全部专利 发明专利 实用新型专利 外观设计专利
排序方式:
当前查询到65条专利包含查询词 "陈璞花" ,搜索用时0.234375秒!
发明专利:65实用新型: 0外观设计: 0
65 条,当前第 1-10 条 下一页 最后一页 返回搜索页
申请号:201910375910.0 公开号:CN110120050A 主分类号:G06T7/11
申请人:西安电子科技大学 申请日:2019.05.07 公开日:2019.08.13
摘要:本发明公开了一种基于素描信息和超像素分割的光学遥感图像海陆分割方法,根据光学遥感图像的素描图生成结构区域图,结合海陆素描先验信息对结构区域图中的结构区域和非结构区域进行海陆标记,得到粗分割结果图;对光学遥感图像进行超像素分割,根据粗分割结果图和超像素的方差与局部海陆信息对超像素进行海陆类别标记;最后使用超像素二分裂算法对沿海陆地超像素进行二分裂,并对分裂得到的超像素海陆类别重新标记实现海岸线的精确定位,得到最终海陆分割结果。本发明分割准确率高,能对噪声点以及陆地内与海洋颜色相似的易分错点进行正确分类,对不同场景的光学遥感图像具有很好的鲁棒性。
详细信息 下载全文

申请号:201910512627.8 公开号:CN110232391A 主分类号:G06K9/46
申请人:西安电子科技大学 申请日:2019.06.13 公开日:2019.09.13
摘要:本发明公开了一种基于素描信息的光学遥感图像舰船轮廓提取方法,首先生成包含舰船目标的矩形框内光学遥感图像的素描图,利用素描线段之间的结构关系和舰船先验对素描线段进行筛选、补充,提取出舰船外围素描线段;然后通过素描线段端点互连和图像孔洞填充等操作得到舰船初始区域;最后通过超像素分割方法对舰船区域进行修正,得到舰船的精准轮廓。本发明所提出的舰船轮廓提取方法不受舰船内部结构的影响,能有效提取高质量的舰船轮廓。
详细信息 下载全文

申请号:202010663452.3 公开号:CN111929674A 主分类号:G01S13/68
申请人:西安电子科技大学 申请日:2020.07.10 公开日:2020.11.13
摘要:本发明公开了一种基于神经网络的智能比幅测角方法、存储介质及设备,间隔设置辐射源和采样实验,通过频点及角度测量频率和四个天线的测量幅值,预设角度作为数据的已知角度信息,完成数据采集;对采集的数据进行噪声数据剔除和数据转换;设计多层感知器神经网络模型;将处理后的数据划分为训练数据集和验证数据集,使用训练数据集对神经网络模型进行训练,最小化损失函数;使用验证数据集对训练好的神经网络模型进行性能验证;应用验证好的神经网络模型进行实际辐射源达到角估计。本发明将比幅测角的传统理论与先进的神经网络智能计算方法进行合理结合,能够实现更加精确的辐射源角度测量。
详细信息 下载全文

申请号:202011216694.4 公开号:CN112529837A 主分类号:G06T7/00
申请人:核工业北京地质研究院 申请日:2020.11.04 公开日:2021.03.19
摘要:本发明提出了一种基于耦合判别特征自学习网络的遥感图像变化检测算法。该算法主要设计了耦合判别特征自学习网络,该网络通过两个子网络分别对待检测图像进行特征提取,所建立的耦合训练模型可得到耦合特征空间,该空间中特征的判别能力将增强,有助于生成更加分明的差异图,得到准确的变化检测结果。该方法不需要标签数据,并且不受数据类型的限制,具有广阔应用空间。该算法的有效性在公开数据集上进行了验证。
详细信息 下载全文

申请号:202011458875.8 公开号:CN112529414A 主分类号:G06Q10/06
申请人:西安电子科技大学 申请日:2020.12.11 公开日:2021.03.19
摘要:本发明公开了一种基于多任务神经协同过滤网络的物品评分方法,其实现步骤为:(1)构建特征矩阵;(2)构建用户‑物品评分矩阵;(3)生成训练集;(4)构建多任务神经协同过滤网络;(5)训练多任务神经协同过滤网络;(6)评分。本发明提出的方法能有效解决现有物品评分方法中模型过拟合、泛化能力差导致物品评分准确性不高的问题,并且能够解决用户基本信息与物品属性信息使用不充分导致物品评分个性化不高的问题。
详细信息 下载全文

