公开(公告)号：CN115100075B

公开(公告)日：2024-08-23

申请号：CN202210873617.9

申请日：2022-07-24

申请人： 西安电子科技大学

发明人： 冯婕 ,  周子昱 ,  焦李成 ,  张向荣 ,  尚荣华 ,  李阳阳 ,  王蓉芳 ,  慕彩虹

IPC分类号： G06T5/73 ,  G06T5/50 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06T11/00 ,  G06V10/58 ,  G06V20/10 ,  G06V10/80 ,  G06V10/82

摘要： 本发明公开了一种基于光谱约束和残差注意力网络的高光谱全色锐化方法，主要解决现有技术中无法完全利用全色图像空间信息，锐化结果失真严重的问题。本发明的具体步骤如下：(1)生成训练集；(2)对低分辨率高光谱图像块进行空间对齐；(3)对单通道全色图像块进行光谱对齐；(4)构建残差注意力网络；(5)使用含有光谱约束的损失函数训练残差注意力网络；(6)使用训练好的残差注意力网络对高光谱图像进行全色锐化。本发明使了三维注意力模块和卷积模块构建残差注意力网络，并使用光谱约束的损失函数进行优化训练，具有锐化结果失真低，光谱和空间信息保留性能平衡的优点。

公开(公告)号：CN117253074A

公开(公告)日：2023-12-19

申请号：CN202311017594.2

申请日：2023-08-14

申请人： 西安电子科技大学

发明人： 冯婕 ,  张天舒 ,  尚荣华 ,  张向荣 ,  张骏鹏 ,  焦李成

IPC分类号： G06V10/764 ,  G06V10/58 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06N3/094

摘要： 本发明公开了一种基于自训练和域对抗的高光谱图像域自适应分类方法，主要解决现有技术伪标签噪声大、分类精度低的问题。实现方案是：获取源域和目标域数据集；构造包括特征提取器、三个分类器和梯度反转层这三部分组成的去偏自训练域对抗自适应模型，定义由交叉熵损失、自训练损失、最差情况对抗损失和域混淆损失组成的损失函数；计算去偏自训练域对抗自适应模型的损失值，将其带入链式法则计算该模型的各个参数梯度，对模型参数进行更新，直到达到指定轮数完成模型训练；将目标域数据集输入到训练好的模型中得到分类结果。本发明降低了伪标签的噪声，提升了高光谱域自适应分类精度，可用于国土规划、生态保护、市政建设中的地物目标识别。

公开(公告)号：CN116400312A

公开(公告)日：2023-07-07

申请号：CN202310018283.1

申请日：2023-01-06

申请人： 西安电子科技大学

发明人： 张向荣 ,  王远 ,  韩丽 ,  曹雁军 ,  张超 ,  陶海红 ,  郭晶晶 ,  朱进 ,  张天扬

IPC分类号： G01S7/41

摘要： 本发明提供一种基于迁移强化学习的快速网络化雷达节点遴选方法，属于雷达信号处理技术领域；包括构建蒙特卡洛搜索树并确定节点属性，根据选择决策，选出需被扩展的节点，通过节点选择，将从根节点至终止状态子节点的雷达节点集合作为一次遴选方案，采用评价函数进行模拟，确定性能，进而对所有访问过的节点，修改节点属性，并通过反向传播改变对应树节点的选择概率，结束一次训练迭代，多次训练后得出蒙特卡洛搜索树的最优节点遴选组合；通过对同一棵树的重复训练，保存训练结果参数，实时搜索时，微调训练后的蒙特卡洛搜索树，逐层遴选出最优的雷达节点组合；本发明可在数以亿计的节点组合中，在极短的时间给出满足实际要求的节点组合。

公开(公告)号：CN116362122A

公开(公告)日：2023-06-30

申请号：CN202310284004.6

申请日：2023-03-22

申请人： 西安电子科技大学 ,  中国电子科技集团公司第五十四研究所

发明人： 朱进 ,  张向荣 ,  郭争强 ,  吕飞飞 ,  刘文旭

IPC分类号： G06F30/27 ,  G06N3/0442 ,  G06N3/092 ,  G01S7/481

摘要： 本发明公开了一种基于强化学习的分布式组网雷达节点位置优化方法，涉及雷达探测技术领域。本发明首先确定分布式组网雷达节点的分布范围、雷达节点数和系统监视区域；然后对分布式组网雷达节点的分布范围进行编码；接着构建分布式组网雷达节点位置优化强化学习环境，设置状态与动作，设计分布式组网雷达节点位置优化奖励函数、优化网络结构及训练参数；对优化网络进行迭代训练；最后，应用训练好的网络进行雷达位置决策，生成最优雷达节点位置组合。本发明将组网雷达节点位置优化问题从序列决策角度建模，利用强化学习在解决序列决策类问题方面的优势，能够生成最优覆盖范围的雷达节点位置组合。

公开(公告)号：CN111695467B

公开(公告)日：2023-05-30

申请号：CN202010485713.7

申请日：2020-06-01

申请人： 西安电子科技大学

发明人： 王佳宁 ,  李林昊 ,  郭思颖 ,  黄润虎 ,  杨攀泉 ,  焦李成 ,  侯彪 ,  张向荣 ,  毛莎莎

IPC分类号： G06V20/10 ,  G06V10/58 ,  G06V10/77 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

摘要： 本发明公开了一种基于超像素样本扩充的空谱全卷积高光谱图像分类方法，输入高光谱图像；获取训练集与测试集；对高光谱图像进行主成分分析并降维；对降维结果进行熵率分割；生成伪标签样本；更新训练集；对高光谱图像进行数据预处理；输入卷积神经网络；训练卷积神经网络，对高光谱图像进行分类；重复以上操作并投票表决；输出高光谱分类结果。本发明利用熵率超像素分割结果进行了伪标签样本的扩充，充分利用了高光谱图像的先验特征，增加样本数量，缓解了网络过拟合、网络收敛速度慢的问题，提高了有标记样本稀缺情况下高光谱图像分类的准确性。

