-
公开(公告)号：CN108510532B
公开(公告)日：2022-07-15
申请号：CN201810276562.7
申请日：2018-03-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度卷积GAN的光学和SAR图像配准方法，其步骤包括，获取训练样本，构建两个生成对抗网络，训练生成对抗网络，扩充训练样本数据，构建特征提取和匹配网络，采用交叉迭代策略训练特征提取和匹配网络，预测匹配关系，去除误匹配点，计算几何变换矩阵，配准图像；本发明克服了现有技术中神经网络训练样本数据不足、样本单一且提取的图像特征丢失空间信息的问题，有效提高了异源图像配准的鲁棒性，实现了对SAR和光学图像更高精度的配准。
-
公开(公告)号：CN110659680A
公开(公告)日：2020-01-07
申请号：CN201910872936.6
申请日：2019-09-16
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多尺度卷积的图像patch匹配方法，通过准备数据集；制作数据集；数据预处理；设计三分支-双通道网络结构；设计多尺度卷积模块；根据提取的特征计算相似性；网络训练；预测匹配概率；评估网络性能。本发明有效克服了现有技术中训练不充分、没有使用多尺度信息等问题，极大的提高了网络的性能，提升了网络的训练效率，增强了网络的鲁棒性。本发明可应用于图像配准、图像检索、图像追踪、多视角重建等领域。
-
公开(公告)号：CN108564606A
公开(公告)日：2018-09-21
申请号：CN201810276986.3
申请日：2018-03-30
Applicant: 西安电子科技大学
Abstract: 本发明提供的基于图像转换的异源图像块匹配方法，其步骤为：获取训练样本和测试样本，构建图像转换网络，训练图像转换网络，构建特征提取和匹配网络，训练特征提取和匹配网络，预测匹配结果。本发明克服了现有技术中对异源图像提取的特征差异性大且不准确的问题，有效降低了匹配难度，提高了异源图像块匹配的准确率和鲁棒性。
-
公开(公告)号：CN108510532A
公开(公告)日：2018-09-07
申请号：CN201810276562.7
申请日：2018-03-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度卷积GAN的光学和SAR图像配准方法，其步骤包括，获取训练样本，构建两个生成对抗网络，训练生成对抗网络，扩充训练样本数据，构建特征提取和匹配网络，采用交叉迭代策略训练特征提取和匹配网络，预测匹配关系，去除误匹配点，计算几何变换矩阵，配准图像；本发明克服了现有技术中神经网络训练样本数据不足、样本单一且提取的图像特征丢失空间信息的问题，有效提高了异源图像配准的鲁棒性，实现了对SAR和光学图像更高精度的配准。
-
公开(公告)号：CN108564606B
公开(公告)日：2022-06-24
申请号：CN201810276986.3
申请日：2018-03-30
Applicant: 西安电子科技大学
Abstract: 本发明提供的基于图像转换的异源图像块匹配方法，其步骤为：获取训练样本和测试样本，构建图像转换网络，训练图像转换网络，构建特征提取和匹配网络，训练特征提取和匹配网络，预测匹配结果。本发明克服了现有技术中对异源图像提取的特征差异性大且不准确的问题，有效降低了匹配难度，提高了异源图像块匹配的准确率和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN109034224B
公开(公告)日：2022-03-11
申请号：CN201810777205.9
申请日：2018-07-16
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/774 , G06K9/62 , G06N3/04
Abstract: 本发明提供的基于双分支网络的高光谱分类方法，首先，通过数据重采样的方法，既保证训练过程中的每次迭代时输入数据各类别样本数量不是恒定相等的，又能保证在统计学上参与训练的每类样本是均衡的。这样不仅有效缓解了网络学习中的样本不平衡问题，同时保持了数据的多样性；为了提取数据多尺度特征，本发明使用了双分支的网络结构，通过三种训练策略，进行半监督学习，这样不仅扩充了训练集，而且通过集成学习策略，相比于其他分类方法，极大程度的提高了分类精度。本发明提出的基于双分支网络的高光谱分类方法不仅在性能上优于其他方法，而且在训练效率上也优于其他方法。
-
公开(公告)号：CN110659680B
公开(公告)日：2022-02-11
申请号：CN201910872936.6
申请日：2019-09-16
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多尺度卷积的图像patch匹配方法，通过准备数据集；制作数据集；数据预处理；设计三分支‑双通道网络结构；设计多尺度卷积模块；根据提取的特征计算相似性；网络训练；预测匹配概率；评估网络性能。本发明有效克服了现有技术中训练不充分、没有使用多尺度信息等问题，极大的提高了网络的性能，提升了网络的训练效率，增强了网络的鲁棒性。本发明可应用于图像配准、图像检索、图像追踪、多视角重建等领域。
-
公开(公告)号：CN107808143B
公开(公告)日：2021-06-01
申请号：CN201711102008.9
申请日：2017-11-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于计算机视觉的动态手势识别方法。解决了在复杂背景下手势的动态识别问题。其实现步骤为：采集手势数据集并进行人工标注，对标注的图像集真实框进行聚类获得训练的先验框，构建端到端的可同时预测目标位置、大小和类别的卷积神经网络，训练网络获得权重，加载权重到网络，输入手势图像进行识别，非极大值抑制方法处理获得的位置坐标及所属类别信息，获得最终的识别结果图像，实时记录识别信息获得动态手势解译结果。本发明克服了现有技术中手势识别中手部检测和类别识别分步进行的缺陷，极大的简化了手势识别的过程，提高了识别的准确度和速度，增强了识别系统的鲁棒性，并且实现了对动态手势解译的功能。
-
公开(公告)号：CN108537264A
公开(公告)日：2018-09-14
申请号：CN201810277816.7
申请日：2018-03-30
Applicant: 西安电子科技大学
Abstract: 本发明提供的基于深度学习的异源图像匹配方法，首先制作异源图像块数据集；图像预处理；获取图像块特征图；通过特征图得到特征向量；特征图的融合并归一化；训练图像匹配网络；预测匹配概率；本发明有效克服了现有技术中异源图像块匹配过拟合的问题，极大的提高了网络的性能，提升了网络的训练效率，增强了网络的鲁棒性。本发明可应用于异源图像配准、图像追踪、多视角重建等领域。
-
公开(公告)号：CN107808143A
公开(公告)日：2018-03-16
申请号：CN201711102008.9
申请日：2017-11-10
Applicant: 西安电子科技大学
CPC classification number: G06K9/00355 , G06K9/6218 , G06K9/6277 , G06N3/0454
Abstract: 本发明公开了一种基于计算机视觉的动态手势识别方法。解决了在复杂背景下手势的动态识别问题。其实现步骤为：采集手势数据集并进行人工标注，对标注的图像集真实框进行聚类获得训练的先验框，构建端到端的可同时预测目标位置、大小和类别的卷积神经网络，训练网络获得权重，加载权重到网络，输入手势图像进行识别，非极大值抑制方法处理获得的位置坐标及所属类别信息，获得最终的识别结果图像，实时记录识别信息获得动态手势解译结果。本发明克服了现有技术中手势识别中手部检测和类别识别分步进行的缺陷，极大的简化了手势识别的过程，提高了识别的准确度和速度，增强了识别系统的鲁棒性，并且实现了对动态手势解译的功能。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.03 seconds)
