-
公开(公告)号：CN112229409B
公开(公告)日：2022-08-12
申请号：CN202011101297.2
申请日：2020-10-15
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于贝叶斯和进化算法的无人机协同航迹规划方法，主要解决现有技术中无人机协同航迹规划存在优化难度大及优化效率低的问题。其方案为：通过计算两条航迹节点之间的距离找到一组相同或相近的节点，然后以这些节点为界将两条航迹划分为一组可交换的航迹单元对；再通过计算所有航迹单元对交换之后航迹长度的变化强度，从而确定该航迹单元对的交换强度；最后，根据航迹单元对的交换强度使用贝叶斯推理来确定航迹单元的交换概率，得到无人机的协同总代价。本发明在多种威胁代价的无人机协同航迹规划任务中，可有效避免航迹断点的产生、提高了优化的收敛性，能够更加高效的实现无人机航迹寻优，获取更高的优化性能。
-
公开(公告)号：CN113537399A
公开(公告)日：2021-10-22
申请号：CN202110920086.X
申请日：2021-08-11
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种多目标进化图卷积神经网络的极化SAR图像分类方法及系统，生成训练集和验证集；生成初始种群；将初始种群中的个体解码为图卷积神经网络，训练并将分类精度和浮点运算次数作为个体的适应度；采用交叉、变异和选择操作对种群进行迭代更新；使用最终种群中分类精度最高的个体对应的图卷积神经网络，对待分类极化SAR图像进行分类。本发明采用多目标进化算法同时优化图卷积神经网络的分类精度和浮点运算次数，实现了图卷积神经网络的自动设计，在提高分类精度的同时，降低了图卷积神经网络的计算复杂度。
-
公开(公告)号：CN113420812A
公开(公告)日：2021-09-21
申请号：CN202110698127.5
申请日：2021-06-23
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于进化卷积神经网络的极化SAR图像分类方法，实现步骤为：(1)初始化种群；(2)将种群中的个体解码为卷积神经网络；(3)训练卷积神经网络，并将分类精度作为个体的适应度；(4)采用选择、交叉和变异操作对种群进行迭代更新，得到最终种群；(5)使用最终种群中适应度最高的个体对应的卷积神经网络对待分类极化SAR图像进行分类。本发明采用种群迭代更新的方式实现卷积神经网络的自动设计，降低了手工设计卷积神经网络造成的人为误差，最终得到高分类精度的卷积神经网络，实现极化SAR图像的高精度分类。
-
公开(公告)号：CN112925992A
公开(公告)日：2021-06-08
申请号：CN202110270710.6
申请日：2021-03-12
Applicant: 西安电子科技大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明提供了一种基于高阶结构和边信息的网络局部社区检测方法，解决了现有局部社区检测方法检测准确度不够高，以及对于低质量种子点检测效果差的技术问题，其实现步骤包括：输入网络和种子点；初始化局部社区；使用高阶信息对局部社区进行扩展；使用中心节点对局部社区进行扩展；使用边信息对局部社区进行最终扩展；输出局部社区，完成基于高阶结构和边信息的网络局部社区检测。本发明对低质量种子点进行特殊处理，设计了考虑种子点质量的局部社区初始化方式，并根据局部社区特性使用高阶信息和边信息进行不同方式的扩展，更好的利用了局部信息，提高了局部社区检测的正确率。用于网络的局部社区检测。
-
公开(公告)号：CN110136154A
公开(公告)日：2019-08-16
申请号：CN201910410666.7
申请日：2019-05-16
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于全卷积网络与形态学处理的遥感图像语义分割方法，主要解决现有的遥感图像语义分割方法分割准确率低的问题，其实现方案为：构建训练样本集和验证样本集，对训练样本集进行数据增强与数据扩充预处理，分别搭建图像级联网络ICNet模型、金字塔场景解析网络PSPNet模型和基于编码器表示的连接网络LinkNet模型这三种全卷积网络模型，训练并验证全卷积网络模型；将待测试的遥感图像输入训练好的全卷积网络中，得到语义分割初次结果，并采用形态学腐蚀与膨胀运算对语义分割图精调，得到最终的语义分割结果。本发明提升了图像的整体分割效果，可用于遥感图像的分割、分类、检测与跟踪任务。
-
Patent Agency Ranking
公开(公告)号：CN110111346A
公开(公告)日：2019-08-09
申请号：CN201910399019.0
申请日：2019-05-14
Applicant: 西安电子科技大学
