-
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：CN107610192B
公开(公告)日：2021-02-12
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：CN108510464A
公开(公告)日：2018-09-07
申请号：CN201810086381.8
申请日：2018-01-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于分块观测的压缩感知网络及全图重构方法，主要解决现有网络恢复图像质量差的问题。其网络包括观测子网络和重构子网络，该观测子网络由第一卷积层组成；该重构子网络，包括反卷积层、第二卷积层、12个大小相同的残差块、第五卷积层和第六卷积层；每个残差块包括第三卷积层和第四卷积层；第一卷积层的输出端与反卷积层的输入端连接，反卷积的输出端与第二卷积层的输入端连接，第二卷积的输出端再与12个残差块依次连接，第12个残差块的输出端与第五卷积层的输入端连接，第二卷积的输出端和第五卷积的输出端共同连接到第六卷积的输入端。用本发明网络避免了重构图像的块效应，提高了图像恢复质量，可用于图像处理。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN108510464B
公开(公告)日：2021-11-30
申请号：CN201810086381.8
申请日：2018-01-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于分块观测的压缩感知网络及全图重构方法，主要解决现有网络恢复图像质量差的问题。其网络包括观测子网络和重构子网络，该观测子网络由第一卷积层组成；该重构子网络，包括反卷积层、第二卷积层、12个大小相同的残差块、第五卷积层和第六卷积层；每个残差块包括第三卷积层和第四卷积层；第一卷积层的输出端与反卷积层的输入端连接，反卷积的输出端与第二卷积层的输入端连接，第二卷积的输出端再与12个残差块依次连接，第12个残差块的输出端与第五卷积层的输入端连接，第二卷积的输出端和第五卷积的输出端共同连接到第六卷积的输入端。用本发明网络避免了重构图像的块效应，提高了图像恢复质量，可用于图像处理。
-
公开(公告)号：CN109949257B
公开(公告)日：2021-09-10
申请号：CN201910166307.1
申请日：2019-03-06
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度学习的感兴趣区域压缩感知图像重构方法，克服了现有压缩感知图像重构方法在有限的观测资源下对图像中感兴趣区域重构质量低的问题，实现的步骤为：(1)构建感兴趣区域感知重构网络；(2)训练感兴趣区域感知重构网络；(3)对待重构的自然图像进行预处理；(4)获取第一次观测信息；(5)获得初恢复图像；(6)获取感兴趣区域图像；(7)获取第二次观测信息；(8)重构感知恢复图像。本发明利用两次观测的方法，为感兴趣区域分配更多的观测资源，重构的图像中感兴趣区域纹理细节清晰。
-
公开(公告)号：CN108537104A
公开(公告)日：2018-09-14
申请号：CN201810086400.7
申请日：2018-01-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于全图观测的压缩感知网络及感知损失重构方法，主要解决现有网络恢复的重构图像具有块效应的问题。其包括观测子网络和重构子网络，该观测子网络包括第一卷积层；重构子网络包括反卷积层、第二卷积层、第一Relu激活层、第三卷积层、第二Relu激活层和第四卷积层；第一卷积层、反卷积层、第二卷积层、第一Relu激活层、第三卷积层、第二Relu激活层、第四卷积层从左至右依次连接，且反卷积层的输出端与第四卷积层的输出端相连接。利用所述网络在训练过程中引入感知损失，使重构图像的结构信息更明晰。用本发明网络进行图像重构避免了块效应，提高了图像恢复质量，强化了重构图像的语义信息，可用于图像处理。
-
公开(公告)号：CN106935035B
公开(公告)日：2019-07-23
申请号：CN201710225416.7
申请日：2017-04-07
Applicant: 西安电子科技大学
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：CN109949257A
公开(公告)日：2019-06-28
申请号：CN201910166307.1
申请日：2019-03-06
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度学习的感兴趣区域压缩感知图像重构方法，克服了现有压缩感知图像重构方法在有限的观测资源下对图像中感兴趣区域重构质量低的问题，实现的步骤为：(1)构建感兴趣区域感知重构网络；(2)训练感兴趣区域感知重构网络；(3)对待重构的自然图像进行预处理；(4)获取第一次观测信息；(5)获得初恢复图像；(6)获取感兴趣区域图像；(7)获取第二次观测信息；(8)重构感知恢复图像。本发明利用两次观测的方法，为感兴趣区域分配更多的观测资源，重构的图像中感兴趣区域纹理细节清晰。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.07 seconds)
