公开(公告)号：CN116935213A

公开(公告)日：2023-10-24

申请号：CN202310761441.2

申请日：2023-06-26

申请人： 西安电子科技大学

发明人： 杜兰 ,  麻弘扬 ,  郭昱辰 ,  周宇

IPC分类号： G06V20/10 ,  G06V10/764 ,  G06V10/82 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0495 ,  G06N3/08

摘要： 本发明公开了一种基于知识蒸馏的轻量化SAR图像的目标检测方法，包括：获取待检测的SAR图像；将所述待检测的SAR图像输入至训练好的轻量化的学生网络，得到目标检测结果；其中，以YOLOX‑S模型为基线构建所述轻量化的学生网络；轻量化的学生网络利用训练好的教师网络进行训练，且轻量化的学生网络的损失函数包括非蒸馏损失与蒸馏损失，以使训练好的轻量化的学生网络结合顶层知识蒸馏与隐层知识蒸馏的知识蒸馏方法进行目标检测，得到目标检测结果。本发明能够充分提取教师网络中有利于轻量化的学生网络学习的知识，从而更好地提高轻量化的性能，使得轻量化模型的检测精度可与复杂大模型相比较，实现对地检测的精度要求。

公开(公告)号：CN116739158A

公开(公告)日：2023-09-12

申请号：CN202310640040.1

申请日：2023-05-31

申请人： 西安电子科技大学

发明人： 邢立宁 ,  蒋雪梅 ,  李豪 ,  郭泱泱 ,  吕旷达 ,  周宇 ,  万方高 ,  李济廷 ,  宋彦杰

IPC分类号： G06Q10/04 ,  G06Q10/067 ,  G06Q10/0637 ,  G06Q10/0631 ,  G06Q50/06

摘要： 本发明公开了一种基于强化学习的自适应优化储能方法，包括：获取用户的电力数据，构建用户的需量计费模型；结合所述需量计费模型，考虑约束条件，对当前用电情况下储能系统的经济效益进行分析和评估，得到储能系统初步分配方案；根据所述储能系统初步分配方案，对储能动作参数进行预处理，并对动作策略进行粗分配；将粗分配后的储能系统动作转变为动作序列并与每个时刻点对应，生成按照时间排序的储能系统调度序列；需要根据当前环境特征，对所述储能系统调度序列进行动态的动作调整，以达到企业收益最优的目的。本发明弥补了传统算法通用性不足的缺陷，降低了传统算法对场景的依赖，能够适用在不同的场景，最终获得最优化的调度策略。

公开(公告)号：CN113361472B

公开(公告)日：2023-04-18

申请号：CN202110745157.7

申请日：2021-07-01

申请人： 西安电子科技大学

发明人： 杜兰 ,  李洋 ,  陈健 ,  周宇

IPC分类号： G06V20/50 ,  G06V10/764 ,  G06V10/774

摘要： 一种基于ILFAcs模型的雷达HRRP目标识别方法，其实现步骤为：从HRRP数据流中提取功率谱特征；训练最大间隔因子分析MMFA模型；生成永久保留样本集；获得第0个时刻之外的每个时刻的训练数据；构建ILFAcs模型；训练ILFAcs模型；更新永久保留样本集；目标识别。本发明构建ILFAcs模型，对雷达HRRP数据流进行学习，能有效减少了时间和空间资源的浪费，提高了雷达HRRP目标识别效率，同时生成含有代表性雷达HRRP数据的永久保留样本集，缓解了灾难性遗忘问题，提升了雷达HRRP目标识别性能。

