-
公开(公告)号：CN115131618A
公开(公告)日：2022-09-30
申请号：CN202210896650.3
申请日：2022-07-28
申请人： 西安电子科技大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , G06N5/04
摘要： 本发明公开了一种基于因果推理的半监督图像分类方法，主要解决现有方法依赖有标签数据、盲目学习导致模型分类性能不佳的问题。其实现方案为：1)建立结构化因果模型分析图像分类问题；2)获取包含不同数量有标签样本的半监督训练集；3)构建深度神经网络模型，并利用半监督训练集中的有标签数据对其进行有监督训练，利用半监督训练集中所有数据根据一致性准则对模型进行训练；4)基于CAM生成背景掩膜，再通过其与原图按位相乘得到新样本集；5)利用新样本集中的数据依据因果一致性准则训练得到最终分类网络模型。本发明通过减少背景信息对分类结果的影响，能够在有标签样本数量不足的情况下有效提升分类准确率。
-
公开(公告)号：CN109190684B
公开(公告)日：2022-03-04
申请号：CN201810928531.5
申请日：2018-08-15
申请人： 西安电子科技大学
摘要： 本发明提供的一种基于素描及结构生成对抗网络的SAR图像样本生成方法，主要解决SAR图像语义分割中存在的样本不平衡问题，其实现步骤是：(1)SAR图像素描化，得到素描图；(2)根据SAR图像的区域图，提取较小的极不匀质区域；(3)构造形为素描块‑SAR图像块的成对数据集；(4)选取数据集里的样本组成训练集和测试集；(5)构造基于素描信息及结构约束的生成对抗网络；(6)通过素描线损失、对抗损失和生成器损失对素描拟合网络、判别网络和生成网络依次进行交替训练；(7)输入测试素描块到训练好的生成网络，得到生成SAR图像块；本发明能够根据素描图生成与原SAR图像地物结构吻合的SAR图像样本，可解决SAR图像极不匀质区域分类的样本不平衡问题。
-
公开(公告)号：CN110189283B
公开(公告)日：2021-10-29
申请号：CN201910421713.8
申请日：2019-05-21
申请人： 西安电子科技大学
摘要： 本发明提供了一种基于语义分割图的遥感图像DSM融合方法，用于解决现有遥感图像DSM融合方法中存在的融合的遥感图像DSM精度较低的技术问题，实现步骤包括：获取多个有效时间差对应的图像对；获取每个有效时间差所对应的图像对ai的视差图；获取每个有效时间差所对应的图像对ai的数字表面模型DSMi；获取语义分割图；基于语义分割图对遥感图像数字表面模型DSM进行融合。本发明根据语义分割图的标签信息对融合前的多个遥感图像DSM的高度值进行更改并将其限定在标准高度范围内，提高了融合的遥感图像DSM的精度。本发明成果可应用于城市规划、立体导航等领域。
-
公开(公告)号：CN113420806A
公开(公告)日：2021-09-21
申请号：CN202110688239.2
申请日：2021-06-21
申请人： 西安电子科技大学
摘要： 本发明公开了一种人脸检测质量评分方法及系统，构造人脸检测网络并进行预训练，使得模型可以准确定位出人脸的位置；同时提出了一种可以在训练过程中对奖惩进行自动调节的奖励函数，并与人脸检测网络组成环境生成器；使用浅层卷积神经网络构成智能体对人脸质量进行评分。训练智能体时采用了经验回放策略和目标Q网络算法，可以有效的提升训练速度和模型的性能。本发明利用不同质量的人脸之间的差异性较大这一特性，并结合深度强化学习思想与自调节奖惩机制实现对人脸的质量评分，能够高效的从视频数据中选出质量较好的人脸，提升人脸识别系统的性能。
-
公开(公告)号：CN113255791A
公开(公告)日：2021-08-13
申请号：CN202110605372.7
申请日：2021-05-31
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于K‑组合均值特征增强的小样本目标检测方法及系统，利用每类K个带标签样本的标签信息，得到对应的特征，通过对这K个目标的特征进行组合平均，为每个组合计算平均特征。然后将这些平均特征添加到原有特征样本集合中，增加特征样本的数量。在微调阶段，除了新类带标签样本对分类和回归器进行微调外，还使用增加后的特征样本集合对分类器进行微调。实验结果证明通过基于K‑组合均值的特征增强方法，通过增加特征样本的数量，为分类器提供了更多的特征样本，缓解了模型的过拟合问题，提升了基于微调的小样本目标检测模型的检测精度。
-
公开(公告)号：CN113255787A
公开(公告)日：2021-08-13