申请号:202011458878.1 公开号:CN112529415A 主分类号:G06Q10/06
申请人:西安电子科技大学 申请日:2020.12.11 公开日:2021.03.19
摘要:本发明公开了一种基于组合多感受野图神经网络的物品评分方法,其实现步骤为:(1)构建属性特征提取模块;(2)构建结构特征提取模块;(3)构建图解码器模块;(4)生成组合多感受野图神经网络;(5)构建属性特征矩阵和用户‑物品评分矩阵;(6)生成用户‑物品二部有权图;(7)生成训练集;(8)训练组合多感受野图神经网络;(9)评分。本发明提出的方法能够提取用户和物品的属性特征和结构特征,充分挖掘用户和物品信息,具有评分准确度高的优点。
详细信息 下载全文

申请号:202110395752.2 公开号:CN113096138A 主分类号:G06T7/11
申请人:西安电子科技大学 申请日:2021.04.13 公开日:2021.07.09
摘要:本发明提出一种选择性像素亲和学习的弱监督语义图像分割方法,旨在通过对像素点间相关关系有选择地学习,更加准确预测对象边界以及区域连通处的像素点相关关系,改善对象边界与区域内部的分割效果。实现步骤为:首先,生成类别激活图,生成联合置信度图,生成权值图,在权值图与联合置信度图的共同监督下有选择地训练AffinityNet神经网络,学习并预测像素间亲和性,生成基础训练集中每张图像的伪掩码,最后,训练用于生成掩码的网络,对待分割图像的弱监督语义进行分割。本发明能够改善图像中对象边界与区域连通处的分割结果,提升分割效果。
详细信息 下载全文

申请号:202110764181.5 公开号:CN113469072A 主分类号:G06K9/00
申请人:西安电子科技大学 申请日:2021.07.06 公开日:2021.10.01
摘要:本发明公开了一种基于GSoP和孪生融合网络的遥感图像变化检测方法及系统,制作训练数据集和测试数据集;构建孪生注意力融合网络模型,注意力融合模块包括孪生残差模块与GSoP模块,孪生残差模块位于两个分支网络的同一位置,GSoP模块用于将特征图像的每个通道视为一个随机变量,通过学习特征图像在各个通道之间的协方差矩阵获取特征图像在通道维度上的相关性信息,并为每个通道重新分配权重;将训练数据集输入孪生注意力融合网络模型中,对孪生注意力融合网络模型进行训练;将测试数据集输入训练后的孪生注意力融合网络模型中,验证测试数据集的变化检测结果,完成遥感图像变化检测。本发明能够极大的提升遥感图像的变化检测效果。
详细信息 下载全文

申请号:202110765132.3 公开号:CN113469074A 主分类号:G06K9/00
申请人:西安电子科技大学 申请日:2021.07.06 公开日:2021.10.01
摘要:本发明公开了一种基于孪生注意力融合网络的遥感图像变化检测方法及系统,对双时相遥感图像进行预处理;将预处理后的双时相遥感图像制作成训练数据集和测试数据集;构建孪生注意力融合网络SE‑Siam‑Resnet;使用训练数据集训练孪生注意力融合网络;将测试数据集输入训练好的孪生注意力融合网络中,根据输出的结果确定输入遥感图像对的中心像素是否变化,完成遥感图像变化检测。能够极大的提升遥感图像的变化检测效果。
详细信息 下载全文

申请号:202210158946.5 公开号:CN114565639A 主分类号:G06T7/246
申请人:西安电子科技大学 申请日:2022.02.21 公开日:2022.05.31
摘要:本发明公开了一种基于复合卷积网络的目标跟踪方法及系统,构建孪生复合卷积特征提取子网络Siam‑Co‑CNNs;将Siam‑Co‑CNNs提取的模板分支与检测分支的特征图输入区域提案子网络中,组成基于复合卷积网络的目标跟踪网络;使用训练数据集中的视频帧序列,对基于复合卷积网络的目标跟踪网络进行离线预训练;将测试视频转化为图像帧输入系统,并在第一帧上标注上待跟踪目标,进行在线跟踪,得到并输出目标跟踪结果。实验证明,本发明所提出的目标跟踪方法能够提高目标跟踪的准确率和成功率。
详细信息 下载全文

65 条,当前第 1-10 条 下一页 最后一页 返回搜索页
©2022 Patent9.com All rights reserved.