公开(公告)号：CN110288616B

公开(公告)日：2022-12-09

申请号：CN201910588150.1

申请日：2019-07-01

申请人： 电子科技大学

发明人： 王慧 ,  彭真明 ,  范文澜 ,  王卓然 ,  何艳敏 ,  赵学功 ,  袁国慧 ,  孔轩 ,  周宇 ,  蒲恬 ,  曲超

IPC分类号： G06T7/11 ,  G06T7/136 ,  G06T3/00

摘要： 本发明公开了一种基于分形和RPCA分割眼底图像中硬性渗出的方法，属于图像处理技术领域，解决现有技术中分割硬性渗出的方法，存在目标特征选择难、检测准确率不高或检测不完全或算法时间复杂度高等问题。本发明输入RGB眼底图像作为原图，提取视场模板图像、血管图像和视盘模板图像；利用提取到的血管图像，去除原图中的血管，得到去除血管后的图像；对去除血管后的图像进行RPCA稀疏重建提取稀疏分量，并用视场模板图像和视盘模板图像去除稀疏分量的干扰区域，对去除干扰区域后的图像采用动态阈值分割方法提取硬性渗出候选区域图像，以及基于硬性渗出候选区域图像进行分类。本发明用于分割眼底图像中的硬性渗出。

公开(公告)号：CN113534059B

公开(公告)日：2022-12-02

申请号：CN202110831478.9

申请日：2021-07-22

申请人： 西安电子科技大学

发明人： 周宇 ,  宋星 ,  梁晓敏 ,  周兵

IPC分类号： G01S7/02 ,  G01S7/36 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开一种开集场景下基于深度卷积网络的雷达有源干扰识别方法，其实现步骤为：获取雷达有源干扰信号；对每个干扰信号进行归一化处理；生成训练集和验证集；构建深度卷积网络并进行训练；使用深度卷积网络获取待识别有源干扰信号的后验分布；计算有源干扰信号后验分布的置信分数；判断置信分数是否超过阈值，若是，选择后验分布中后验概率最高的干扰作为识别结果输出，否则，识别结果为未知干扰类型。本发明具有既能准确识别已知有源干扰类型也能检测出未知有源干扰类型优点，同时具有自动提取有源干扰信号的特征的能力。

公开(公告)号：CN113240047B

公开(公告)日：2022-12-02

申请号：CN202110613816.1

申请日：2021-06-02

申请人： 西安电子科技大学

发明人： 杜兰 ,  李毅 ,  李晨 ,  周宇

IPC分类号： G06V10/774 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于部件解析多尺度卷积神经网络的合成孔径雷达SAR目标识别方法，主要解决现有技术对SAR目标内在信息挖掘不充分且难以建立合适的模版库导致SAR目标识别准确率低的问题，实现步骤为：(1)生成训练集；(2)构建部件解析多尺度卷积神经网络；(3)训练部件解析多尺度卷积神经网络；(4)对待分类的合成孔径雷达SAR复图像进行分类。本发明同时利用了SAR目标的幅值信息和电磁散射信息，并通过网络对SAR图像进行分类，使得本发明对SAR目标内在信息挖掘更加充分且不需要构建模版库，有效地提高了SAR目标识别的准确率。

公开(公告)号：CN114737164A

公开(公告)日：2022-07-12

申请号：CN202210407804.8

申请日：2022-04-19

申请人： 电子科技大学

发明人： 周宇 ,  李猛 ,  李萍剑

IPC分类号： C23C16/30 ,  C23C16/44 ,  C23C16/448

摘要： 本发明公开了一种制备厘米级多相二硫化钼薄膜的方法，属于半导体材料制备技术领域。本发明以三份硫粉和一份五氯化钼粉末作为硫源和碳源，第2和3份硫单质其设置的温度和钼源相同，这将有效降低MoCl5的蒸发速率，使得钼源在硫氛围中慢速蒸发反应生长，可以抑制MoS2小颗粒的生长，改善MoS2薄膜的均匀一致性。本发明中这种独特的硫源和钼源设置方式使得MoS2无论在形核和连续成膜的过程中都处在完全过硫的状态中(由于MoCl5的蒸发温度高于S单质)，正是这种全程过硫的状态使得2H相和1T相在同一生长过程中同时实现。本发明以氩气作为载气，采用低压化学气相沉积法制备方式，在重掺p型SiO2/Si衬底上制备了多相二硫化钼薄膜；本发明制备的多相二硫化钼薄膜同时具备2H相和1T相。

