-
公开(公告)号：CN119131088B
公开(公告)日：2025-01-28
申请号：CN202411606147.5
申请日：2024-11-12
Applicant: 成都信息工程大学
IPC: G06T7/246 , G06T5/50 , G06N3/0464 , G06N3/0455 , G06N3/0495 , G06N3/084 , G06N3/042
Abstract: 本申请公开了基于轻量化超图网络的红外图像弱小目标检测跟踪方法，包括：S1、收集红外图像，并通过红外图像的语义特征变分自编码器构建红外目标完备数据库；S2、利用红外目标完备数据库构建并训练超图网络目标检测与识别模型；S3、使用超图网络目标检测与识别模型对红外图像中弱小目标进行检测跟踪，本申请实现了稳健、鲁棒、实时的红外弱小目标检测与跟踪，解决了星上/机载计算能力与存储资源受限条件下深度学习网络模型的部署难题。
-
公开(公告)号：CN119131088A
公开(公告)日：2024-12-13
申请号：CN202411606147.5
申请日：2024-11-12
Applicant: 成都信息工程大学
IPC: G06T7/246 , G06T5/50 , G06N3/0464 , G06N3/0455 , G06N3/0495 , G06N3/084 , G06N3/042
Abstract: 本申请公开了基于轻量化超图网络的红外图像弱小目标检测跟踪方法，包括：S1、收集红外图像，并通过红外图像的语义特征变分自编码器构建红外目标完备数据库；S2、利用红外目标完备数据库构建并训练超图网络目标检测与识别模型；S3、使用超图网络目标检测与识别模型对红外图像中弱小目标进行检测跟踪，本申请实现了稳健、鲁棒、实时的红外弱小目标检测与跟踪，解决了星上/机载计算能力与存储资源受限条件下深度学习网络模型的部署难题。
-
公开(公告)号：CN113094368A
公开(公告)日：2021-07-09
申请号：CN202110392024.6
申请日：2021-04-13
Applicant: 成都信息工程大学 , 汉网云联成都科技有限公司
Inventor： 乔少杰 , 杨国平 , 宋海权 , 韩楠 , 李勇 , 闵圣捷 , 王伟业 , 孙科 , 袁犁 , 张浩东 , 范勇强 , 甘戈 , 冉先进 , 魏军林 , 余华 , 元昌安 , 黄发良 , 覃晓 , 郑皎凌 , 张永清
IPC: G06F16/22 , G06F16/2455 , G06F16/2457 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种提升缓存访问命中率的系统及方法，通过设置DDQN模型，提升了缓存区的访问命中率，能够更好地利用缓存区，提高了查询效率。本发明提供的DDQN模型能够学习经验，可以将若干个查询放入查询集合存储表并调度，且从历史执行的查询中获得更多的经验，改进调度策略。本发明能够有效地捕捉缓存区状态以及数据访问模式，更好地利用了缓存区并改进其查询的决策安排；DDQN模型能够适应从未执行过的查询，查询调度策略能够快速适应新的查询模板，从而产生显著的效果以及提升资源共享效率。
-
公开(公告)号：CN117876890B
公开(公告)日：2024-05-07
申请号：CN202410272406.9
申请日：2024-03-11
Applicant: 成都信息工程大学
IPC: G06V20/13 , G06V10/764 , G06V10/80 , G06V10/82 , G06T3/4053 , G06F17/14
Abstract: 本发明公开了一种基于多级特征融合的多源遥感图像分类方法，属于多源遥感图像分类技术领域，包括以下步骤：采集高光谱图像和激光雷达图像，生成多源遥感图像数据；对多源遥感图像数据进行特征提取，得到局部像素级特征；采用简单线性迭代聚类对高光谱图像和激光雷达图像进行超像素分割，得到超像素集合；对超像素集合进行特征提取，得到全局超像素级特征；将局部像素级特征和全局超像素级特征进行融合，得到融合输出特征，并通过融合输出特征进行多源遥感图像分类，得到多源遥感图像分类结果。本发明解决了现有多源遥感图像特征融合时存在异质图像特征提取困难、信息冗余、噪声干扰，不同源数据的兼容性低以及传感器和气候造成分布差异的问题。
-
公开(公告)号：CN117876890A
公开(公告)日：2024-04-12
申请号：CN202410272406.9
申请日：2024-03-11
Applicant: 成都信息工程大学
IPC: G06V20/13 , G06V10/764 , G06V10/80 , G06V10/82 , G06T3/4053 , G06F17/14
Abstract: 本发明公开了一种基于多级特征融合的多源遥感图像分类方法，属于多源遥感图像分类技术领域，包括以下步骤：采集高光谱图像和激光雷达图像，生成多源遥感图像数据；对多源遥感图像数据进行特征提取，得到局部像素级特征；采用简单线性迭代聚类对高光谱图像和激光雷达图像进行超像素分割，得到超像素集合；对超像素集合进行特征提取，得到全局超像素级特征；将局部像素级特征和全局超像素级特征进行融合，得到融合输出特征，并通过融合输出特征进行多源遥感图像分类，得到多源遥感图像分类结果。本发明解决了现有多源遥感图像特征融合时存在异质图像特征提取困难、信息冗余、噪声干扰，不同源数据的兼容性低以及传感器和气候造成分布差异的问题。
-
Patent Agency Ranking
公开(公告)号：CN116645552A
公开(公告)日：2023-08-25
申请号：CN202310589053.0
申请日：2023-05-23