Abstract: 本发明提出一种基于视差信息的遥感图像语义分割方法，用于解决现有技术中存在的分割精度较低的技术问题，实现步骤为：获取训练样本集和测试样本集；对训练样本集进行预处理；对视差网络进行训练；对测试样本集进行视差检测；获取测试样本集的视差信息；对语义分割网络进行训练；对测试样本集进行语义检测；对初步语义分割结果进行修正；获取最终的语义分割结果。本发明对遥感图像的视差结果进行左右一致性检测LRC，再利用检测得到的视差信息对语义分割结果进行修正，并提出了一个全新的语义切块融合检测方法，显著提高了语义分割的精度。可用于地质检测、土地利用、城市规划、自动驾驶、人机交互、医疗图像识别等现实应用。
-
公开(公告)号：CN108524121A
公开(公告)日：2018-09-14
申请号：CN201810293523.8
申请日：2018-04-04
Applicant: 西安电子科技大学
CPC classification number: A61G5/04 , A61G5/1051 , A61G2203/20 , G06F3/013 , G06F2203/012 , G06K9/00281 , G06K9/00604
Abstract: 本发明提出了一种基于眼球控制屏幕的智能轮椅，旨在有效拓宽眼控范围，包括电动轮椅，以及固定在电动轮椅上的信息采集装置、信息处理装置、信息显示装置和固定这三种装置的第一支架和第二支架，其中，信息采集装置用来拍摄用户脸部图像，信息处理装置将拍摄的图像进行眼部信息提取、眼睛张合和瞳孔转动状态的判断，并将判断出的眼睛运动状态在转化成控制轮椅运动的命令同时，按不同规则也转化成控制光标移动和点击电子显示屏所显示内容的命令，用户通过有效眨眼和瞳孔转动分别控制电动轮椅启动、制动和左右转动，轮椅静止时，用户通过有效眨眼和瞳孔转动分别控制鼠标在电子显示屏上点击和移动，实现了用户通过眼睛与外界交流。
-
公开(公告)号：CN108460408A
公开(公告)日：2018-08-28
申请号：CN201810112178.3
申请日：2018-02-05
Applicant: 西安电子科技大学
Abstract: 一种基于残差学习和条件GAN的极化SAR图像分类方法，其步骤为：(1)构建条件GAN的生成器；(2)构建条件GAN的鉴别器；(3)对待分类极化SAR图像进行滤波；(4)对滤波散射矩阵进行pauli分解；(5)对特征矩阵进行归一化；(6)生成训练数据集和测试数据集；(7)对生成器中的深浅层特征进行残差学习；(8)对残差学习后的特征进行分类；(9)获得分类正确率；(10)训练条件GAN的生成器；(11)对测试数据集进行分类。本发明将极化SAR图像在生成器中得到的深浅层特征进行残差学习，提取了全面的特征信息，使分类结果图区域一致性好，分类精度高。
-
公开(公告)号：CN118154915A
公开(公告)日：2024-06-07
申请号：CN202410297946.2
申请日：2024-03-15
Applicant: 西安电子科技大学
IPC: G06V10/762 , G06V10/40 , G06V10/82 , G06N3/098
Abstract: 本发明公开了一种基于锚点学习与多图对齐的大规模多视图聚类方法，主要解决现有技术对多视图间的互补信息挖掘利用不充分、多视图锚点学习中存在锚点非对齐的问题。包括：1)输入原始多视图数据，并对多个视图采用锚点表示法；2)对多个锚点表示进行多图对齐，生成中间件虚拟图与置换矩阵；3)将锚点学习与基于虚拟图的多图对齐方法进行联合学习；4)对多个锚点图进行Schatten‑p范数的跨视图锚点表示学习；5)构建目标优化函数，并采用增广拉格朗日和交替方向乘子法求解最优参数；6)利用低秩表示的主对角信息作为关系系数矩阵，获取最终聚类结果并输出。本发明能够提高多视图聚类的聚类效果与效率，同时有效降低计算复杂度。
-
公开(公告)号：CN117765336A
公开(公告)日：2024-03-26
申请号：CN202311836899.6
申请日：2023-12-28
Applicant: 西安电子科技大学 , 陕西汇智易知信息科技有限公司
IPC: G06V10/764 , G06V10/766 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0455 , G06N3/0499 , G06N3/084 , G06N3/098
Abstract: 一种基于局部注意力特征关联机制的小目标检测方法、系统、设备及介质，方法包括：数据预处、模型构建、模型训练、小目标检测；系统、设备及介质：用于实现一种基于局部注意力特征关联机制的小目标检测方法；本发明通过残差网络提取空间特征和语义特征，以特征金子塔机制进行特征融合，利用基于局部注意力特征关联机制重构特征，利用匈牙利匹配算法训练模型，得到适应数据集的最优匹配模型，在较少的迭代次数下可以保证较高的准确度，具有网络运算复杂度低、训练成本低、模型易于迁移、模型检测性能高的特点。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.039 seconds)
