公开(公告)号：CN112966761B

公开(公告)日：2024-03-19

申请号：CN202110278923.3

申请日：2021-03-16

Applicant: 长安大学

Inventor： 席江波 ,  姜万冬 ,  谢大帅 ,  丛铭 ,  房建武 ,  吴田军 ,  赵超英

IPC: G06F18/24 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/08 ,  G06N20/20

Abstract: 本发明属于人工智能技术领域，公开了一种可扩展的自适应宽度神经网络学习方法，可用于图像分类任务。它由多个多通道宽RBF神经网络(MWRBF)组成，每个MWRBF神经网络可以把重点放在不同的数据上，并且使用高斯核执行非线性变换。可扩展的自适应宽度神经网络中的MWRBF网络数量由学习任务自身的规模和难度决定。该网络采用了可分离的迭代最小二乘训练方法，从而可以高效地处理高维和大量样本的数据；本发明的可扩展的自适应宽度神经网络具有可以进行并行测试的特点。

公开(公告)号：CN112966761A

公开(公告)日：2021-06-15

申请号：CN202110278923.3

申请日：2021-03-16

Applicant: 长安大学

Inventor： 席江波 ,  姜万冬 ,  谢大帅 ,  丛铭 ,  房建武 ,  吴田军 ,  赵超英

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明属于人工智能技术领域，公开了一种可扩展的自适应宽度神经网络学习方法，可用于图像分类任务。它由多个多通道宽RBF神经网络(MWRBF)组成，每个MWRBF神经网络可以把重点放在不同的数据上，并且使用高斯核执行非线性变换。可扩展的自适应宽度神经网络中的MWRBF网络数量由学习任务自身的规模和难度决定。该网络采用了可分离的迭代最小二乘训练方法，从而可以高效地处理高维和大量样本的数据；本发明的可扩展的自适应宽度神经网络具有可以进行并行测试的特点。

公开(公告)号：CN112966623B

公开(公告)日：2024-03-19

申请号：CN202110279067.3

申请日：2021-03-16

Applicant: 长安大学

Inventor： 席江波 ,  姜万冬 ,  谢大帅 ,  丛铭 ,  房建武 ,  吴田军 ,  赵超英

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明属于人工智能和机器学习技术领域，公开了一种多层宽度神经网络及其训练方法和应用，可用高光谱遥感影像和普通图像分类任务。其每一层由滑动窗口的变换核进行非线性变换，向宽方向扩展以充分学习空间和频谱特征，并且引入了排序和下采样操作以减少该层的变换内核层的输出数量，每一层称为宽度滑动窗口和下采样层，即WSWS层，将多个WSWS层级联可以更大视野的更高级别的空间和光谱特征。该网络只需学习全连接层的权值，从而可以轻松的进行训练。

公开(公告)号：CN118279742A

公开(公告)日：2024-07-02

申请号：CN202410376081.9

申请日：2024-03-29

Applicant: 长安大学

Inventor： 席江波 ,  高思岩 ,  李振洪 ,  谢大帅 ,  梁瑞航 ,  王秉坤 ,  李弘略 ,  程晗钰

IPC: G06V20/10 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明的一种黄土老滑坡的多视角深度学习混合模型的识别方法，包括步骤：S1.在谷歌地球3D场景中将人工目视解译光学影像作为样本，构建倾斜视角光学影像数据集；S2.将倾斜视角光学影像数据集训练，得到深度学习混合模型；S3.在黄土高原区域内，指定待测区域，自动化的生成镜头位置文件并截取多视角影像；S4.采用深度学习混合模型在待测区域内的多视角影像上进行检测；S5.在谷歌地球3D场景中进行坐标的归算，将预测框的像素坐标换算到经纬度坐标系中；S6.根据经纬度坐标，使用加权框融合算法得到最终预测框的经纬度坐标。本发明通过多视角光学遥感影像模拟人工解译获得黄土老滑坡的明显光学特征，并通过深度学习混合模型获得更精确的检测结果。

公开(公告)号：CN115546663A

公开(公告)日：2022-12-30

申请号：CN202211148505.3

申请日：2022-09-21

Applicant: 长安大学

Inventor： 席江波 ,  姜万冬 ,  李振洪 ,  谢大帅 ,  陈雪蓉 ,  冯钰璇 ,  邹煜晖

IPC: G06V20/17 ,  G06V20/10 ,  G06V10/82 ,  G06V10/774 ,  G06V10/94 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及智能检测领域，具体涉及一种无人机轻量化地质灾害检测方法。本发明方法采用轻量化的MobileNetV3识别网络，以适应无人机的嵌入设备性能不高的问题，通过迁移学习和深度可分离卷积核技术，搭建全局平均池化以及密集连接层来对特征进行提取并分类，能精确检测出受困人员、地质灾害、路障等目标信息，实现动态预测的效果。

公开(公告)号：CN112966623A

公开(公告)日：2021-06-15

申请号：CN202110279067.3

申请日：2021-03-16

Applicant: 长安大学

Inventor： 席江波 ,  姜万冬 ,  谢大帅 ,  丛铭 ,  房建武 ,  吴田军 ,  赵超英

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于人工智能和机器学习技术领域，公开了一种多层宽度神经网络及其训练方法和应用，可用高光谱遥感影像和普通图像分类任务。其每一层由滑动窗口的变换核进行非线性变换，向宽方向扩展以充分学习空间和频谱特征，并且引入了排序和下采样操作以减少该层的变换内核层的输出数量，每一层称为宽度滑动窗口和下采样层，即WSWS层，将多个WSWS层级联可以更大视野的更高级别的空间和光谱特征。该网络只需学习全连接层的权值，从而可以轻松的进行训练。