-
公开(公告)号：CN110532925B
公开(公告)日：2022-12-06
申请号：CN201910779891.8
申请日：2019-08-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于时空图卷积网络的驾驶员疲劳检测方法，主要解决现有技术中驾驶员疲劳检测准确率低的问题。本发明的具体步骤如下：(1)搭建时空图卷积网络；(2)生成数据集；(3)训练时空图卷积网络；(4)对驾驶状态进行实时分类。本发明具有提高驾驶员疲劳检测准确率和鲁棒性，降低漏检率的优点，是一种非常实用的驾驶员疲劳检测方法。
-
公开(公告)号：CN108830243A
公开(公告)日：2018-11-16
申请号：CN201810650952.6
申请日：2018-06-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于胶囊网络的高光谱图像分类方法，克服了现有技术中每一个更高级别的特征仅仅是将较低级别的特征的简单组合、丢失简单高光谱特征之间的姿态关系信息(平移或旋转)、在异质和边缘区域分类效果不好的问题。本发明实现的步骤是：(1)输入高光谱图像；(2)获得样本集；(3)确定训练样本集与测试样本集；(4)构建胶囊网络；(5)训练胶囊网络；(6)对测试数据集进行分类。本发明具有在高光谱图像边缘和同质区域的分类效果更精确的优点，可用于高光谱图像的分类。
-
公开(公告)号：CN111832516B
公开(公告)日：2023-08-18
申请号：CN202010708067.6
申请日：2020-07-22
Applicant: 西安电子科技大学
IPC: G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于无监督视频表示学习的视频行为识别方法，包括下述步骤：(1)获取训练样本集和测试样本集；(2)构建生成对抗网络模型；(3)对生成对抗网络模型进行迭代训练；(4)构建视频行为识别模型；(5)对视频行为识别模型进行迭代训练；(6)获取视频行为识别结果。本发明在构建视频行为识别模型结构时，首先构建生成对抗网络模型的结构，再将训练后的生成对抗网络的编码器及其网络参数作为视频行为识别模型结构的组成部分，解决了现有技术只利用了图像空域信息的问题和没有捕捉视频帧中的长程信息的问题，提高了基于无监督视频表示学习方法的视频行为识别准确率。
-
公开(公告)号：CN109389080B
公开(公告)日：2022-04-19
申请号：CN201811162325.4
申请日：2018-09-30
Applicant: 西安电子科技大学
IPC: G06V20/13 , G06V10/77 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于半监督WGAN‑GP的高光谱图像分类方法，克服了现有技术在训练数据受限条件下难以提取到丰富的特征信息，无法充利用无标签样本对分类器进行训练，分类精度低的问题。本发明的具体步骤包括：(1)输入待分类的高光谱图像；(2)生成样本集；(3)构建半监督WGAN‑GP网络；(4)训练半监督WGAN‑GP网络；(5)对测试数据进行分类。本发明能通过半监督WGAN‑GP中的生成器接收噪声产生伪高光谱数据辅助判别器分类，可以充分利用有限样本提高分类精度，可用于在精细农业、低质调研等领域中对高光谱图像进行地物目标的分类。
-
公开(公告)号：CN108764357A
公开(公告)日：2018-11-06
申请号：CN201810550435.1
申请日：2018-05-31
Applicant: 西安电子科技大学
CPC classification number: G06K9/6256 , G06K9/6267 , G06N3/0481 , G06N3/08
Abstract: 本发明公开了一种基于压缩‑激发的聚合残差网络高光谱图像分类方法，主要解决现有方法不能充分利用特征通道的相关性的问题。其方案为：1)对高光谱图像进行归一化和降维的预处理；2)对预处理后的前m个主成分中每个非背景像元选取固定大小的正方形邻域图像块，并将其构建为训练集和测试集；3)构建压缩‑激发的聚合残差网络，并利用训练集进行训练得到训练好的压缩‑激发的聚合残差网络；4)将测试集输入到训练好的压缩‑激发的聚合残差网络获得测试结果。本发明充分利用特征通道的相关性，能提取鲁棒性更强的空谱特征，提高了分类的准确率，可用于农业和环境监视。
