-
公开(公告)号：CN117224149A
公开(公告)日：2023-12-15
申请号：CN202310698195.0
申请日：2023-06-13
Applicant: 西安电子科技大学 , 西安电子科技大学杭州研究院
IPC: A61B5/372 , G06F18/213 , G06F18/2415 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , A61B5/378 , A61B5/00 , G06F123/02
Abstract: 本发明公开了基于时空卷积和残差连接的脑电信号解码方法，包括以下步骤；步骤1：构建视觉诱发脑电信号数据集，收集的脑电信号的时空特征，用于刺激被试者视觉产生脑电信号；步骤2：构建基于时空卷积和残差连接的脑电信号解码分类网络CR‑model，用于提取步骤1中所收集的脑电信号的时空特征，并将时空特征进行深度融合提取，充分利用脑电信号的高时间分辨率以及多信道所体现的空间上的联系，提高视觉刺激脑电信号的分类准确率。本发明用于解决现有方法针对脑电信号多通道信号之间空间信息利用不充分以及时间信息与空间信息联系不紧密的问题。
-
公开(公告)号：CN116596046A
公开(公告)日：2023-08-15
申请号：CN202310566689.3
申请日：2023-05-19
Applicant: 西安电子科技大学
IPC: G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/082 , G06V10/776 , G06V10/774 , G06V10/82 , G06V10/80
Abstract: 本发明公开了一种利用脑电信号和视觉特征进行图像重构的方法，包括以下步骤；步骤1：构建脑电信号数据集；步骤2：对脑电信号数据集中的原始脑电信号进行大脑偏侧化；步骤3：构建基于注意力机制的脑电信号编码模块，将经过大脑偏侧化处理的脑电信号中提取与视觉特征相关的关键信息，为脑内视觉处理提供更加精细和准确的特征表达；步骤4：构建脑内视觉图像重建模块，用于在提取出关键视觉特征的基础之上，生成相应类别的视觉刺激图像；步骤5：实验设置与训练，在极大极小博弈环境中同时训练生成器和鉴别器，解决训练过程中过拟合的问题。本发明利用脑电特征和视觉特征的双重指导深度卷积生成对抗网络训练，可以有效地重建脑内的视觉图像。
-
公开(公告)号：CN113255789B
公开(公告)日：2023-01-24
申请号：CN202110603651.X
申请日：2021-05-31
Applicant: 西安电子科技大学
IPC: G06F18/214 , G06N3/0464 , G06N3/084 , G06N3/094
Abstract: 本发明提出了一种基于对抗网络和多被试脑电信号的视频质量评价方法，实现步骤为：(1)获取训练样本集、测试样本集和标注样本集；(2)构建多被试对抗网络模型；(3)对多被试对抗网络模型进行迭代训练；(4)获取视频质量评价结果。本发明构建的多被试对抗网络模型中，通过被试域判别器与特征提取器构成的对抗网络，提取了源被试脑电数据与目标被试脑电数据的不变特征，解决了脑电信号视频质量评价模型只适用于单一数据源的问题，提高了视频质量评价精度。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN114998252A
公开(公告)日：2022-09-02
申请号：CN202210604898.8
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脑电信号和记忆特性的图像质量评价方法，实现步骤为：获取每张彩色图像的可记忆特征值；生成记忆性强弱不同的彩色失真图像；采集受试者在观看记忆性强弱不同的彩色失真图像时的脑电信号；截取每位受试者在感知到图像失真时的脑电信号片段；利用脑电信号片段生成训练集；构建深度卷积神经网络；训练深度卷积神经网络；采用训练好的网络对强记忆性图像和弱记忆性图像进行质量评价。本发明在图像质量评价过程中，通过采用深度卷积神经网络对强记忆性图像和弱记忆性图像所诱发的脑电信号进行分类，解决了现有技术中未考虑图像的记忆特性对失真感知影响的问题和无法有效提取脑电信号的深层特征的问题，提高了图像质量评价的准确性。
-
公开(公告)号：CN112085102A
公开(公告)日：2020-12-15
申请号：CN202010944337.3
申请日：2020-09-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于三维时空特征分解的无参考视频质量评价方法，其步骤为：构建由时空失真特征学习模块、质量回归模块组成的质量预测网络，生成无参考的训练数据集和测试数据集，训练时空失真特征学习模块和质量回归模块，输出测试集中每个失真视频的质量评价分数值。本发明用于从输入的失真视频中准确且高效地提取时空域内容的质量感知特征，在网络的输出端得到对应的预测质量分数，具有评价无参考视频质量时结果更加准确、应用更广泛的优点。
-
公开(公告)号：CN116758534A
公开(公告)日：2023-09-15
申请号：CN202310719201.6
申请日：2023-06-16
Applicant: 西安电子科技大学
IPC: G06V20/64 , G06V10/40 , G06V10/62 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于卷积长短期记忆网络的3D目标检测方法，包括以下步骤；步骤1：使用nuScenes点云数据集；步骤2：将输入点云数据转换到球坐标系下；步骤3：将点云空间按照球坐标进行体素划分，得到体素特征，并对体素特征进行初步提取；步骤4：对体素特征进行中间特征提取；步骤5：通过卷积长短期记忆网络进行时间特征提取，实现卷积长短期记忆网络的输出特征；步骤6：对输出特征进行多尺度特征提取，得到特征图；步骤7：利用特征图生成锚框，并对锚框进行分类、边界框回归和角度回归。本发明通过卷积长短期记忆网络对点云序列进行时间特征提取，解决现有的基于深度学习的3D连续目标检测方法中，因序列过长而无法长期依赖的问题。
-
公开(公告)号：CN113486821B
公开(公告)日：2023-07-04
申请号：CN202110782615.4
申请日：2021-07-12
Applicant: 西安电子科技大学
IPC: G06V20/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于时域金字塔的无参考视频质量评价方法，主要解决现有技术利用时域信息不充分，导致视频质量评价准确度较低的问题。其实现方案是：获取训练集和测试集；从视频中获取帧组，并对其进行特征提取，获得低、高层视频特征；构建由时域金字塔模块和质量融合模块级联组成的质量评价网络；对质量评价网络进行训练；将测试视频样本输入到训练好的质量评价网络中，得到被测视频的预测质量分数。本发明通过用时域金字塔模块获取时域信息形成金字塔特征，将视频帧间信息进行交互，并作不同方式的采样，提升了来自视频的时域信息的丰富度，充分利用了视频的时域信息，提高了视频质量评价的准确度，可用于图像的采集、管理、传输和处理。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.03 seconds)
