-
公开(公告)号：CN114550044A
公开(公告)日：2022-05-27
申请号：CN202210162438.4
申请日：2022-02-22
申请人： 西安电子科技大学
IPC分类号： G06V20/40 , G06V20/52 , G06V10/82 , G06T5/00 , G06T9/00 , G06N3/04 , G06N3/08 , G08B3/10 , G08B21/18 , H04N7/18
摘要： 本发明公开了一种基于目标检测网络的电梯轿厢异常事件监测预警系统，主要解决现有技术中存在网络时延，不能实时监测，算力较低的问题。其包括：电梯轿厢、交换机和服务器，该电梯轿厢内安装有控制板、摄像头和扬声器，摄像头与交换机和服务器依次连接，且摄像头与控制板和扬声器分别连接。摄像头内设有人工智能芯片和不同的功能模块，通过摄像头对拍摄到的视频进行目标检测，当检测到电动车时，扬声器发出报警信号，控制板控制电梯轿厢停止运行。同时摄像头对带有检测结果的视频码流进行编码和推送，服务器端接收并解码显示。本发明能避免网络时延，实时发出报警信号，控制电梯运行，提高了算力和计算速度，可用于对电动车的精确监测与识别。
-
公开(公告)号：CN113538246A
公开(公告)日：2021-10-22
申请号：CN202110911768.4
申请日：2021-08-10
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于无监督多阶段融合的遥感图像超分辨率重建方法，主要解决现有遥感图像超分辨率重建方法鲁棒性差和超分后的遥感图像纹理模糊的问题，其实现步骤为：构建由多阶段融合网络；生成非匹配的训练集；利用构建一致性损失函数对网络依次进行内容一致性、感知内容一致性和感知分布一致性三个阶段的训练；对遥感图像进行超分辨率重建。本发明通过有效利用多阶段融合网络中的多层次特征，使用非匹配的真实遥感图像对网络进行训练，使得该方法具有较强鲁棒性，本发明在保留低分辨率遥感图像上的内容的同时挖掘其底层的感知相似性，以获得更加真实清晰的纹理。
-
公开(公告)号：CN114565594B
公开(公告)日：2024-11-01
申请号：CN202210209818.9
申请日：2022-03-04
申请人： 西安电子科技大学
IPC分类号： G06T7/00 , G06T5/70 , G06T5/50 , G06T7/11 , G06T9/00 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/088
摘要： 本发明公开了一种基于软掩膜对比损失的图像异常检测方法，主要解决现有技术异常检测种类少，检测精度差的问题。其方案是：利用超像素分割算法与高斯噪声对MVTec数据集进行处理，得到合成图像训练数据集；搭建由重建自编码器和掩膜自编码器组成的异常检测模型，并使用L2误差损失作为掩膜自编码器的损失函数，使用L2误差损失与软掩膜对比损失作为重建自编码器的损失函数；利用合成图像训练数据集对其掩膜编码器和重建自编码器进行交替训练，直至各自的损失函数收敛；将测试图像输入到训练好的图像异常检测模型，得到图像异常检测与定位的结果。本发明异常识别种类多，检测精度高，可用于工业品瑕疵检测、医疗辅助诊断、视频违规行为检测。
-
公开(公告)号：CN113538246B
公开(公告)日：2023-04-07
申请号：CN202110911768.4
申请日：2021-08-10
申请人： 西安电子科技大学
IPC分类号： G06T3/40 , G06N3/084 , G06V10/44 , G06V10/774 , G06N3/0464
摘要： 本发明公开了一种基于无监督多阶段融合的遥感图像超分辨率重建方法，主要解决现有遥感图像超分辨率重建方法鲁棒性差和超分后的遥感图像纹理模糊的问题，其实现步骤为：构建由多阶段融合网络；生成非匹配的训练集；利用构建一致性损失函数对网络依次进行内容一致性、感知内容一致性和感知分布一致性三个阶段的训练；对遥感图像进行超分辨率重建。本发明通过有效利用多阶段融合网络中的多层次特征，使用非匹配的真实遥感图像对网络进行训练，使得该方法具有较强鲁棒性，本发明在保留低分辨率遥感图像上的内容的同时挖掘其底层的感知相似性，以获得更加真实清晰的纹理。
-
公开(公告)号：CN114612936A
公开(公告)日：2022-06-10
申请号：CN202210252961.6
申请日：2022-03-15
申请人： 西安电子科技大学