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于图胶囊神经网络的高光谱湿地图像分类方法，其包括以下步骤：S1：生成对抗域自适应框架进行学习特征变换，使高光谱湿地图像的源域样本与目标域样本进行特征匹配；S2：构造图胶囊神经域自适应网络结构，提取域不变特征和域相关特征，发现可迁移特征并跨域共享；S3：设计耦合结构两分类器，利用源域样本训练两分类器，最大化目标域样本的分类差异，通过识别分类边界实现高光谱湿地图像的精准分类。本发明同时发现可迁移知识并实现跨域共享，增强了类边界的有效判别，最终实现了在未知区域、复杂场景以及数据种类缺失、不足、不均衡条件下的高光谱湿地图像精准分类。
-
公开(公告)号：CN117292274B
公开(公告)日：2024-01-30
申请号：CN202311563846.1
申请日：2023-11-22
Applicant: 成都信息工程大学
Abstract: 本发明公开了基于深度语义字典零次学习的高光谱湿地图像分类方法，涉及图像分类领域，包括以下步骤：收集高光谱遥感图像，使用鲁棒非负张量分解模型获得降维后的张量特征；使用降维后的张量特征进行对抗训练，得到扩充的图像张量特征和语义特征；构建深度语义字典学习模型，将扩充的图像张量特征和语义特征映射到同一特征空间得到语义特征字典；优化其目标函数，获得语义字典张量和语义嵌入张量，计算未知高光谱遥感图像的语义张量表示；确定未知高光谱遥感图像的类别，本方法解决了高光谱数据在标签信息缺失情况下无监督分类性能差的(56)对比文件Behnood Rasti 等.Image Processing andMachine Learning for HyperspectralUnmixing: An Overview and the HySUPPPython Package《.JOURNAL OF LATE X CLASSFILES》.2023,第14卷(第8期),1-29.DAT TRAN-ANH 等.Integrative Few-ShotClassification and Segmentation forLandslide Detection《.IEEE Access》.2022,第10卷120200-120212.
-
公开(公告)号：CN113094368B
公开(公告)日：2022-08-05
申请号：CN202110392024.6
申请日：2021-04-13
Applicant: 成都信息工程大学 , 汉网云联成都科技有限公司
Inventor： 乔少杰 , 杨国平 , 宋海权 , 韩楠 , 李勇 , 闵圣捷 , 王伟业 , 孙科 , 袁犁 , 张浩东 , 范勇强 , 甘戈 , 冉先进 , 魏军林 , 余华 , 元昌安 , 黄发良 , 覃晓 , 郑皎凌 , 张永清
IPC: G06F16/22 , G06F16/2455 , G06F16/2457 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种提升缓存访问命中率的系统及方法，通过设置DDQN模型，提升了缓存区的访问命中率，能够更好地利用缓存区，提高了查询效率。本发明提供的DDQN模型能够学习经验，可以将若干个查询放入查询集合存储表并调度，且从历史执行的查询中获得更多的经验，改进调度策略。本发明能够有效地捕捉缓存区状态以及数据访问模式，更好地利用了缓存区并改进其查询的决策安排；DDQN模型能够适应从未执行过的查询，查询调度策略能够快速适应新的查询模板，从而产生显著的效果以及提升资源共享效率。
-
公开(公告)号：CN119131907A
公开(公告)日：2024-12-13
申请号：CN202411308368.4
申请日：2024-09-19
Applicant: 成都信息工程大学
IPC: G06V40/20 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 本发明提出了一种基于长时序运动语义编码的人体行为识别方法，涉及视频分析技术领域，包括：S1、输入视频图像，并检测图像中的行人目标，计算前后两帧图像中行人检测框的交并比以跟踪人体目标；S2、采用姿态估计算法提取每个人体目标的骨骼关键点，并将人体目标的骨骼关键点定义为中层运动语义特征；S3、基于中层运动语义特征建立3D CNN网络模型以提取短时序运动语义编码；S4、根据短时序运动语义编码构建长时序运动语义编码模型以输出一维特征向量；S5、基于全连接网络构建人体行为分类器对一维特征向量进行识别，输出识别结果；本发明能够提高行为识别的准确度，有效解决了误识别率高、难以满足真实场景的应用等问题。
-
公开(公告)号：CN117292274A
公开(公告)日：2023-12-26
申请号：CN202311563846.1
申请日：2023-11-22
Applicant: 成都信息工程大学
Abstract: 本发明公开了基于深度语义字典零次学习的高光谱湿地图像分类方法，涉及图像分类领域，包括以下步骤：收集高光谱遥感图像，使用鲁棒非负张量分解模型获得降维后的张量特征；使用降维后的张量特征进行对抗训练，得到扩充的图像张量特征和语义特征；构建深度语义字典学习模型，将扩充的图像张量特征和语义特征映射到同一特征空间得到语义特征字典；优化其目标函数，获得语义字典张量和语义嵌入张量，计算未知高光谱遥感图像的语义张量表示；确定未知高光谱遥感图像的类别，本方法解决了高光谱数据在标签信息缺失情况下无监督分类性能差的问题。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.027 seconds)
