-
公开(公告)号：CN108652851A
公开(公告)日：2018-10-16
申请号：CN201810051470.9
申请日：2018-01-19
Applicant: 西安电子科技大学
IPC: A61G5/10
Abstract: 本发明公开了一种基于视觉定位技术的眼控轮椅控制方法，针对现有技术中眼部信息单一、多传感器间通信可靠性不高的问题。其实现过程是：(1)中央摄像头传输实时拍摄的每一帧彩色图像；(2)对每一帧的彩色图像确定使用者的人脸位置并框出矩形框；(3)在人脸矩形框区域内确定使用者的眼部区域；(4)在使用者的眼部区域内精确定位瞳孔位置；(5)确定使用者眼球的转动方位；(6)电机控制系统控制轮椅转动。本发明提高了通过眼部信息控制轮椅的稳定性，能够在面对复杂环境下连续可靠的改变轮椅移动的速度和方向，减少了在多传感器模块之间进行通信的信息丢失。
-
公开(公告)号：CN108427912B
公开(公告)日：2020-06-05
申请号：CN201810112426.4
申请日：2018-02-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于稠密目标特征学习的光学遥感图像目标检测方法，主要解决现有技术中深层卷积导致小目标信息被过滤掉的问题。本发明的具体步骤如下：(1)搭建一个共25层的稠密目标特征网络并设置每层参数；(2)构造训练样本集和训练类标集；(3)获取稠密目标特征网络的深浅特征；(4)对稠密目标特征网络的深浅特征进行融合；(5)获取目标候选框特征集；(6)进行稠密池化；(7)构造测试样本集；(8)对测试样本集进行检测。本发明具有对光学遥感图像的深浅特征提取好，目标检测的精度高的优点。
-
公开(公告)号：CN108830330A
公开(公告)日：2018-11-16
申请号：CN201810650236.8
申请日：2018-06-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于自适应特征融合残差网的多光谱图像分类方法，主要解决现有技术中普适性不高以及不能充分利用多层次特征的问题。本发明的具体步骤如下：(1)输入多光谱图像；(2)对多光谱图像进行归一化处理；(3)选取训练样本和测试样本；(4)生成训练数据集；(5)搭建基础残差网；(6)搭建自适应特征融合网；(7)生成自适应特征融合残差网；(8)训练自适应特征融合残差网；(9)生成测试数据集；(10)对测试数据集进行分类。本发明能够自适应地融合多层次的特征，提取判别性更好、语义信息更丰富的特征，具有训练和测试过程简单、充分利用特征的优点。
-
公开(公告)号：CN108537245A
公开(公告)日：2018-09-14
申请号：CN201810113040.5
申请日：2018-02-05
Applicant: 西安电子科技大学
Abstract: 一种基于加权稠密网的极化SAR图像分类方法，其步骤为：(1)构建加权稠密网；(2)选取待分类的极化SAR图像；(3)对待分类极化SAR图像进行滤波；(4)获得散射特征；(5)用待分类极化SAR图像的散射特征值组成一个三维特征矩阵；(6)生成训练数据集和测试数据集；(7)使用加权稠密网对训练数据集进行分类；(8)对测试数据集进行分类，获得分类结果。本发明通过计算待分类极化SAR图像的特征图的权重值，只保留权重值大于0.5的特征图用于分类，充分利用了对分类最重要的特征，同时压制不重要的特征，提高了分类的准确率，加快了网络的训练速度。
-
公开(公告)号：CN110111345B
公开(公告)日：2023-04-28
申请号：CN201910399005.9
申请日：2019-05-14
Applicant: 西安电子科技大学
IPC: G06T7/11 , G06T7/136 , G06V10/764
Abstract: 本发明公开了一种基于注意力网络的3D点云分割的方法，解决了现有语义分割对全局上下文信息利用不足的技术问题。其过程包括：对3D点云数据集数据预处理；构建基于注意力网络和多尺度模块的AMNet分割网络，对训练集数据进行训练；再对测试集数据拉伸处理；用AMNet模型文件进行网络性能评估，用D‑KNN模块对结果优化，输出最终分割结果。本发明通过AMNet充分利用全局上下文信息，获得精确的分割结果，有效减少了点云数据处理的空间消耗，降低了空间成本，同时提高了分割结果精确性。本发明用于3D点云语义分割。
-
Patent Agency Ranking
公开(公告)号：CN108830330B
公开(公告)日：2021-11-02