摘要： 本发明提出了一种基于背景抑制的无监督异常行为检测方法，实现步骤为：(1)获取训练样本集和测试样本集；(2)构建无监督异常行为检测网络模型；(3)对无监督异常行为检测网络模型H进行迭代训练；(4)定义无监督异常行为检测网络模型H*的异常分数函数score；(5)获取异常行为检测结果。本发明构建的无监督异常行为检测网络模型，克服了现有技术没有考虑视频帧的背景特征对算法感知的影响和训练集标注准确度对于有监督学习的影响，提高了异常行为检测方法的异常行为识别准确率。
-
公开(公告)号：CN114565594A
公开(公告)日：2022-05-31
申请号：CN202210209818.9
申请日：2022-03-04
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于软掩膜对比损失的图像异常检测方法，主要解决现有技术异常检测种类少，检测精度差的问题。其方案是：利用超像素分割算法与高斯噪声对MVTec数据集进行处理，得到合成图像训练数据集；搭建由重建自编码器和掩膜自编码器组成的异常检测模型，并使用L2误差损失作为掩膜自编码器的损失函数，使用L2误差损失与软掩膜对比损失作为重建自编码器的损失函数；利用合成图像训练数据集对其掩膜编码器和重建自编码器进行交替训练，直至各自的损失函数收敛；将测试图像输入到训练好的图像异常检测模型，得到图像异常检测与定位的结果。本发明异常识别种类多，检测精度高，可用于工业品瑕疵检测、医疗辅助诊断、视频违规行为检测。
-
公开(公告)号：CN114612936B
公开(公告)日：2024-08-23
申请号：CN202210252961.6
申请日：2022-03-15
申请人： 西安电子科技大学
IPC分类号： G06V40/10 , G06V10/28 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/088 , G06N3/084
摘要： 本发明提出了一种基于背景抑制的无监督异常行为检测方法，实现步骤为：(1)获取训练样本集和测试样本集；(2)构建无监督异常行为检测网络模型；(3)对无监督异常行为检测网络模型H进行迭代训练；(4)定义无监督异常行为检测网络模型H*的异常分数函数score；(5)获取异常行为检测结果。本发明构建的无监督异常行为检测网络模型，克服了现有技术没有考虑视频帧的背景特征对算法感知的影响和训练集标注准确度对于有监督学习的影响，提高了异常行为检测方法的异常行为识别准确率。
-
公开(公告)号：CN116342648A
公开(公告)日：2023-06-27
申请号：CN202310196504.4
申请日：2023-03-03
申请人： 西安电子科技大学
IPC分类号： G06T7/246 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/40 , G06V10/25 , G06V10/32 , G06N3/0464 , G06N3/0455 , G06N3/08
摘要： 本发明基于混合结构注意力引导的孪生网络目标跟踪方法，具体为：将目标跟踪数据集划分为训练集和测试集，再对数据集进行预处理；构建混合结构注意力特征融合模块；构建基于混合结构注意力引导的孪生网络目标跟踪算法模型；利用训练集对步骤3构建的基于混合结构注意力引导的孪生网络目标跟踪算法模型进行迭代训练，得到训练好的基于混合结构注意力机制的孪生网络目标跟踪模型；将测试集作为训练好的基于混合结构注意力机制的孪生网络目标跟踪模型的输入进行前向推理，得到每个测试样本的跟踪结果。本发明方法解决了现有目标跟踪方法精度低的问题。
-
公开(公告)号：CN116309403A
公开(公告)日：2023-06-23
申请号：CN202310196976.X
申请日：2023-03-03
申请人： 西安电子科技大学
IPC分类号： G06T7/00 , G06T7/10 , G06V10/74 , G06V10/82 , G06V10/774 , G06N3/084 , G06N3/0895 , G06N3/047
摘要： 本发明公开了基于相似性度量半监督对比学习医学图像分割方法，具体过程为：将体素格式的待分割医学图像数据集划分为训练集、验证集和测试集，并对数据集进行预处理；构建对比学习半监督分割模型；利用训练集与验证集对构建的对比学习半监督分割模型进行迭代训练，得到训练好的对比学习半监督分割模型；将测试集作为训练好的对比学习半监督分割模型的输入进行前向推理，得到每个测试样本的分割分数。本发明方法解决了现有分割方法中没有利用医学图像中体素数据之间的相似性，导致选取的负对中存在假阴性，影响模型的分割性能的问题。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.032 秒)
