-
公开(公告)号：CN111915583B
公开(公告)日：2024-02-09
申请号：CN202010741321.2
申请日：2020-07-29
Applicant: 西安电子科技大学
IPC: G06V20/52 , G06V20/54 , G06V20/56 , G06V40/10 , G06V10/774 , G06V10/82 , G06N3/0464 , G06T7/00 , G06T7/90
Abstract: 本发明提供了一种复杂场景中基于车载红外热像仪的车辆和行人检测方法，解决现有技术中在复杂场景中进行车辆和行人检测平均准确率低的问题。其实现方案为：1.构建红外图像数据集，并将其分为训练样本和测试样本；2.对红外图像训练样本进行扩充；3.在YOLOv3网络特征图的第103层上下并行加入两个3×3卷积层，以与YOLOv3网络特征图第103层之后的3×3卷积层和1×1卷积层并行工作，构成新的YOLOv3网络；4.利用红外图像训练样本对新的YOLOv3网络进行训练；5.利用训练好的新YOLOv3网络模型检测测试样本集中的红外图像。本发明有效提高了红外图像中细小和密集目标的检测精度，可用于对复杂场景下目标分类和定位。
-
Patent Agency Ranking
公开(公告)号：CN112966156B
公开(公告)日：2023-03-21
申请号：CN202110309745.6
申请日：2021-03-23
Applicant: 西安电子科技大学
IPC: G06F16/901 , G06F17/16
Abstract: 本发明公开了一种基于结构扰动与线性优化的有向网络链路预测方法，主要解决有向网络中的链路预测的预测准确性较低的问题。其方案是：1)下载一个真实的有向网络数据集，获得有向网络的邻接矩阵；2)将网络邻接矩阵分解为对称矩阵和非对称矩阵；3)将对称矩阵划分为剩余集和扰动集，并用扰动集对剩余集进行干扰，得到当前初始扰动矩阵；4)重复3)共10次取平均，并加上非对称矩阵，得到最终的扰动矩阵；5)将最终扰动矩阵作为线性优化LO算法的输入，计算相似度矩阵S；6)将S中未连接节点对的相似度按照降序排列，取前P条链路即为预测出来的有向网络链路。本发明提高了链路的预测精度，可用于各类推荐系统和交通系统。
-
公开(公告)号：CN112966155B
公开(公告)日：2023-03-21
申请号：CN202110308901.7
申请日：2021-03-23
Applicant: 西安电子科技大学
IPC: G06F16/901 , G06F16/903 , G06F16/9536 , G06Q50/00
Abstract: 本发明公开一种基于路径相关性的链路预测方法，主要解决传统路径方法预测精度较低的问题。其方案是：1)在网上下载一个真实的网络数据集，获得网络的邻接矩阵；2)计算网络中所有节点对间各阶路径的总贡献；3)利用节点间各阶路径的总贡献构建节点间的相似性分值，即对各阶路径的总贡献进行非线性组合，以组合结果作为节点间的相似性分值；4)计算所有节点对的相似性分值，将所有节点对按照相似性分值从大到小排序，根据排在前面的节点对之间产生链路概率最大的相似性原理，取前m个节点对，作为被预测出的m条链路。本发明利用了更深层次且更准确的路径信息，相比传统路径方法提高了预测精度，可用于交通线路规划、指导生物实验及推荐系统。
-
公开(公告)号：CN112966156A
公开(公告)日：2021-06-15
申请号：CN202110309745.6
申请日：2021-03-23
Applicant: 西安电子科技大学
IPC: G06F16/901 , G06F17/16
Abstract: 本发明公开了一种基于结构扰动与线性优化的有向网络链路预测方法，主要解决有向网络中的链路预测的预测准确性较低的问题。其方案是：1)下载一个真实的有向网络数据集，获得有向网络的邻接矩阵；2)将网络邻接矩阵分解为对称矩阵和非对称矩阵；3)将对称矩阵划分为剩余集和扰动集，并用扰动集对剩余集进行干扰，得到当前初始扰动矩阵；4)重复3)共10次取平均，并加上非对称矩阵，得到最终的扰动矩阵；5)将最终扰动矩阵作为线性优化LO算法的输入，计算相似度矩阵S；6)将S中未连接节点对的相似度按照降序排列，取前P条链路即为预测出来的有向网络链路。本发明提高了链路的预测精度，可用于各类推荐系统和交通系统。
-
公开(公告)号：CN112966155A
公开(公告)日：2021-06-15
申请号：CN202110308901.7
申请日：2021-03-23
Applicant: 西安电子科技大学
IPC: G06F16/901 , G06F16/903 , G06F16/9536 , G06Q50/00
Abstract: 本发明公开一种基于路径相关性的链路预测方法，主要解决传统路径方法预测精度较低的问题。其方案是：1)在网上下载一个真实的网络数据集，获得网络的邻接矩阵；2)计算网络中所有节点对间各阶路径的总贡献；3)利用节点间各阶路径的总贡献构建节点间的相似性分值，即对各阶路径的总贡献进行非线性组合，以组合结果作为节点间的相似性分值；4)计算所有节点对的相似性分值，将所有节点对按照相似性分值从大到小排序，根据排在前面的节点对之间产生链路概率最大的相似性原理，取前m个节点对，作为被预测出的m条链路。本发明利用了更深层次且更准确的路径信息，相比传统路径方法提高了预测精度，可用于交通线路规划、指导生物实验及推荐系统。
-
公开(公告)号：CN111915583A
公开(公告)日：2020-11-10
申请号：CN202010741321.2
申请日：2020-07-29
Applicant: 西安电子科技大学
Abstract: 本发明提供了一种复杂场景中基于车载红外热像仪的车辆和行人检测方法，解决现有技术中在复杂场景中进行车辆和行人检测平均准确率低的问题。其实现方案为：1.构建红外图像数据集，并将其分为训练样本和测试样本；2.对红外图像训练样本进行扩充；3.在YOLOv3网络特征图的第103层上下并行加入两个3×3卷积层，以与YOLOv3网络特征图第103层之后的3×3卷积层和1×1卷积层并行工作，构成新的YOLOv3网络；4.利用红外图像训练样本对新的YOLOv3网络进行训练；5.利用训练好的新YOLOv3网络模型检测测试样本集中的红外图像。本发明有效提高了红外图像中细小和密集目标的检测精度，可用于对复杂场景下目标分类和定位。
-
-
-
-
-
Search Results
6
records
(took 0.032 seconds)