申请号：CN201810650236.8
申请日：2018-06-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于自适应特征融合残差网的多光谱图像分类方法，主要解决现有技术中普适性不高以及不能充分利用多层次特征的问题。本发明的具体步骤如下：(1)输入多光谱图像；(2)对多光谱图像进行归一化处理；(3)选取训练样本和测试样本；(4)生成训练数据集；(5)搭建基础残差网；(6)搭建自适应特征融合网；(7)生成自适应特征融合残差网；(8)训练自适应特征融合残差网；(9)生成测试数据集；(10)对测试数据集进行分类。本发明能够自适应地融合多层次的特征，提取判别性更好、语义信息更丰富的特征，具有训练和测试过程简单、充分利用特征的优点。
-
公开(公告)号：CN108446312B
公开(公告)日：2020-04-21
申请号：CN201810116627.1
申请日：2018-02-06
Applicant: 西安电子科技大学
IPC: G06F16/583 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度卷积语义网的光学遥感图像检索方法，主要解决现有技术中光学遥感图像检索精度低的问题。本发明具体步骤如下：(1)构建深度卷积语义网络；(2)构建训练集；(3)调整网络参数；(4)构建光学遥感图像检索数据库；(5)提取遥感图像特征向量；(6)融合遥感图像特征向量；(7)建立特征库；(8)检索光学遥感图像检索数据库中的光学遥感图像。本发明构建深度卷积语义网络，提取图形的浅层特征、过渡特征以及深层特征，加权融合三个特征，实现不同层级特征优势互补，提高了图像特征的表达能力，进而提高了光学遥感图像的检索精度。
-
公开(公告)号：CN108460341A
公开(公告)日：2018-08-28
申请号：CN201810113862.3
申请日：2018-02-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于集成深度卷积网络的光学遥感图像目标检测方法，主要解决现有技术中误检目标多以及测试过程复杂繁琐的问题。本发明的具体步骤如下：(1)搭建多分支深度网络；(2)生成含有目标区域训练数据集；(3)第一次训练集成深度卷积网络；(4)生成所有区域训练数据集；(5)第二次训练集成深度卷积网络；(6)生成测试数据集；(7)得到检测结果图；(8)计算平均精度。本发明能够提取所有无目标区域的目标候选框作为负样本，充分利用光学遥感图像的信息，更好地区分光学遥感图像中的目标和复杂的背景，具有测试过程简单、检测结果误检目标少的优点。
-
公开(公告)号：CN108446312A
公开(公告)日：2018-08-24
申请号：CN201810116627.1
申请日：2018-02-06
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度卷积语义网的光学遥感图像检索方法，主要解决现有技术中光学遥感图像检索精度低的问题。本发明具体步骤如下：(1)构建深度卷积语义网络；(2)构建训练集；(3)调整网络参数；(4)构建光学遥感图像检索数据库；(5)提取遥感图像特征向量；(6)融合遥感图像特征向量；(7)建立特征库；(8)检索光学遥感图像检索数据库中的光学遥感图像。本发明构建深度卷积语义网络，提取图形的浅层特征、过渡特征以及深层特征，加权融合三个特征，实现不同层级特征优势互补，提高了图像特征的表达能力，进而提高了光学遥感图像的检索精度。
-
公开(公告)号：CN108427912A
公开(公告)日：2018-08-21
申请号：CN201810112426.4
申请日：2018-02-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于稠密目标特征学习的光学遥感图像目标检测方法，主要解决现有技术中深层卷积导致小目标信息被过滤掉的问题。本发明的具体步骤如下：(1)搭建一个共25层的稠密目标特征网络并设置每层参数；(2)构造训练样本集和训练类标集；(3)获取稠密目标特征网络的深浅特征；(4)对稠密目标特征网络的深浅特征进行融合；(5)获取目标候选框特征集；(6)进行稠密池化；(7)构造测试样本集；(8)对测试样本集进行检测。本发明具有对光学遥感图像的深浅特征提取好，目标检测的精度高的优点。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.047 seconds)
