公开(公告)号：CN115409043A

公开(公告)日：2022-11-29

申请号：CN202211033784.9

申请日：2022-08-26

Applicant: 西安电子科技大学

Inventor： 杨鹏飞 ,  李述涵 ,  程飞 ,  徐安林 ,  丁越利 ,  李晨 ,  朱子恒 ,  林成民

IPC: G06F40/47 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于对称型注意力的机器翻译方法，主要解决现有技术在翻译中未能在多个子空间中利用相关性信息导致解码计算中的参考信息缺失，使翻译结果未能涵盖全部情景的问题。本发明构建的基于对称型注意力的机器翻译模型中由两个平行的对称子空间组成本发明模型中解码器的对称型注意力层，采用对称型注意力算法计算两支对称型注意力并进行融合。本发明的解码器中对称型注意力层与编码器输出的注意力矩阵之间实现了信息交互，提高了全面且准确地获取注意力信息的能力，本发明构建的机器翻译模型在翻译工作中涵盖更全面的语义情景，提高了英译中的准确性。

公开(公告)号：CN104680194A

公开(公告)日：2015-06-03

申请号：CN201510112837.X

申请日：2015-03-15

Applicant: 西安电子科技大学

Inventor： 刘凯 ,  张劲 ,  张勉 ,  程飞

IPC: G06K9/66

Abstract: 本发明公开了一种基于随机蕨丛和随机投影的在线目标跟踪方法。主要解决在线跟踪方法中计算量大及跟踪结果不准确的问题。其实现步骤是：首先采用随机蕨丛检测器检测图像中的目标位置；然后利用中值流跟踪器跟踪目标的大致位置；再用检测器和跟踪器的结果相互融合得到最终的目标位置；最后用IIR滤波器在线更新检测器，以对下一帧待检测图像进行检测分类。本发明具有跟踪效率高、跟踪结果准确、内存资源和计算资源消耗少的优点，可用于嵌入式系统的视觉跟踪中。

公开(公告)号：CN114187569B

公开(公告)日：2024-09-27

申请号：CN202111458521.8

申请日：2021-12-02

Applicant: 西安电子科技大学

Inventor： 程飞 ,  杨鹏飞 ,  李晨 ,  林成民 ,  朱子恒 ,  丁韵青

IPC: G06V20/56 ,  G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了一种皮尔森系数矩阵与注意力融合的实时目标检测方法，主要解决现有图像处理技术存在特征图全局上下文信息不全、特征图处理耗时高的问题。其实现方案为：1)获取实验训练集和测试集，并使用骨干网络提取各自的图片特征，将提取的图片特征图输入到皮尔森系数矩阵与注意力融合的编码器；将该编码器输出的具有全局上下文关系的特征图输入到现有的DETR模型解码器中，构建出皮尔森系数矩阵与注意力融合的目标检测模型；2)利用训练集对该目标检测模型进行训练；3)将测试集图片输入到训练好的目标检测模型，得到待预测图像中的目标分类及目标定位坐标。本发明提高了目标检测的精确度和速度，可用于自动驾驶、交通流量分析。

公开(公告)号：CN114187569A

公开(公告)日：2022-03-15

申请号：CN202111458521.8

申请日：2021-12-02

Applicant: 西安电子科技大学

Inventor： 程飞 ,  杨鹏飞 ,  李晨 ,  林成民 ,  朱子恒 ,  丁韵青

IPC: G06V20/56 ,  G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种皮尔森系数矩阵与注意力融合的实时目标检测方法，主要解决现有图像处理技术存在特征图全局上下文信息不全、特征图处理耗时高的问题。其实现方案为：1)获取实验训练集和测试集，并使用骨干网络提取各自的图片特征，将提取的图片特征图输入到皮尔森系数矩阵与注意力融合的编码器；将该编码器输出的具有全局上下文关系的特征图输入到现有的DETR模型解码器中，构建出皮尔森系数矩阵与注意力融合的目标检测模型；2)利用训练集对该目标检测模型进行训练；3)将测试集图片输入到训练好的目标检测模型，得到待预测图像中的目标分类及目标定位坐标。本发明提高了目标检测的精确度和速度，可用于自动驾驶、交通流量分析。