-
公开(公告)号：CN111738315B
公开(公告)日：2022-08-12
申请号：CN202010521228.0
申请日：2020-06-10
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于对抗融合多源迁移学习的图像分类方法，主要解决现有技术图像分类准确率低的问题。其实现方案是：1)建立特征提取网络，从原始图像文件中提取图像特征；2)将图像特征输入特定的域判别器及分类器，计算得到域判别损失及目标域数据的伪标记、源域数据的分类损失；3)利用目标域样本伪标记与源域样本标记，计算得到源域与目标域中所有类别的MMD距离之和；4)利用域判别损失、分类损失及MMD距离之和对特征提取网络、域判别器及分类器进行训练；5)将待测样本依次输入到训练后的特征提取网络、域判别器及分类器，输出待测样本的类别标记。本发明能有效提高各类图像的分类准确率，可用于训练数据标记缺失下的图像分类。
-
公开(公告)号：CN113111938A
公开(公告)日：2021-07-13
申请号：CN202110384418.7
申请日：2021-04-09
Applicant: 中国工程物理研究院电子工程研究所 , 西安电子科技大学
Abstract: 本发明公开了一种基于数字高程模型数据的地形分类方法，其方案是：构建训练集及测试集；构建特征提取网络及识别网络；对训练样本进行剪裁增强，并将其依次输入到特征提取网络和识别网络，得到训练样本预测类别向量；利用训练样本真实标签及预测类别向量获取交叉熵损失；通过最小化交叉熵损失对特征提取网络及识别网络进行训练；将测试样本随机剪裁并输入到训练好的特征提取网络中，得到测试样本的样本特征；将测试样本特征输入到训练好的识别网络中，得到测试样本预测类别向量；测试样本预测类别向量中最大元素所对应的类别标签即为测试样本预测类别标签。本发明只需待分类样本就可区分山地、丘陵、盆地及平原地形，可用于数字高程模型地形分类。
-
Patent Agency Ranking
公开(公告)号：CN111738315A
公开(公告)日：2020-10-02
申请号：CN202010521228.0
申请日：2020-06-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于对抗融合多源迁移学习的图像分类方法，主要解决现有技术图像分类准确率低的问题。其实现方案是：1)建立特征提取网络，从原始图像文件中提取图像特征；2)将图像特征输入特定的域判别器及分类器，计算得到域判别损失及目标域数据的伪标记、源域数据的分类损失；3)利用目标域样本伪标记与源域样本标记，计算得到源域与目标域中所有类别的MMD距离之和；4)利用域判别损失、分类损失及MMD距离之和对特征提取网络、域判别器及分类器进行训练；5)将待测样本依次输入到训练后的特征提取网络、域判别器及分类器，输出待测样本的类别标记。本发明能有效提高各类图像的分类准确率，可用于训练数据标记缺失下的图像分类。
-
公开(公告)号：CN112218250A
公开(公告)日：2021-01-12
申请号：CN202011097625.6
申请日：2020-10-14
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于强化学习的城市场景车联网多播路由方法，其步骤为：1)构建车联网；2)车联网中的每个车辆节点周期性地发送HELLO消息包；3)车辆节点更新QV表中的Q值；4)车联网中的每个路边节点周期性地发送HELLO消息包；5)路边节点更新QC表中的Q值；6)多播组源车辆节点将数据包发送到多播组源路边节点；7)多播组源路边节点将目的路边节点的数据包转发到多播组成员路边节点集合中的每一个路边节点；8)多播组成员路边节点将多播组源路边节点的数据包转发到多播组成员车辆节点集合中的每一个车辆节点。本发明能有效降低端到端时延，可用于城市环境下车联网的多播数据路由。
-
公开(公告)号：CN118316455A
公开(公告)日：2024-07-09
申请号：CN202410419086.5
申请日：2024-04-09
Applicant: 西安电子科技大学
Abstract: 基于范式预编码的XML二进制化压缩和解压方法及系统，压缩方法：建立标识字节表、元素名和属性名前缀码表、枚举候选值的前缀码表及字符串编码表，并对首次出现的字符串类型的属性值或非枚举元素值进行字符串编码，加入字符串编码表，再对XML中的各元素名、属性名、属性值和元素值依次编码，按照XML中的顺序拼接，并添加到字符串编码表后，获得二进制XML编码；解压方法：从二进制XML数据的起始字节开始，解析字符串编码表获得字符串表，通过标识字节确定数据类型，对二进制XML中的元素名、属性名、属性值和元素值编码依次解码，再按照二进制XML中的顺序拼接，获得原始的XML数据；系统用于实现压缩及解压方法；可以降低压缩率、提高解码效率。
-
公开(公告)号：CN112218250B
公开(公告)日：2021-09-28
申请号：CN202011097625.6
申请日：2020-10-14
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于强化学习的城市场景车联网多播路由方法，其步骤为：1)构建车联网；2)车联网中的每个车辆节点周期性地发送HELLO消息包；3)车辆节点更新QV表中的Q值；4)车联网中的每个路边节点周期性地发送HELLO消息包；5)路边节点更新QC表中的Q值；6)多播组源车辆节点将数据包发送到多播组源路边节点；7)多播组源路边节点将目的路边节点的数据包转发到多播组成员路边节点集合中的每一个路边节点；8)多播组成员路边节点将多播组源路边节点的数据包转发到多播组成员车辆节点集合中的每一个车辆节点。本发明能有效降低端到端时延，可用于城市环境下车联网的多播数据路由。
-
公开(公告)号：CN113111937A
公开(公告)日：2021-07-13
申请号：CN202110384410.0
申请日：2021-04-09
Applicant: 中国工程物理研究院电子工程研究所 , 西安电子科技大学
Abstract: 本发明公开了一种基于深度学习的图像匹配方法，主要解决现有技术匹配效果弱的问题。其方案是：构建特征提取网络和图像匹配网络；对原图像进行剪裁，得到子图像数据集，并构建训练集样本和测试集样本；将训练样本依次输入到特征提取网络和图像匹配网络，得到训练样本预测坐标；利用训练样本真实坐标和预测坐标，得到均方误差损失；通过最小化均方误差损失对特征提取网络和图像匹配网络进行训练；将测试样本输入到训练好的特征提取网络和图像匹配网络中，得到测试样本预测坐标；利用测试样本预测坐标在原图像中找到与测试样本相同的子图像，实现图像匹配。本发明减少了原图像的特征信息丢失，降低了噪声数据干扰，增强了匹配效果，可用于目标识别。
-
-
-
-
-
-
Search Results
7
records
(took 0.031 seconds)
