-
公开(公告)号：CN114708615B
公开(公告)日：2024-03-22
申请号：CN202210350896.0
申请日：2022-04-02
Applicant: 西安电子科技大学广州研究院 , 西安电子科技大学
Abstract: 本发明公开了基于图像增强的低照度环境下人体检测方法、电子设备及储存介质，检测方法为：将低照度图像输入至低照度图像增强模块中，得到增强后图像；将增强后图像输入至改进的人体检测模块中，输出人体检测预测结果；通过多任务损失函数，对低照度图像增强模块和人体检测模块进行多阶段联合优化，训练得到端到端的低照度人体检测框架；将低照度图像输入到训练好的端到端的低照度人体检测框架中，进行图像增强以及人体检测，输出人体检测预测结果。本发明构建的端到端的低照度图像人体检测框架通过低照度图像增强模块和人体检测模块的相互适应，实现了更高的检测精度，对不同光照环境下人体检测具有更强的鲁棒性。
-
公开(公告)号：CN114708615A
公开(公告)日：2022-07-05
申请号：CN202210350896.0
申请日：2022-04-02
Applicant: 西安电子科技大学广州研究院 , 西安电子科技大学
Abstract: 本发明公开了基于图像增强的低照度环境下人体检测方法、电子设备及储存介质，检测方法为：将低照度图像输入至低照度图像增强模块中，得到增强后图像；将增强后图像输入至改进的人体检测模块中，输出人体检测预测结果；通过多任务损失函数，对低照度图像增强模块和人体检测模块进行多阶段联合优化，训练得到端到端的低照度人体检测框架；将低照度图像输入到训练好的端到端的低照度人体检测框架中，进行图像增强以及人体检测，输出人体检测预测结果。本发明构建的端到端的低照度图像人体检测框架通过低照度图像增强模块和人体检测模块的相互适应，实现了更高的检测精度，对不同光照环境下人体检测具有更强的鲁棒性。
-
公开(公告)号：CN118822870A
公开(公告)日：2024-10-22
申请号：CN202411304267.X
申请日：2024-09-19
Applicant: 西安电子科技大学
IPC: G06T5/50 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T5/60
Abstract: 本发明公开了一种感兴趣区域图像增强的可见光红外图像融合方法及装置，该方法包括：将待融合的图像组输入训练好的显著性检测网络，得到图像组的感兴趣区域图像；将待融合的图像组和图像组的感兴趣区域图像分别输入至训练好的全局孪生掩码自编码器和训练好的感兴趣区域孪生掩码自编码器，得到融合后的全局图像及融合后的感兴趣区域图像；全局、感兴趣区域孪生掩码自编码器是根据样本图像组及样本图像组对应的标准融合图像的文本特征训练的，文本特征用于描述图像中的关键特征信息和目标信息；拼接融合后的感兴趣区域图像和融合后的全局图像得到目标融合图像。本发明提供的方法能够提高融合过程对感兴趣区域的关注从而增强融合效果。
-
公开(公告)号：CN110751072A
公开(公告)日：2020-02-04
申请号：CN201910967740.5
申请日：2019-10-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于知识嵌入图卷积网络的双人交互识别方法，主要解决现有技术忽视双人关联而不能提取双人交互特征，以及双人交互识别准确率差的问题。其实现方案为：1)设计知识给定图建立交互双人的骨架点之间的直接连接；2)设计知识学习图，并自适应地建立骨架点之间连接；3)构建可利用不同图之间的互补性的知识嵌入图卷积块；4)将10个知识嵌入图卷积块、一个全局池化层和一个全连接层依次连接构成知识嵌入图卷积网络；5)训练知识嵌入图卷积网络得到最优模型；6)将双人骨架序列输入最优模型识别出双人交互行为。本发明提高了双人交互行为识别的准确率，可用于视频检索，人机交互以及视频理解。
-
公开(公告)号：CN108923984A
公开(公告)日：2018-11-30
申请号：CN201810777563.X
申请日：2018-07-16
Applicant: 西安电子科技大学
IPC: H04L12/24 , H04L12/26 , H04N19/136 , H04N19/149 , H04N19/154 , H04N19/176 , H04N19/30 , H04N19/85
CPC classification number: H04L41/044 , H04L41/0823 , H04L41/145 , H04L43/08 , H04N19/136 , H04N19/149 , H04N19/154 , H04N19/176 , H04N19/30 , H04N19/85
Abstract: 本发明公开了一种基于卷积网络的时空视频压缩感知方法,主要解决现有技术里视频压缩时空均衡性差以及重构视频实时性差的问题。其方案是：制备训练数据集；设计时空视频压缩感知方法的网络结构；根据设计好的网络结构编写训练及测试文件；训练时空视频压缩感知方法的网络；测试时空视频压缩感知方法的网络。本发明时空视频压缩感知方法的网络采用时空同时压缩的观测技术和用“时间-空间块”增强时空相关性的重构技术，不仅能实现实时视频重构，而且重构的结果具有较强的时空均衡性，重构质量高且稳定，可用于视频的压缩传输以及后续的视频重构。
-
Patent Agency Ranking
公开(公告)号：CN107610192A
公开(公告)日：2018-01-19
申请号：CN201710923137.8
申请日：2017-09-30