-
Patent Agency Ranking
公开(公告)号：CN111222545A
公开(公告)日：2020-06-02
申请号：CN201911348984.1
申请日：2019-12-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于线性规划增量学习的图像分类方法，其步骤为：构建卷积神经网络；生成初始训练集；初始训练卷积神经网络；获取初始训练集的类均特征向量；判断待分类图像的类别是否属于初始训练集中的类别，若是，用卷积神经网络分类，否则执行下一步；生成增量训练集；获取增量训练集的类均特征向量；利用线性规划模型求解权值列向量；更新卷积神经网络；用卷积神经网络进行分类。本发明具有自适应能力强，只需要一张图像就能生成增量训练集，只需要很少的计算资源和计算时间就能完成增量学习，对初始训练集和增量训练集中类别分类准确率都很高的优势。
-
公开(公告)号：CN110532925A
公开(公告)日：2019-12-03
申请号：CN201910779891.8
申请日：2019-08-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于时空图卷积网络的驾驶员疲劳检测方法，主要解决现有技术中驾驶员疲劳检测准确率低的问题。本发明的具体步骤如下：(1)搭建时空图卷积网络；(2)生成数据集；(3)训练时空图卷积网络；(4)对驾驶状态进行实时分类。本发明具有提高驾驶员疲劳检测准确率和鲁棒性，降低漏检率的优点，是一种非常实用的驾驶员疲劳检测方法。
-
公开(公告)号：CN109389080A
公开(公告)日：2019-02-26
申请号：CN201811162325.4
申请日：2018-09-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于半监督WGAN-GP的高光谱图像分类方法，克服了现有技术在训练数据受限条件下难以提取到丰富的特征信息，无法充利用无标签样本对分类器进行训练，分类精度低的问题。本发明的具体步骤包括：(1)输入待分类的高光谱图像；(2)生成样本集；(3)构建半监督WGAN-GP网络；(4)训练半监督WGAN-GP网络；(5)对测试数据进行分类。本发明能通过半监督WGAN-GP中的生成器接收噪声产生伪高光谱数据辅助判别器分类，可以充分利用有限样本提高分类精度，可用于在精细农业、低质调研等领域中对高光谱图像进行地物目标的分类。
-
公开(公告)号：CN111222545B
公开(公告)日：2022-04-19
申请号：CN201911348984.1
申请日：2019-12-24
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于线性规划增量学习的图像分类方法，其步骤为：构建卷积神经网络；生成初始训练集；初始训练卷积神经网络；获取初始训练集的类均特征向量；判断待分类图像的类别是否属于初始训练集中的类别，若是，用卷积神经网络分类，否则执行下一步；生成增量训练集；获取增量训练集的类均特征向量；利用线性规划模型求解权值列向量；更新卷积神经网络；用卷积神经网络进行分类。本发明具有自适应能力强，只需要一张图像就能生成增量训练集，只需要很少的计算资源和计算时间就能完成增量学习，对初始训练集和增量训练集中类别分类准确率都很高的优势。
-
公开(公告)号：CN111832516A
公开(公告)日：2020-10-27
申请号：CN202010708067.6
申请日：2020-07-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于无监督视频表示学习的视频行为识别方法，包括下述步骤：(1)获取训练样本集和测试样本集；(2)构建生成对抗网络模型；(3)对生成对抗网络模型进行迭代训练；(4)构建视频行为识别模型；(5)对视频行为识别模型进行迭代训练；(6)获取视频行为识别结果。本发明在构建视频行为识别模型结构时，首先构建生成对抗网络模型的结构，再将训练后的生成对抗网络的编码器及其网络参数作为视频行为识别模型结构的组成部分，解决了现有技术只利用了图像空域信息的问题和没有捕捉视频帧中的长程信息的问题，提高了基于无监督视频表示学习方法的视频行为识别准确率。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
