-
公开(公告)号：CN111402616A
公开(公告)日：2020-07-10
申请号：CN202010104835.7
申请日：2020-02-20
Applicant: 西安电子科技大学
IPC: G08G1/0968 , G08G1/14 , G08G1/01
Abstract: 本发明属于智慧交通中的停车场路径规划领域，公开了一种智能停车控制方法、系统、存储介质、计算机程序、终端，利用获取到的停车场物理信息构建出叠加数据能量场，完成停车位的推荐；对停车场所有停车位的停车时长进行定期统计，拟合统计结果，将拟合结果与原始数据能量场叠加完成参数的更新；通过实时的停车场物理信息计算出所有道路实时的权值并构建出停车场实时的无向带权图，利用改进后的Dijkstra算法规划出实时的最优路径；对结果进行展示并利用获取到的实时的停车场物理信息对结果进行不断优化直至用户完成停车。本发明有效的解决了大型停车场车位多且分布不规则所带来的问题；具有更好的动态性和实时性。
-
公开(公告)号：CN111402616B
公开(公告)日：2022-01-04
申请号：CN202010104835.7
申请日：2020-02-20
Applicant: 西安电子科技大学
IPC: G08G1/0968 , G08G1/14 , G08G1/01
Abstract: 本发明属于智慧交通中的停车场路径规划领域，公开了一种智能停车控制方法、系统、存储介质、计算机程序、终端，利用获取到的停车场物理信息构建出叠加数据能量场，完成停车位的推荐；对停车场所有停车位的停车时长进行定期统计，拟合统计结果，将拟合结果与原始数据能量场叠加完成参数的更新；通过实时的停车场物理信息计算出所有道路实时的权值并构建出停车场实时的无向带权图，利用改进后的Dijkstra算法规划出实时的最优路径；对结果进行展示并利用获取到的实时的停车场物理信息对结果进行不断优化直至用户完成停车。本发明有效的解决了大型停车场车位多且分布不规则所带来的问题；具有更好的动态性和实时性。
-
公开(公告)号：CN111553205A
公开(公告)日：2020-08-18
申请号：CN202010282766.9
申请日：2020-04-12
Applicant: 西安电子科技大学
Abstract: 本发明属于图像处理技术领域，公开了一种无车牌信息车辆重识别方法、系统、介质、视频监控系统，获取数据集并进行数据集划分、预处理；使用预先训练过的ResNet-50作为主干网络，进行提取基础特征张量；加入通道注意力机制与空间注意力机制得到新的特征张量；设计四个相对独立的网络分别用于提取更高层次的语意特征；利用交叉熵损失函数和三元组损失函数对车辆整体网络进行训练优化得到训练模型；用训练好的模型对测试图像测试得到重识别初始排序结果；对初始排序结果使用重排序算法再次排序；可视化最终排序结果。本发明有效提高无车牌信息情况下的车辆重识别识别率，提高了复杂场景下的基于无车牌信息的车辆重识别准确率。
-
公开(公告)号：CN111553205B
公开(公告)日：2022-11-15
申请号：CN202010282766.9
申请日：2020-04-12
Applicant: 西安电子科技大学
Abstract: 本发明属于图像处理技术领域，公开了一种无车牌信息车辆重识别方法、系统、介质、视频监控系统，获取数据集并进行数据集划分、预处理；使用预先训练过的ResNet‑50作为主干网络，进行提取基础特征张量；加入通道注意力机制与空间注意力机制得到新的特征张量；设计四个相对独立的网络分别用于提取更高层次的语意特征；利用交叉熵损失函数和三元组损失函数对车辆整体网络进行训练优化得到训练模型；用训练好的模型对测试图像测试得到重识别初始排序结果；对初始排序结果使用重排序算法再次排序；可视化最终排序结果。本发明有效提高无车牌信息情况下的车辆重识别识别率，提高了复杂场景下的基于无车牌信息的车辆重识别准确率。
-
公开(公告)号：CN114240961A
公开(公告)日：2022-03-25
申请号：CN202111351003.6
申请日：2021-11-15
Applicant: 西安电子科技大学
Abstract: 本发明属于医学图像处理技术领域，公开了一种U‑Net++细胞分割网络系统、方法、设备及终端，所述U‑Net++细胞分割方法包括：通过数据增强、数据归一化和规整化图像尺寸操作对输入图像进行初始化预处理；训练基于多尺度和多特征融合模块的U‑Net++细胞分割模型，以U‑Net++网络为基础，添加多尺度模块和多特征融合模块，对输入图像进行分割，得到初步分割结果；利用分水岭算法，对细胞分割图像中的粘连区域进行精确分割；分别采用实例方法以及现有技术对验证集中的图像进行分割，并进行对比实验及分析。本发明以U‑Net++网络为基础，通过整合不同尺度下的特征提升了分割结果的准确率，并保证了稳定的分割精度。
-
Patent Agency Ranking
公开(公告)号：CN114140366A
公开(公告)日：2022-03-04
