好的增量学习模型；初始增量学习模型包括特征提取模块、分类识别模块、基于不确定性估计的旧类样本挑选模块和旧类模型更新模块。本发明提出的增量算法复杂度更低，对存储量的需求也低，同时能保持较好的增量学习性能。
-
公开(公告)号：CN113095417A
公开(公告)日：2021-07-09
申请号：CN202110408681.5
申请日：2021-04-16
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于融合图卷积和卷积神经网络的SAR目标识别方法，解决了现有技术对SAR目标信息挖掘不充分的技术问题。实现包括：目标参数提取；构建图模型；提取目标的空间结构特征和视觉特征；训练样本特征融合并得到预测结果；构造损失函数进行目标识别网络优化；测试样本特征提取与特征融合；测试样本分类，得到SAR目标识别结果。本发明用CNN强大的特征提取能力的优势从SAR图像幅度中提取视觉特征，设计图卷积网络挖掘SAR目标的电磁散射信息提取空间结构特征，将视觉和空间结构特征融合后对SAR目标信息挖掘更加充分，包含的信息更加丰富，实现简单，提升了SAR目标识别性能。应用于SAR目标识别。
-
公开(公告)号：CN112784964A
公开(公告)日：2021-05-11
申请号：CN202110107120.1
申请日：2021-01-27
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于桥接知识蒸馏卷积神经网络的图像分类方法，主要解决现有技术在知识蒸馏过程中信息丢失造成的学生网络图像分类准确率较低的问题，实现步骤为：(1)构建教师网络与学生网络；(2)生成训练集：(3)训练教师网络：(4)构建桥接结构：(5)训练学生网络：(6)对待分类图像进行分类。本发明在教师网络与学生网络之间构建桥接结构，根据KL散度损失函数与交叉熵损失函数训练学生网络，使得学生网络同时具有较高的图像分类准确率与较低的终端部署需求，可用于在低算力、低存储的终端设备上对图像进行分类识别。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