公开(公告)号：CN111310609B

公开(公告)日：2023-04-07

申请号：CN202010075005.6

申请日：2020-01-22

申请人： 西安电子科技大学

发明人： 古晶 ,  刘芳 ,  赵柏宇 ,  焦李成 ,  卞月林 ,  巨小杰 ,  张向荣 ,  陈璞花

IPC分类号： G06V20/40 ,  G06V10/25 ,  G06V10/764 ,  G06V10/766 ,  G06V10/74 ,  G06V10/44 ,  G06V10/62 ,  G06V10/82 ,  G06N3/045 ,  G06N3/047 ,  G06N3/08

摘要： 本发明公开了一种基于时序信息和局部特征相似性的视频目标检测方法，主要解决现有技术检测视频目标准确率较低和特征位置不匹配的问题。其实现方案是：用ResNet网络提取视频每一帧的特征图；用局部特征哈希相似性度量计算特征图的相似性，并用该哈希相似性得分表示当前位置特征的变化；对相邻帧的特征图进行加权，并与当前帧特征相加，得到当前帧的修正特征；用基于稀疏分类的区域候选网络得到修正特征的候选目标框；用感兴趣区域池化得到大小统一的特征，并将这些大小统一的特征输入到训练后的分类和回归网络，得到检测结果。本发明提高了检测准确率较高，降低了计算复杂度。

公开(公告)号：CN115830454A

公开(公告)日：2023-03-21

申请号：CN202211626264.9

申请日：2022-12-16

申请人： 西安电子科技大学

发明人： 冯婕 ,  高其杨 ,  李杰 ,  焦李成 ,  尚荣华 ,  张向荣 ,  王蓉芳 ,  慕彩虹

IPC分类号： G06V20/10 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/096

摘要： 本发明提出了一种基于多智能体特征选择模型的高光谱图像波段选择方法，主要解决高光谱波段选择动作空间较大、探索方向随机和运行时间较长的问题。实现步骤为：生成训练集；构建并训练评估分类网络；构建并训练多智能体特征选择模型过程中引入教师进行指导；利用训练好的多智能体波段选择模型进行波段选择。本发明采用多智能体进行波段选择，能够使动作空间降低到2维，引入教师对智能体的选择进行指导，引导智能体的探索朝向更优的方向，设计预训练的评估分类网络来评估不同波段集合，减少了算法整体的运行时间。

公开(公告)号：CN115409699A

公开(公告)日：2022-11-29

申请号：CN202210843101.X

申请日：2022-07-18

申请人： 西安电子科技大学

发明人： 刘旭 ,  焦李成 ,  张轩铭 ,  唐旭 ,  孙其功 ,  刘芳 ,  陈璞花 ,  李玲玲 ,  郭雨薇 ,  侯彪 ,  杨淑媛 ,  张向荣 ,  白静

IPC分类号： G06T3/40 ,  G06V10/40 ,  G06V10/74 ,  G06V10/82 ,  G06T5/00 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于噪声挤压和通道注意力机制的热成像图像超分辨方法，包括：获取待重建热成像图像；利用超分辨网络对待重建热成像图像进行图像重建得到超分辨率的热成像图像；其中，超分辨网络为通过热成像训练数据进行训练得到的训练好的超分辨网络；超分辨网络包括特征提取模块、多级通道注意力模块、噪声挤压模块、高频滤波模块和上采样模块。本发明基于提出的新的超分辨网络模型，提高了超分辨率热图像重建细节成像效果。

公开(公告)号：CN113989671A

公开(公告)日：2022-01-28

申请号：CN202111267094.5

申请日：2021-10-28

申请人： 西安电子科技大学

发明人： 唐旭 ,  杨钰群 ,  马晶晶 ,  张向荣 ,  焦李成

IPC分类号： G06V20/13 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于语义感知与动态图卷积的遥感场景分类方法及系统，构建基于深度残差网络的特征金字塔完成特征的初步提取，获得特征F；构建自适应语义识别模块，通过语义识别获得特征F的区域索引I；根据特征F，利用区域索引I与特征F构造图节点，基于动态图卷积的特征信息捕捉网络，获得全局性特征F*；利用全局性特征F*实现遥感图像的场景分类，本发明具有更稳定且精确的分类性能。

公开(公告)号：CN113469083A

公开(公告)日：2021-10-01

申请号：CN202110774969.4

申请日：2021-07-08

申请人： 西安电子科技大学

发明人： 张向荣 ,  张天扬 ,  刘筱 ,  唐旭 ,  陈璞花 ,  郑强昆 ,  王定翔

IPC分类号： G06K9/00 ,  G06K9/62 ,  G06N3/04

摘要： 本发明公开了一种基于抗锯齿卷积神经网络的SAR图像目标分类方法及系统，在SAR图像目标分类数据集中获取训练样本和测试样本；构建基于抗锯齿卷积神经网络的目标分类模型，设定目标分类任务损失函数；将训练样本输入到构建的网络模型中进行训练，得到训练好的分类模型；将测试样本输入训练好的分类模型中，预测输出目标类别及目标的置信度分数。本发明通过引入抗锯齿最大池化层提高模型的平移不变性，可以学习更多的目标上下文信息增强特征提取能力，提高了SAR图像目标分类精度，可用SAR图像目标自动识别系统，解决现有卷积神经网络缺乏平移不变性导致的SAR图像目标分类精度低的问题。