申请号：CN202111280949.8
申请日：2021-11-01
Applicant: 西安电子科技大学
Abstract: 本发明属于图像融合技术领域，公开了一种红外图像与可见光图像融合方法、系统、设备及终端，所述红外图像与可见光图像融合方法包括：获取红外图像和可见光图像；对获取的红外图像和可见光图像进行配准和灰度化处理，得到配准后的灰度化红外图像和可见光图像；利用Canny算子对可见光图像进行边缘提取，得到可见光图像的边缘信息与纹理信息；利用深度学习算法对灰度化红外图像与可见光图像进行融合，得到初步融合结果；将可见光图像的边缘信息与纹理信息和融合图像进行叠加，得到最终融合结果。本发明能有效提取出红外图像可见光图像的浅层特征和深层特征，并对融合图像进行细节增强，这使得不论在任何场景下均可获得质量很好的融合图像。
-
公开(公告)号：CN112270323B
公开(公告)日：2024-02-02
申请号：CN202011057659.2
申请日：2020-09-29
Applicant: 西安电子科技大学
IPC: G06V10/75 , G06V10/46 , G06V10/82 , G06N3/0464
Abstract: 本发明属于信息处理技术领域，公开了一种智能医疗复检控制方法、系统、介质、计算机设备及应用，针对每种待复检的输液袋种类都筛选出一张清晰的模板图用于辅助复检，标注出模板图的关键位置并记录；将待检测的输液袋图片与对应模板进行整体相似度计算；对整体相似度过关的输液袋进行关键位置的相似度计算与OCR识别，得到最终的复检结果。本发明采用初步筛查和精细筛查，初步筛查计算量小，筛除大部分干扰项后再进行精细的二次筛查，有效的节省了复检时间，二次筛查同时采用了OCR识别和相似度计算的方法，保证了复检结果的准确性。本发明对于变形程度在25％以内的图片也能精准识别，有效减少了复检过程的耗时。
-
公开(公告)号：CN112270323A
公开(公告)日：2021-01-26
申请号：CN202011057659.2
申请日：2020-09-29
Applicant: 西安电子科技大学
Abstract: 本发明属于信息处理技术领域，公开了一种智能医疗复检控制方法、系统、介质、计算机设备及应用，针对每种待复检的输液袋种类都筛选出一张清晰的模板图用于辅助复检，标注出模板图的关键位置并记录；将待检测的输液袋图片与对应模板进行整体相似度计算；对整体相似度过关的输液袋进行关键位置的相似度计算与OCR识别，得到最终的复检结果。本发明采用初步筛查和精细筛查，初步筛查计算量小，筛除大部分干扰项后再进行精细的二次筛查，有效的节省了复检时间，二次筛查同时采用了OCR识别和相似度计算的方法，保证了复检结果的准确性。本发明对于变形程度在25％以内的图片也能精准识别，有效减少了复检过程的耗时。
-
公开(公告)号：CN111241343A
公开(公告)日：2020-06-05
申请号：CN202010012511.0
申请日：2020-01-07
Applicant: 西安电子科技大学
IPC: G06F16/783 , G06F16/78 , G06F16/732 , G06F16/74 , G06N3/04 , G06N3/08
Abstract: 本发明属于交通目标检测技术领域，公开了一种道路信息监控与分析检测方法、智慧交通控制系统，从外部连接的视频采集设备获取携带交通路况图像的视频数据并转码为带有时间戳的视频流；从获取的视频流中提取关键帧；用深度学习算法对关键帧进行检测，得到带有检测结果的视频流和图像；对检测结果在可视化平台上进行实时模块化展示；完成检测结果的保存与分析，对带有检测结果的视频、目标截图、区间统计数据等结果进行输出保存。本发明有效的解决了单标签目标检测表示物体不充分的问题，对于实时检测速度慢的问题提出了关键帧提取的方法进行加速，同时深度学习算法YOLOv3具有更好的小目标检测能力，具有更好的精确性与稳定性。
-
公开(公告)号：CN114240961B
公开(公告)日：2024-11-26
申请号：CN202111351003.6
申请日：2021-11-15
Applicant: 西安电子科技大学
Abstract: 本发明属于医学图像处理技术领域，公开了一种U‑Net++细胞分割网络系统、方法、设备及终端，所述U‑Net++细胞分割方法包括：通过数据增强、数据归一化和规整化图像尺寸操作对输入图像进行初始化预处理；训练基于多尺度和多特征融合模块的U‑Net++细胞分割模型，以U‑Net++网络为基础，添加多尺度模块和多特征融合模块，对输入图像进行分割，得到初步分割结果；利用分水岭算法，对细胞分割图像中的粘连区域进行精确分割；分别采用实例方法以及现有技术对验证集中的图像进行分割，并进行对比实验及分析。本发明以U‑Net++网络为基础，通过整合不同尺度下的特征提升了分割结果的准确率，并保证了稳定的分割精度。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.022 seconds)