申请号：CN202110603017.6
申请日：2021-05-31
申请人： 西安电子科技大学
IPC分类号： G06K9/62 , G06F40/284 , G06F40/30 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于语义特征和度量学习的小样本目标检测方法及系统，将查询图对应的类别语义名称作为知识，使用自然语言处理领域的word2vec工具计算对应的词向量作为语义特征，并与查询图的图像特征进行融合。通过将语义特征嵌入视觉域中，利用同类别目标在语义空间中具有的语义一致性，减少同类别目标间的距离，利用不同语义类别目标在语义空间中具有的语义差异性，增加不同类目标之间的距离，缓解现有基于度量学习的小样本目标检测模型出现的不同类别但外观视觉较相似目标的错检问题和相同语义类别但外观视觉差异较大的漏检的问题，提升在基类与新类上的检测精度。
-
公开(公告)号：CN110210418B
公开(公告)日：2021-07-23
申请号：CN201910485819.4
申请日：2019-06-05
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于信息交互和迁移学习的SAR图像飞机目标检测方法，基于亮暗阈值分割与k近邻选择提取像素空间的感兴趣目标候选区域；将像素空间的每一个感兴趣目标候选区域的位置坐标对应到SAR图像的语义素描图中，得到语义空间中相应的感兴趣目标候选区域的位置和大小；提取语义空间中感兴趣目标候选区域中疑似机翼阴影的素描线段；使用机翼阴影与亮斑局部结构关系的飞机阴影补全方法，得到目标阴影区域图；利用基于素描标注信息的生成对抗迁移学习方法，实现目标阴影区域图的分类与识别，得到最终的飞机目标检测结果。本发明提高了飞机目标检测的准确率，剔除了大量虚警，适用于复杂场景下超高分辨率SAR图像中飞机目标检测。
-
公开(公告)号：CN110120050B
公开(公告)日：2021-01-29
申请号：CN201910375910.0
申请日：2019-05-07
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于素描信息和超像素分割的光学遥感图像海陆分割方法，根据光学遥感图像的素描图生成结构区域图，结合海陆素描先验信息对结构区域图中的结构区域和非结构区域进行海陆标记，得到粗分割结果图；对光学遥感图像进行超像素分割，根据粗分割结果图和超像素的方差与局部海陆信息对超像素进行海陆类别标记；最后使用超像素二分裂算法对沿海陆地超像素进行二分裂，并对分裂得到的超像素海陆类别重新标记实现海岸线的精确定位，得到最终海陆分割结果。本发明分割准确率高，能对噪声点以及陆地内与海洋颜色相似的易分错点进行正确分类，对不同场景的光学遥感图像具有很好的鲁棒性。
-
公开(公告)号：CN110210486B
公开(公告)日：2021-01-01
申请号：CN201910401740.9
申请日：2019-05-15
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于素描标注信息的生成对抗迁移学习方法，获取初始素描图，构造形式为“源域图像‑源域图像边缘标注图”的成对数据集；构造基于素描标注信息的边缘分割深度网络并训练；基于矩阵范数选择目标域样本；构造并训练基于素描标注信息的生成对抗迁移学习网络，该网络包括深度生成器网络、深度判别器网络、基于素描标注信息的边缘分割深度网络和深度分类器网络；输入目标域图像，得到目标域图像的分类结果；本发明利用源域数据及目标域数据结构的相似性，通过结构约束，生成确定标签的符合目标域分布的样本，从而进行标签的传递，实现跨域分类。提高了分类准确率，实现了跨域分类任务。
-
公开(公告)号：CN109325407B
公开(公告)日：2020-10-09
申请号：CN201810919904.2
申请日：2018-08-14
申请人： 西安电子科技大学
摘要： 本发明提出了一种基于F‑SSD网络滤波的光学遥感视频目标检测方法，旨在提高对光学遥感视频的目标检测准确率。实现步骤为：获取训练样本集和验证样本集；构建网络模型F‑SSD，对构建的网络模型进行训练；按一定的间隔帧数取待检测视频的若干帧用训练好的网络模型进行检测，得到这些间隔帧上检测到的目标；依次取这些间隔帧上检测到的目标为跟踪对象，用相关滤波算法进行跟踪；获得光学遥感视频的目标检测结果；本发明方法实现了光学遥感视频的目标检测，提高了目标检测的准确率。
-
-
-
-
-
-
-
-
-
搜索结果
125 条记录 (耗时 0.04 秒)
