-
公开(公告)号：CN116794680A
公开(公告)日：2023-09-22
申请号：CN202310759265.9
申请日：2023-06-26
Applicant: 西安电子科技大学
Abstract: 基于反射强度信息引导机制的对数球坐标3D目标检测方法，包括以下步骤；步骤1：使用激光雷达设备采集道路点云数据；步骤2：将点云数据和目标边界框的坐标表示由三维直角坐标系转换为对数球坐标系；步骤3：将空间按照对数球坐标进行体素划分并对每个体素进行特征编码，得到体素特征图；步骤4；将体素特征图输入基于反射强度信息引导机制的3D目标检测网络；步骤5：训练基于反射强度信息引导机制的3D目标检测网络；将训练完成的基于反射强度信息引导机制的3D目标检测网络用于3D目标数据集的测试，得到该网络的性能指标。本发明实现每个体素中点云数量的均衡化，提高点云空间特征的利用率和特征提取的效率。能够有效提升体素特征的表征能力。
-
公开(公告)号：CN114882055A
公开(公告)日：2022-08-09
申请号：CN202210604865.3
申请日：2022-05-30
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于多方向梯度算子的遥感图像脊线标注方法，用于解决现有技术中遥感图像拓扑结构复杂以及脊线分叉时标注效果不佳的问题。实现步骤为：对遥感图像进行平滑处理；生成3个方向的梯度算子；利用多方向梯度算子生成脊线图；在树状图中存储脊线的路径信息；重构树状图的组织结构；用重构后树状图中的信息进行脊线标注。本发明采用多方向梯度算子获取遥感图像中脊线的明暗空间梯度特征，以树状图存储脊线的位置信息，使得本发明具有面对复杂遥感图像拓扑结构时脊线标注效果好的优点。
-
公开(公告)号：CN113421237A
公开(公告)日：2021-09-21
申请号：CN202110678186.6
申请日：2021-06-18
Applicant: 西安电子科技大学
Abstract: 一种基于深度特征迁移学习的无参考图像质量评价方法，其步骤如下：构建失真特征提取网；构建多分支特征注意力模块；构建质量回归网络；生成无参考图像质量回归网络；生成训练集；训练无参考图像质量回归网络；对待评价图像进行质量评估。本发明失真特征提取网络所包含的多分支特征注意力模块能够自适应地捕获自然图像的失真特征，在质量回归网络的输出侧可以自动获得输入图像的质量分数。多个国际公开数据库上的广泛实验结果表明，本发明方法提高了失真图像质量的预测精度，具有评价无参考图像质量时与人眼视觉感知一致性更高、泛化性能更强的优点。
-
公开(公告)号：CN111510710B
公开(公告)日：2021-04-30
申请号：CN202010341014.5
申请日：2020-04-27
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于脑电信号和时空失真的视频质量评价方法，主要解决现有技术没有充分考虑人类视觉特性，导致客观视频质量评价结果与人类主观感知不一致的问题，本发明步骤为：(1)生成模拟水面波动视频；(2)生成时空失真视频；(3)采集连续脑电信号和主观评价；(4)计算主观评价检测率；(5)对脑电信号进行分段；(6)对分段后的脑电信号进行分类；(7)计算脑电信号分类准确率；(8)评价时空失真视频质量。本发明采集不同时空失真视频对应的脑电信号作为评价依据，具有视频质量评价结果与人类主观评价更加一致，评价结果更加准确的优点。
-
公开(公告)号：CN112529005A
公开(公告)日：2021-03-19
申请号：CN202011458846.1
申请日：2020-12-11
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于语义特征一致性金字塔网络的图像目标检测方法，用于解决现有技术中存在的因为图像或视频目标检测过程中目标多尺度语义特征融合时不一致导致的检测精度较低的技术问题，实现步骤为：获取训练样本集K和测试样本集V；构建基于语义特征一致性金字塔网络P的图像目标检测网络S；对基于语义特征一致性金字塔网络P的图像目标检测网络S进行迭代训练；获取目标检测识别结果。本方法在主流RCNN目标检测网络中即插即用，解决了不同层语义特征融合时不一致导致的检测精度较低的技术问题提高了检测精度。
-
Patent Agency Ranking
公开(公告)号：CN114882055B
公开(公告)日：2024-10-25
申请号：CN202210604865.3
申请日：2022-05-30
