-
公开(公告)号：CN106651778A
公开(公告)日：2017-05-10
申请号：CN201610349594.6
申请日：2016-05-25
Applicant: 西安电子科技大学昆山创新研究院 , 西安电子科技大学
IPC: G06T5/00
CPC classification number: G06T5/001 , G06T2207/10036 , G06T2207/20081
Abstract: 本发明公开了一种基于自适应耦合观测与非线性压缩学习的光谱成像方法，主要解决现有技术无法保证观测矩阵与学习得到的字典不相关的问题。其实现步骤为：1.把原始空间中的信号投影到特征空间上；2.利用KPCA的方法，在特征空间中进行字典学习，求得稀疏字典；3.随机初始化观测矩阵，对由稀疏字典和初始观测矩阵的乘积组成的感知矩阵进行迭代训练，得到经过耦合优化的观测矩阵；4.通过核压缩感知的方法实现非线性压缩感知光谱成像；5.利用pre‑image方法恢复出原信号。实验结果表明：在不同的采样率下，本发明与现有以高斯随机矩阵作为观测矩阵的方法相比，其重构效果较好，可用于高光谱图像的低成本与高质量获取。
-
公开(公告)号：CN103218405A
公开(公告)日：2013-07-24
申请号：CN201310090096.0
申请日：2013-03-20
Applicant: 西安电子科技大学 , 西安电子科技大学昆山创新研究院
IPC: G06F17/30
Abstract: 本发明公开了一种基于维数约简的集成迁移文本分类方法，包括步骤：1.入源域文本数据和目标域文本数据，进行预处理，将文本数据转化为单词向量形式；2.标记的源域数据集进行Boostrap随机采样遍，获取相应的个源域子集，再别与目标域测试样本组合成新的数据子集；3.个新的数据子集进行SVD分解并降维，投影到低维空间；4.低维空间中，采用近邻分类器作为基本分类器，由降维后的源域样本预测目标域测试样本的标签,每个测试样本得到个预测标签；5.多数投票的集成方式，得到测试文本数据的最终预测标签。本发明利用过期的源域样本对目标域文本分类，经维数约简后集成，大大提高了分类的正确率，并减少分类时间，降低分类复杂度。
-
公开(公告)号：CN105844591A
公开(公告)日：2016-08-10
申请号：CN201610015219.8
申请日：2016-01-11
Applicant: 西安电子科技大学昆山创新研究院
IPC: G06T5/00
CPC classification number: G06T5/001 , G06T2207/10036 , G06T2207/20081
Abstract: 本发明公开了一种基隐空间样例学习的非线性压缩光谱成像方法，主要解决现有技术在利用核函数进行非线性空间下的字典学习中时间复杂度和空间复杂度过高的问题。其实现步骤为：1.对训练样本进行预处理，获得虚拟训练样本；2.通过线性字典学习的方法对虚拟训练样本进行训练，获得稀疏字典；3.随机初始化观测矩阵，通过核压缩感知的方法实现非线性压缩感知光谱成像；4.利用pre?image方法恢复出原信号。实验结果表明：在相同的采样率下，本发明方法同现有KPCA的字典学习方法相比，其重构效果较好，且时间复杂度大大降低，可用于高光谱图像的低速率采样和恢复。
-
公开(公告)号：CN105844591B
公开(公告)日：2018-08-21
申请号：CN201610015219.8
申请日：2016-01-11
Applicant: 西安电子科技大学昆山创新研究院
IPC: G06T5/00
Abstract: 本发明公开了一种基隐空间样例学习的非线性压缩光谱成像方法，主要解决现有技术在利用核函数进行非线性空间下的字典学习中时间复杂度和空间复杂度过高的问题。其实现步骤为：1.对训练样本进行预处理，获得虚拟训练样本；2.通过线性字典学习的方法对虚拟训练样本进行训练，获得稀疏字典；3.随机初始化观测矩阵，通过核压缩感知的方法实现非线性压缩感知光谱成像；4.利用pre‑image方法恢复出原信号。实验结果表明：在相同的采样率下，本发明方法同现有KPCA的字典学习方法相比，其重构效果较好，且时间复杂度大大降低，可用于高光谱图像的低速率采样和恢复。
-
公开(公告)号：CN119600194A
公开(公告)日：2025-03-11
申请号：CN202411619353.X
申请日：2024-11-13
Applicant: 西安电子科技大学
IPC: G06T17/00 , G06T19/20 , G06N3/045 , G06N3/0475 , G06N3/08
Abstract: 本发明公开了一种生成掩码与图像解耦的扩散三维医学影像生成方法，涉及图像处理和分析技术领域，解决了现有技术中进行图像转换时泛化能力差、计算效率低，且对训练数据依赖性高的问题；该方法包括：获取掩码图像，利用多条件扩散概率模型对掩码图像进行处理，得到多标签掩码序列；根据筛选条件对三维医学图像数据进行筛选，确定知情切片集，并将多标签掩码序列与知情切片集输入至体积扩散生成模型中，得到三维合成图像；对三维合成图像添加随机噪声，利用扩散语义细化生成模型，将添加随机噪声后的三维合成图像进行细化，得到细化三维图像；实现了数据解耦和生成模型体积一致，并且能够生成更高质量的三维医学图像。
-
Patent Agency Ranking
公开(公告)号：CN118965070A
公开(公告)日：2024-11-15
申请号：CN202411034092.5
