-
公开(公告)号：CN111738114B
公开(公告)日：2023-09-05
申请号：CN202010521952.3
申请日：2020-06-10
Applicant: 杭州电子科技大学
IPC: G06V20/13 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于无锚点精确采样遥感图像车辆目标检测方法，包括如下步骤：S1，使用多层卷积神经网络对原始图片进行特征提取，根据不同尺度大小的特征图构成自上而下特征金字塔；S2，对于特征金字塔的每一层特征，生成特征图上所有像素点的类别预测；S3，对于特征金字塔的每一层特征，生成特征图上所有像素点的目标框预测；S4，根据输入图片中的真实框面积信息确定当前车辆目标所属的特征图；S5，借助真实框内的目标实例分割信息确定目标在该层特征内的正样本像素点，并计算该像素点到真实框四条边的差值；S6，计算所有正样本像素点的类别损失与关于真实框的回归损失。
-
公开(公告)号：CN111738113B
公开(公告)日：2023-07-07
申请号：CN202010521918.6
申请日：2020-06-10
Applicant: 杭州电子科技大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于双注意力机制与语义约束角的高分辨率遥感图像的道路提取方法，包括以下步骤：S1，对Massachusetts数据集里面的遥感道路图像进行操作来进行数据集的数据扩增，对数据集里面的遥感道路图像的标签图像进行语义约束角计算的数据预处理操作；S2，使用卷积神经网络提取遥感道路图像的特征图，并在卷积神经网络中加入位置注意力机制和通道注意力机制来计算不同通道和位置的特征权重，让网络模型能够更好的获取不同位置和不同通道的语义信息；S3，设计主损失函数，辅助损失函数来优化网络参数；S4，用训练好的模型在测试样本集上进行测试，经过网络模型的特征提取和特征上采样来得到最终的分割图像。
-
公开(公告)号：CN111738110A
公开(公告)日：2020-10-02
申请号：CN202010521480.1
申请日：2020-06-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多尺度注意力机制的遥感图像车辆目标检测方法，包括：S1，使用多层卷积神经网络对原始图片进行特征提取，将生成的不同尺度特征图构建一个自底向上的金字塔网络；S2，对于已经构建好的金字塔网络，实现自顶向下的特征融合，在融和过程中，依次对高层特征图进行通道注意力操作，并融合到低层特征图；S3，获取融合后的低层特征图的空间注意力信息，并融合到原有的低层特征中；S4，通过预先设定的大小、比例等生成大量候选框，根据检测目标的真实框大小决定所用到的特征图，再通过真实框与候选框的交并比判定候选框的正负性；S5，对得到的正样本候选框直接预测其类别信息以及回归信息，使用非极大抑制方法，滤除得到的重叠区域同类别候选框。
-
公开(公告)号：CN101867399B
公开(公告)日：2014-07-16
申请号：CN200910135333.4
申请日：2009-04-20
Applicant: 电子科技大学 , 株式会社NTT都科摩
Abstract: 本发明提供了一种多输入多输出系统中的多用户调度方法及装置。在该方法中，各移动台从预先设置的码本中选择与自身相匹配的最优向量作为量化信道，计算该量化信道对应的信道质量信息，并上报给基站；基站根据预先设置的调度原则从等待调度用户中选择第一个被调度用户，通过正交分解方式，从第一个被调度用户对应的量化信道得到酉矩阵；将与所述酉矩阵中除第一个列向量之外的其余列向量匹配的用户确定为其它被调度用户。本发明的方案能够有效地提高多输入多输出系统性能。
-
公开(公告)号：CN101729475B
公开(公告)日：2013-09-25
申请号：CN200810170235.X
申请日：2008-10-14
Applicant: 电子科技大学 , 株式会社NTT都科摩
IPC: H04L27/26
Abstract: 本发明公开了一种多载波信号处理方法及装置。在该方法中包括：A.将待处理信号中幅值高于预设的比较门限且未被峰值抵消处理的一个采样点作为对象采样点，根据预设的目标门限对所述对象采样点进行单点峰值抵消处理，所述比较门限大于或者等于所述目标门限；B.利用对所述对象采样点进行单点峰值抵消处理的结果更新所述待处理信号，并在更新后的待处理信号中存在未被峰值抵消的采样点时，返回执行所述步骤A。本发明的方案能够有效地提高PAPR抑制性能。
-