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于多方向梯度算子的遥感图像脊线标注方法，用于解决现有技术中遥感图像拓扑结构复杂以及脊线分叉时标注效果不佳的问题。实现步骤为：对遥感图像进行平滑处理；生成3个方向的梯度算子；利用多方向梯度算子生成脊线图；在树状图中存储脊线的路径信息；重构树状图的组织结构；用重构后树状图中的信息进行脊线标注。本发明采用多方向梯度算子获取遥感图像中脊线的明暗空间梯度特征，以树状图存储脊线的位置信息，使得本发明具有面对复杂遥感图像拓扑结构时脊线标注效果好的优点。
-
公开(公告)号：CN116665202A
公开(公告)日：2023-08-29
申请号：CN202310657204.1
申请日：2023-06-05
Applicant: 西安电子科技大学
IPC: G06V20/64 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于异形三维卷积的球坐标下3D目标检测方法，包括以下步骤；步骤1：获取原始点云数据；步骤2：将接收到的原始点云数据和目标边界框的坐标由三维直角坐标系转换为球坐标系；步骤3：将空间按照球坐标进行体素划分，将稀疏点云数据转换为稠密点云数据；步骤4：对每个体素进行体素特征编码，得到体素特征图；步骤5：对体素特征图利用异形三维卷积进行空间特征提取，得到密集特征图矩阵；步骤6：构建基于异形三维卷积的3D目标检测网络S；步骤7：对基于异形三维卷积的3D目标检测网络S进行训练。本发明利用异形三维卷积模块代替常用的对称卷积层进行体素空间特征的提取，获得体素的高维空间特征。该方法能有效降低3D卷积层计算量。
-
公开(公告)号：CN113313682B
公开(公告)日：2023-03-21
申请号：CN202110589087.0
申请日：2021-05-28
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于时空多尺度分析的无参考视频质量评价方法，实现步骤为：获取训练样本集和测试样本集；构建基于时空多尺度分析的无参考视频质量评价模型；对无参考视频质量评价模型进行迭代训练；获取无参考视频的质量评价结果。本发明在对无参考视频质量评价模型进行训练和获取质量评价结果的过程中，时空多尺度模块通过下采样得到不同尺度的帧序列局部时空失真特征，时空注意力分析模块对得到的时空失真特征的显著性进行分析，进而获取更为准确待测视频的全局质量表示，避免了现有技术中因为缺失帧序列的失真信息导致视频质量评价准确度较低的技术问题，有效地提高了复杂的无参考多种帧率视频质量评价准确度。
-
公开(公告)号：CN112529005B
公开(公告)日：2022-12-06
申请号：CN202011458846.1
申请日：2020-12-11
Applicant: 西安电子科技大学
IPC: G06V20/70 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/764 , G06V10/25 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于语义特征一致性金字塔网络的图像目标检测方法，用于解决现有技术中存在的因为图像或视频目标检测过程中目标多尺度语义特征融合时不一致导致的检测精度较低的技术问题，实现步骤为：获取训练样本集K和测试样本集V；构建基于语义特征一致性金字塔网络P的图像目标检测网络S；对基于语义特征一致性金字塔网络P的图像目标检测网络S进行迭代训练；获取目标检测识别结果。本方法在主流RCNN目标检测网络中即插即用，解决了不同层语义特征融合时不一致导致的检测精度较低的技术问题提高了检测精度。
-
公开(公告)号：CN113313682A
公开(公告)日：2021-08-27
申请号：CN202110589087.0
申请日：2021-05-28
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于时空多尺度分析的无参考视频质量评价方法，实现步骤为：获取训练样本集和测试样本集；构建基于时空多尺度分析的无参考视频质量评价模型；对无参考视频质量评价模型进行迭代训练；获取无参考视频的质量评价结果。本发明在对无参考视频质量评价模型进行训练和获取质量评价结果的过程中，时空多尺度模块通过下采样得到不同尺度的帧序列局部时空失真特征，时空注意力分析模块对得到的时空失真特征的显著性进行分析，进而获取更为准确待测视频的全局质量表示，避免了现有技术中因为缺失帧序列的失真信息导致视频质量评价准确度较低的技术问题，有效地提高了复杂的无参考多种帧率视频质量评价准确度。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.021 seconds)