Applicant: 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
IPC: G06T9/00
Abstract: 本发明公开了一种基于深度学习的自适应观测压缩感知图像重构方法，主要解决现有技术不能得到自适应于数据集的观测的问题。其实现方案是：1.准备重构网络DR2网络结构文件及相关文件；2.在重构网络DR2网络结构的基础上添加输出维度低于输入的第二全连接层得到自适应观测网络，修改训练所需的文件，并利用修改后的文件对自适应观测网络进行训练，得到训练好的模型；3.利用训练好的模型进行图像观测及重构。本发明的重构结果明显优于现有随机高斯观测的重构结果，且适应性强，实时性好，可用于雷达成像。
-
公开(公告)号：CN106935035A
公开(公告)日：2017-07-07
申请号：CN201710225416.7
申请日：2017-04-07
Applicant: 西安电子科技大学
CPC classification number: G08G1/0175 , G06K9/00825 , G06K9/6223
Abstract: 本发明公开了一种基于SSD神经网络的违章停车车辆实时检测方法，主要解决现有技术在道路复杂、天气光照多变的情况下检测准确率低和鲁棒性弱的问题。其实现方案是：1.拍摄若干不同场景和天气下的车辆行驶视频，构建训练数据集；2.通过K‑Means聚类算法对数据集中车辆的长宽比进行聚类；3.利用聚类结果优化SSD网络模型，并进行训练；4.设定禁止停车区域，用训练好的网络模型对车辆进行检测，将识别到的车辆使用追踪算法进行追踪，获得车辆的运动状态，在设定时间阈值内保持静止的车辆判断为违章停车车辆。本发明不仅提高了检测的准确率，而且增强了鲁棒性，可用于各种复杂场景和不同天气状况下违章停车车辆的检测。
-
公开(公告)号：CN105719255A
公开(公告)日：2016-06-29
申请号：CN201610044267.X
申请日：2016-01-22
Applicant: 西安电子科技大学
CPC classification number: G06T5/002 , G06T2207/20182 , G06T2207/20221 , H03H17/00 , H03H2017/0081
Abstract: 本发明公了一种适用于拉普拉斯金字塔结构的滤波器的设计方法，主要解决现有拉普拉斯金字塔结构的滤波器，除哈尔滤波器外，其他滤波器不能同时具有线性相位和正交特性的问题。其技术方案是：先设定滤波器长度N，通带截止频率ωp和阻带起始频率ωs，采样因子M；然后根据这些参数，调用MatLab中的firpm函数产生原型滤波器p；对该原型滤波器的一半系数，调用fmincon函数进行优化，并根据优化出的结果得到合成滤波器；最后根据时域翻转关系即可得到分解滤波器。本发明通过给出一种合理的正交约束条件，不仅能使得滤波器具有正交和线性相位特性，而且带宽可变，为拉普拉斯金字塔结构的滤波器提供了更广泛的应用条件。
-
公开(公告)号：CN119498849A
公开(公告)日：2025-02-25
申请号：CN202411577096.8
申请日：2024-11-06
Applicant: 西安电子科技大学
IPC: A61B5/16 , A61B5/369 , A61B5/372 , A61B5/00 , G06F18/241 , G06N3/0455 , G06N3/0895 , G06F18/22 , G06F18/25 , G06N3/084
Abstract: 本发明提供的基于脑激活区多视角对比学习的情绪识别方法，包括：获取待识别脑电情绪信号；对待识别脑电情绪信号进行时空变换，得到待识别时空信号；将待识别时空信号输入预训练双路解耦多视角模型，得到情绪识别结果；通过在最终双路解耦多视角编码器中设置用于提取时间特征和空间特征的两路编码器，可以充分挖掘和利用待识别时空信号中的多维信息，实现了对应时空特征的解耦；通过将时空信号样本按照脑区的激活程度划分得到高激活区域和低激活区域，可以根据脑区的不同激活程度执行针对性的数据增强策略，在此基础上利用数据增强后的样本训练得到预训练双路解耦多视角模型，提高了预训练双路解耦多视角模型对于情绪识别的精确度和可靠性。
-
公开(公告)号：CN118397697A
公开(公告)日：2024-07-26
申请号：CN202410515029.7
申请日：2024-04-26
Applicant: 西安电子科技大学
IPC: G06V40/20 , G06V40/10 , G06V10/44 , G06V10/764 , G06V10/82 , G06V10/84 , G06N3/042 , G06N3/0464 , G06N3/049 , G06N3/0455 , G06N3/084
Abstract: 本发明提供了一种基于扩散模型的人类骨架样本特征多样化的分类方法、装置及设备，从图像设备采集人体的关节点坐标数据；并输入至训练好的特征提取网络中，以利用所述特征提取网络提取关节点特征，并将关节点特征输入至训练好的分类网络中进行分类，得到人体行为状态；由于训练好的特征提取网络和分类网络均利用扩散模型辅助训练得到，而在训练过程中扩散模型通过在每个输入样本中随机引入噪声得到对应的多个噪声特征样本，多样化了特征样本种类并且增加了样本数量，之后对多个噪声特征样本逆向去噪得到虚拟特征样本，根据虚拟特征样本的损失调整所述特征提取网络和所述分类网络的各层参数。因此本发明可以提高对关节点数据分类得到人体行为状态的准确率。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.027 seconds)