申请日：2024-07-30
Applicant: 西安电子科技大学
IPC: G06F18/24 , G06F18/214 , G06F18/25 , G06F18/213 , G06F18/10 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及了电磁信号调制识别技术领域，具体涉及了一种基于U‑Mamba的电磁信号识别方法及系统。包括获取待识别的电磁信号数据，将待识别的电磁信号数据输入至构建好的识别模型中，对电磁信号数据中受干扰信号进行调制识别，得到最终的分类结果；其中识别模型基于U‑Mamba算法构建得到，识别模型为利用电磁信号数据集训练好的模型，所述电磁信号数据集包括受干扰信号和未受干扰信号，该方法不仅可准确的识别出受干扰信号，还能够有效防止现有网络中的部分缺陷。
-
公开(公告)号：CN118351475A
公开(公告)日：2024-07-16
申请号：CN202410541425.7
申请日：2024-04-30
Applicant: 西安电子科技大学
IPC: G06V20/40 , G06V40/20 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/045
Abstract: 一种基于代理注意力及多尺度Transformer的视频时序动作定位方法、系统、设备及介质，方法：利用预训练的特征提取器从输入视频中提取特征；构建基于代理自注意力和多尺度Transformer的时序动作定位模型，堆叠七个Transformer模块，用于对输入的视频特征进行编码，提取关键信息；将多尺度Transformer模块和代理Transformer模块输出的不同尺度特征送入到回归头和分类头中，得到定位结果，即未裁剪视频中动作实例的开始时刻、结束时刻以及动作的类别标签；系统、设备及介质用于实现该方法；本发明通过结合卷积和Transformer架构的混合模块及细粒度代理自注意力模块，降低视频特征间的相似度，减少模型的参数量和计算复杂度，提高模型的表征能力，进而提高视频动作定位精度。
-
公开(公告)号：CN117011720A
公开(公告)日：2023-11-07
申请号：CN202310593523.0
申请日：2023-05-24
Applicant: 西安电子科技大学
IPC: G06V20/13 , G06V10/764 , G06V10/774 , G06V10/40 , G06V10/82 , G06N3/04 , G06N3/0464 , G06N3/098 , G06N3/084
Abstract: 本发明公开了一种基于复数NSCT神经网络和统计特征的极化SAR图像分类方法，包括：对待分类的极化SAR图像进行预处理，并将其分为训练集和测试集；构建复数NSCT神经网络，并设置网络参数；复数NSCT神经网络包括复空域特征学习模块、复频域NSCT特征学习模块、统计特征集成模块以及分类模块；将训练集输入到复数NSCT神经网络中，对网络进行训练；利用训练好的复数NSCT神经网络对测试集进行分类，以获得极化SAR图像分类结果。该方法缓解了斑点噪声对纹理信息提取的干扰，增强了图像特征的方向性、奇异性和正则性的稀疏表示，提升了网络的分类能力和逼近性能，从而提高了极化SAR图像的分类结果。
-
公开(公告)号：CN113378721B
公开(公告)日：2023-08-18
申请号：CN202110657280.3
申请日：2021-06-11
Applicant: 西安电子科技大学
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于对称和局部判别的生成对抗人脸校正方法及系统，构造并训练基于对称性先验和局部判别的多路生成对抗网络，该网络包括多路生成器、全局图像判别器、局部区域判别器、全局图像特征提取网络和局部区域特征提取网络。依据人脸对称性这一先验知识，统一人脸偏转方向为正偏转方向，采用局部生成器对发生纹理和结构形变较小的左眼区域进行校正，水平翻转校正后的左眼区域作为校正后的右眼区域；同时对生成的正脸图像提取对应的局部区域进行图像判别和身份判别，使得最终生成的正脸图像在双眼区域与真实的正脸图像能够保持较好的一致性，同时能够更好的恢复局部纹理细节。
-
公开(公告)号：CN113240039B
公开(公告)日：2023-08-15
申请号：CN202110605399.6
申请日：2021-05-31
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0985
Abstract: 本发明公开了基于空间位置特征重加权的小样本目标检测方法及系统，按照基类和新类构造支持集和查询集样本；构造基于目标完整性的特征融合模块；构造基于空间位置信息的特征调整模块；使用两阶段的训练方式对整个网络进行训练，该网络包括特征提取器、基于目标完整性的特征融合模块、元学习器、基于空间位置信息的特征调整模块和检测层；在基类训练阶段，使用基类构造的支持集和查询样本训练；在小样本微调阶段，使用基类和新类构造的平衡数据集训练；输入新类的测试和支持集图像，得到检测结果；本发明利用多个浅层特征并维持目标结构的完整性，同时，通过生成包含空间位置信息的元特征，对查询样本特征进行空间维度的调整，提高目标检测效果。
-
-
-
-
-
-
-
-
-
Search Results
840
records
(took 0.01 seconds)
