公开(公告)号：CN110163161A

公开(公告)日：2019-08-23

申请号：CN201910440006.3

申请日：2019-05-24

Applicant: 西安电子科技大学

Inventor： 张文博 ,  柴新雨 ,  姬红兵 ,  茹颖 ,  刘思成

IPC: G06K9/00 ,  G06K9/62 ,  G06K9/46

Abstract: 本发明公开了一种基于尺度不变的多特征融合行人检测方法，主要解决现有技术中进行行人检测时检测效果不理想的问题。其实现方案为：1.获取训练集和测试集，并将训练集分为正样本集和负样本集；2.从正样本集提取方向梯度直方图HOG特征向量和尺度不变特征变换SIFT特征向量，并将其融合，得到尺度不变的多特征融合S-HOG特征向量；3.对S-HOG特征向量进行主成分分析PCA降维；4.使用支持向量机SVM对降维后的特征进行训练，得到SVM行人检测模型；5.将测试集输入到SVM行人检测模型中，得出测试集中是否存在行人的判别结果。本发明提高了行人检测精度，保证了实时性，可用于区域安防监控系统、智能交通管理系统。

公开(公告)号：CN111639697A

公开(公告)日：2020-09-08

申请号：CN202010460841.6

申请日：2020-05-27

Applicant: 西安电子科技大学

Inventor： 张文博 ,  茹颖 ,  姬辛迪 ,  柴新雨 ,  段育松

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于非重复采样和原型网络的高光谱图像分类方法，主要解决现有技术中在小样本学习场景下，由于训练样本较少而引起的过拟合现象和训练过程中由于学习到测试样本，造成分类结果“虚高”的问题。其实现方案为：1)利用非重复采样法从预处理后的数据集中采集出训练集和测试集；2)构建高光谱图像原型分类网络；3)利用训练集对高光谱图像原型分类网络进行训练，得到训练好的网络最优模型；4)将测试集输入到网络最优模型中，得到测试数据分类结果。本发明解决了现有小样本场景下存在的过拟合问题，同时又保证了分类精度，可应用于地质勘探、城市遥感和海洋探测。

公开(公告)号：CN111639697B

公开(公告)日：2023-03-24

申请号：CN202010460841.6

申请日：2020-05-27

Applicant: 西安电子科技大学

Inventor： 张文博 ,  茹颖 ,  姬辛迪 ,  柴新雨 ,  段育松

IPC: G06V10/764 ,  G06V10/77 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于非重复采样和原型网络的高光谱图像分类方法，主要解决现有技术中在小样本学习场景下，由于训练样本较少而引起的过拟合现象和训练过程中由于学习到测试样本，造成分类结果“虚高”的问题。其实现方案为：1)利用非重复采样法从预处理后的数据集中采集出训练集和测试集；2)构建高光谱图像原型分类网络；3)利用训练集对高光谱图像原型分类网络进行训练，得到训练好的网络最优模型；4)将测试集输入到网络最优模型中，得到测试数据分类结果。本发明解决了现有小样本场景下存在的过拟合问题，同时又保证了分类精度，可应用于地质勘探、城市遥感和海洋探测。