“侯瑶淇”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]一种提袋识别方法及装置-CN202010217503.X有效
发明人：钱扬;孟强;侯瑶淇 -专利权人：北京爱笔科技有限公司
申请日： 2020-03-25 - 公布日： 2023-10-27 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种提袋识别方法及装置，通过获得提袋检测网络模型对目标图像进行检测后输出的至少一个提袋候选框，对所述目标图像中的人体关键点进行识别，根据识别到的至少部分人体关键点确定与所述至少部分人体关键点相关的提袋候选区域，将位于所述提袋候选区域之外的提袋候选框确定为误识别候选框，可以根据人体关键点确定与提袋相关度较低甚至无关的误识别候选框，将未确定为误识别候选框的提袋候选框均确定为提袋或进行下一步的识别，有效提高了提袋识别的准确率。
一种识别方法装置

[发明专利]模型训练、回归分析的方法、装置、存储介质和设备-CN202110038306.6在审
发明人：岳凯宇;侯瑶淇;周峰 -专利权人：北京爱笔科技有限公司
申请日： 2021-01-12 - 公布日： 2021-04-30 - 主分类号： G06K9/00 文献下载
摘要：本申请提供一种模型训练、回归分析的方法、装置、存储介质和设备，方法包括：利用待训练的回归模型确定样本图像的权重分布；用第一损失函数和第二损失函数对权重分布执行损失计算，得到第一损失值和第二损失值，第一损失函数为对权重分布中与真实值对应的权重进行计算的熵损失函数；第二损失函数为对权重分布中每一个权重和真实值进行计算的加权求和损失函数；对第一损失值和第二损失值运算得到模型损失值；若模型损失值不符合模型收敛条件，根据模型损失值更新待训练的回归模型的参数，再次训练直至符合模型收敛条件为止。模型损失值既约束各个备选值加权求和的结果，也能控制各备选值的权重集中在真实值附近，提高训练好的回归模型的准确度。
模型训练回归分析方法装置存储介质设备

[发明专利]基于再编码和深度融合卷积网络的多光谱图像分类方法-CN201710572135.9有效
发明人：焦李成;屈嵘;侯瑶淇;马文萍;杨淑媛;侯彪;刘芳;尚荣华;张向荣;张丹;唐旭;马晶晶 -专利权人：西安电子科技大学
申请日： 2017-07-13 - 公布日： 2020-11-03 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了基于数据再编码和深度融合卷积网络的多光谱图像分类方法，将待分类的多光谱图像中不同波段的数据堆叠到一起，得到三维图像特征FA；输入待分类多光谱图像的分类辅助数据；再进行编码，得到三维图像特征FB；将两种数据源处理后得到的三维特征矩阵FA、FB联合，作为输入特征F；对F归一化，并对归一化后的特征矩阵F1中的每个元素取块，构成基于图像块的特征矩阵F2；根据F2得到训练数据集的特征矩阵W1和测试数据集的特征矩阵W2；构造基于多尺度深度滤波器的分类模型；用训练数据集的特征矩阵W1对分类模型进行训练；利用训练好的分类模型对测试数据集的特征矩阵W2分类。本发明提高了多光谱遥感图像的分类精度，可用于地物分类。
基于编码深度融合卷积网络光谱图像分类方法

[发明专利]一种基于全卷积神经网络的SAR图像目标检测方法-CN201710396167.8有效
发明人：焦李成;屈嵘;侯瑶淇;马文萍;杨淑媛;侯彪;刘芳;尚荣华;张向荣;张丹;唐旭;马晶晶 -专利权人：西安电子科技大学
申请日： 2017-05-26 - 公布日： 2020-11-03 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于全卷积神经网络的SAR图像目标检测方法，主要解决现有技术检测速度慢、准确率低的问题，其方案是：获取SAR图像；扩充训练数据集；构建一个九层的全卷积神经网络；使用扩充后的训练数据集训练全卷积神经网络；将测试图片输入到训练好的模型中进行显著性检测，得到输出的显著性特征图；对显著性特征图进行形态学处理；对处理后的特征图进行连通域标记；以每个连通域的质心为中心，提取与各个目标质心对应的检测切片；将各个检测切片在输入的原始SAR图像中标记出来，得到测试数据的目标检测结果。本发明将全卷积神经网络应用到SAR图像目标检测中，提高了SAR图像目标检测的检测速度和准确率，可用于目标识别。
一种基于卷积神经网络 sar 图像目标检测方法

[发明专利]基于显著性和多尺度深度网络模型的SAR图像分类方法-CN201711143858.3在审
发明人：焦李成;屈嵘;侯瑶淇;马文萍;杨淑媛;侯彪;刘芳;陈璞花;古晶;张丹;唐旭;马晶晶 -专利权人：西安电子科技大学
申请日： 2017-11-17 - 公布日： 2018-04-13 - 主分类号： G06K9/62 文献下载
摘要：一种基于显著性和多尺度深度网络模型的SAR图像分类方法。其步骤为读入数据集；获得训练场景图和显著特征图；生成显著性检测训练数据集；生成目标分类训练样本集；构建显著性网络模型；训练显著性网络模型；构建多尺度深度网络模型；构建曲线波Curvelet重构层；生成目标分类网络模型；训练目标分类网络模型；获得显著特征图；对显著特征图进行形态学处理；提取检测切片；对检测切片进行分类；对分类结果进行投票；标记检测与分类结果图。本发明提高了分类准确率和分类速度，本发明可应用于对合成孔径雷达SAR图像的目标准确地进行分类、识别。
基于显著尺度深度网络模型 sar 图像分类方法