公开(公告)号：CN114545402A

公开(公告)日：2022-05-27

申请号：CN202210139498.4

申请日：2022-02-16

申请人： 西安电子科技大学

发明人： 李亚超 ,  朱恩娣 ,  苏毅 ,  王轩 ,  郭亮 ,  周宇 ,  张磊

IPC分类号： G01S13/89 ,  G01S7/292 ,  G01S7/295 ,  G06F17/16

摘要： 本发明提出了一种SVD求逆分裂布雷格曼的扫描雷达前视成像方法，解决了现有技术中存在复杂矩阵求逆导致前视扫描雷达成像效率较低的问题。实现步骤为：对回波矩阵进行预处理；构建每个距离单元的目标散射幅度向量，噪声幅度向量以及类卷积测量矩阵；建立每个距离单元前视高分辨成像类卷积模型；将前视高分辨成像问题转换为无约束凸优化问题；获取托普利茨矩阵；对类卷积测量矩阵进行奇异值分解，以获取托普利茨矩阵的逆矩阵；采用裂布雷格曼求解无约束凸优化问题，将逆矩阵带入目标散射幅度计算公式，得到扫描雷达前视高分辨图像，本发明在保证高分辨成像质量的同时，显著提升了成像效率，为实现前视扫描雷达快速成像提供了新思考。

公开(公告)号：CN111027493B

公开(公告)日：2022-05-20

申请号：CN201911284456.4

申请日：2019-12-13

申请人： 电子科技大学

发明人： 袁国慧 ,  叶涛 ,  王卓然 ,  彭真明 ,  潘为年 ,  柳杨 ,  孙煜成 ,  周宇 ,  杨博文 ,  张文超

IPC分类号： G06V40/10 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于深度学习多网络软融合的行人检测方法，涉及图像处理、目标检测及深度学习技术领域；其包括S1：输入待处理图像；S2：将待处理图像输入一个以Darknet‑53为基础网络的YOLO v3行人候选区生成器中，生成行人候选区；S3：将待处理图像输入前端预测模块，输出C个特征图；S4：将C个特征图输入语义分割系统，输出C个包含上下文信息的特征图；S5：将语义分割系统的结果与行人候选区生成器产生的行人候选结果进行融合；S6：输出检测图像。本发明并行软融合行人候选区生成器和语义分割两个系统，高效地检测各种挑战场景下的行人，同时提高了对小目标的检测能力。

公开(公告)号：CN113012184A

公开(公告)日：2021-06-22

申请号：CN202110509198.6

申请日：2021-05-11

申请人： 电子科技大学

发明人： 袁国慧 ,  周宇 ,  魏浩然 ,  王卓然 ,  曲超 ,  邓斌 ,  李和恩

IPC分类号： G06T7/136 ,  G06T7/187 ,  G06T7/30 ,  G06T7/90 ,  G06K9/62 ,  G06K9/46

摘要： 本发明公开了一种基于Radon变换与多类型图像联合分析的方法，属于图像处理技术领域。首先对荧光造影图像进行预处理，再利用重叠滑动窗口与Radon变换实现高连续性的血管分割，将预处理图像中的血管进行去除。再使用主成分分析法得到每个连通域的长短轴方向，计算长短轴长度比，去除线性结构，得到微血管瘤初检测结果。此外，对两类图像的血管分割结果利用SIFT与RANSAC算法进行图像配准，去除初检测结果中在彩色眼底图像对应位置红色强度低的区域，优化了微血管瘤的错检率，提高最终微血管瘤检测率。本发明同时利用彩色眼底图像与荧光造影图像在检测微血管瘤方面的优势，解决了仅利用单类图像对微血管瘤检测的局限性，提高了检测的准确率。