Patent Agency Ranking
公开(公告)号：CN101378373A
公开(公告)日：2009-03-04
申请号：CN200710147972.3
申请日：2007-08-30
Applicant: 电子科技大学 , 株式会社NTT都科摩
IPC: H04L27/26
Abstract: 本发明提供一种多载波数据处理方法，在该方法中，将待处理数据划分为奇频点信号和偶频点信号，并确定信号轮换顺序；按照所确定的轮换顺序，轮流对奇频点信号和偶频点信号进行限幅和滤波处理，将得到的奇频点处理结果和偶频点处理结果合并，作为数据处理结果。本发明还提供一种多载波数据处理装置。本发明的技术方案能够有效地降低多载波数据处理过程中的计算复杂度。
-
公开(公告)号：CN111738114A
公开(公告)日：2020-10-02
申请号：CN202010521952.3
申请日：2020-06-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于无锚点精确采样遥感图像车辆目标检测方法，包括如下步骤：S1，使用多层卷积神经网络对原始图片进行特征提取，根据不同尺度大小的特征图构成自上而下特征金字塔；S2，对于特征金字塔的每一层特征，生成特征图上所有像素点的类别预测；S3，对于特征金字塔的每一层特征，生成特征图上所有像素点的目标框预测；S4，根据输入图片中的真实框面积信息确定当前车辆目标所属的特征图；S5，借助真实框内的目标实例分割信息确定目标在该层特征内的正样本像素点，并计算该像素点到真实框四条边的差值；S6，计算所有正样本像素点的类别损失与关于真实框的回归损失。
-
公开(公告)号：CN111738112A
公开(公告)日：2020-10-02
申请号：CN202010521534.4
申请日：2020-06-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度神经网络和自注意力机制的遥感船舶图像目标检测方法，包括以下步骤：S1，收集遥感卫星船舶图像数据集，并进行样本标注；S2，对经过S1所提取的数据集中的样本进行数据预处理；S3，用经过特征金字塔网络对预处理后的样本进行特征提取；S4，给水平锚点添加角度参数，设置为旋转锚点，再送入RPN网络；S5，搭建RNN网络融合Self-Attention，对候选区域的置信度进行重计分；S6，搭建Fast R-CNN网络；S7，对由S1采集到的测试数据进行训练阶段的步骤S2预处理操作；S8，将经过S7处理的样本送入S3、S4、S5和S6构建的模型中进行测试求得结果，即最后经过Fast R-CNN输出分类与回归的结果。
-
公开(公告)号：CN111738111A
公开(公告)日：2020-10-02
申请号：CN202010521528.9
申请日：2020-06-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多分支级联空洞空间金字塔的高分辨率遥感图像的道路提取方法，包括如下步骤:S1，数据预处理，对Massachusetts数据集里面的数据进行数据扩增；S2，搭建模型，使用卷积神经网络提取遥感道路图像的特征图，结合多分支级联空洞空间金字塔来提取道路图像上的特征信息，多分支级联空洞空间金字塔对所给定的输入以不同空洞比率的级联空洞卷积进行并行采样，相当于以多种方式捕捉图像的上下文信息；S3，设计损失函数来优化网络参数，并且建立评估指标F1和评估指标MIOU；S4，用训练好的模型在测试样本集上进行测试，经过网络模型的特征提取和特征上采样来得到最终的分割图像。
-
公开(公告)号：CN110033043A
公开(公告)日：2019-07-19
申请号：CN201910306521.2
申请日：2019-04-16
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于条件生成式对抗网络的雷达一维距离像拒判方法，包括如下步骤：S1：对原始HRRP样本集进行预处理；S2：搭建模型：在TensorFlow平台上搭建条件生成式对抗网络，根据网络特点设计优化目标函数；S3：调参训练：每一帧都按相同步骤训练出一个判别器，使用所述优化目标函数进行参数更新；S4：用训练好的模型在测试样本集上进行测试：从每一帧训练集所训练出的条件生成式判别网络中分别提取出判别器进行测试，对判别器设置相应阈值，若测试样本经过所有判别器的输出都小于阈值，则对该测试样本进行拒判。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.031 seconds)
