“慕彩红”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56个，建议您升级VIP下载更多相关专利

[发明专利]基于边界排名损失和邻域感知图神经网络的物品推荐方法-CN202310919874.6在审
发明人： 慕彩红;张克洋;刘逸;罗佳申;王蓉芳;冯婕 -专利权人：西安电子科技大学
申请日： 2023-07-25 - 公布日： 2023-10-20 - 主分类号： G06Q30/0601 文献下载
摘要：本发明公开了一种基于边界排名损失和邻域感知图神经网络的物品推荐方法，主要解决先有技术对物品推荐准确性较低的问题。其实现方案包括：从推荐数据集中提取用户‑物品交互信息；根据提取的信息构建用户‑物品邻域感知交互二部图；构建基于邻域感知图神经网络的物品推荐模型并定义其边界排名损失函数；将用户‑物品邻域感知交互二部图输入到物品推荐模型进行迭代训练，直至模型损失函数收敛；利用训练好的物品推荐模型为用户提供物品推荐。本发明通过构造用户‑物品邻域感知交互二部图及定义边界排名损失函数，不仅能获得更加准确的嵌入向量，而且能增大正负样本嵌入向量之间的差距，提高物品推荐的准确性，可应用于电影、图书、商品及服务推荐。
基于边界排名损失邻域感知神经网络物品推荐方法

[发明专利]基于多尺度密集连接和特征聚合网络的高光谱图像分类方法-CN202310718315.9在审
发明人：刘逸;慕彩红;祝建;冯家杰;那彦;刘敬 -专利权人：西安电子科技大学
申请日： 2023-06-16 - 公布日： 2023-08-11 - 主分类号： G06V10/764 文献下载
摘要：本发明提出了一种基于多尺度密集连接和特征聚合网络的高光谱图像分类方法，其实现步骤为：构建光谱‑空间特征提取模块；构建多尺度特征提取模块；构建多层次特征聚合模块；构建多尺度密集连接和特征聚合网络；利用生成的训练集训练多尺度密集连接和特征聚合网络；对高光谱图像进行分类。本发明能够更全面地捕捉高光谱图像的光谱‑空间特征，并充分利用高光谱图像空间特征和不同层次特征，从而有效解决现有高光谱图像分类方法中光谱‑空间特征表示不足、样本不平衡、存在大量冗余信息等问题，并在一定程度上提升高光谱图像分类的性能。
基于尺度密集连接特征聚合网络光谱图像分类方法

[发明专利]基于多任务神经协同过滤网络的物品评分方法-CN202011458875.8有效
发明人： 慕彩红;刘逸;王张洋;刘若辰;陈璞花;田小林;李阳阳 -专利权人：西安电子科技大学
申请日： 2020-12-11 - 公布日： 2023-08-01 - 主分类号： G06F16/9536 文献下载
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。
基于任务神经协同过滤网络物品评分方法

[发明专利]水体指数与极化信息多路径融合的遥感图像水域分割方法、系统及设备-CN202310375149.7在审
发明人：王蓉芳;张晨晨;李卫斌;慕彩红;焦昶哲 -专利权人：西安电子科技大学
申请日： 2023-04-10 - 公布日： 2023-07-07 - 主分类号： G06V20/13 文献下载
摘要：水体指数与极化信息多路径融合的遥感图像水域分割方法、系统及设备，利用多光谱图像和SAR图像这两类多源遥感数据，对原始的UNet算法引入水体指数，设计多路径多源数据融合编码器，利用Gated Channel Transform(GCT)注意力机制等，以应对遥感图像中复杂的地物环境对水域分割的不利影响，实现在较少的计算资源的前提下，提高水域分割的精度；其系统及设备用于实现水体指数与极化信息多路径融合的遥感图像水域分割；本发明具有计算成本低、检测耗时短、分割精度高的优点，并能够随时进行迭代更新，提升模型性能。
水体指数极化信息路径融合遥感图像水域分割方法系统设备

[发明专利]基于运动对准和动态更新的遥感视频弱监督目标检测方法-CN202211735462.9在审
发明人：冯婕;姜全鹏;李杰;焦李成;张向荣;尚荣华;王蓉芳;慕彩红 -专利权人：西安电子科技大学
申请日： 2022-12-30 - 公布日： 2023-06-06 - 主分类号： G06V20/10 文献下载
摘要：本发明公开一种基于运动对准和动态更新的遥感视频弱监督目标检测方法，主要解决现有技术中未利用帧间运动信息辅助检测导致召回率低，以及伪标签框更新策略不适应小目标导致目标定位精度低的问题。其实现方案为：生成训练样本集与测试样本集；对训练样本集中每帧遥感图像进行伪标签框初始化；对初始化伪标签框进行对准得到精准伪标签框；构建目标检测网络；训练目标检测网络并进行在线动态更新和困难样本挖掘。本发明能够有效利用点监督信息以及运动信息，完成伪标签框的生成与有益引导，提高了检测的召回率和定位精度，极大减少了人工标注时间和成本。
基于运动对准动态更新遥感视频监督目标检测方法

[发明专利]基于组合多感受野图神经网络的物品评分方法-CN202011458878.1有效
发明人： 慕彩红;刘逸;黄天欢;陈璞花;刘若辰;李阳阳;田小林 -专利权人：西安电子科技大学
申请日： 2020-12-11 - 公布日： 2023-05-30 - 主分类号： G06F16/9535 文献下载
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。
基于组合感受神经网络物品评分方法

[发明专利]基于多波段熵率超像素分割的高光谱图像分类方法-CN202110060277.3有效
发明人： 慕彩红;刘逸;董志东;吴建设;李阳阳;刘若辰;田小林 -专利权人：西安电子科技大学
申请日： 2021-01-18 - 公布日： 2023-04-07 - 主分类号： G06V20/13 文献下载
摘要：本发明提出了一种基于多波段熵率超像素分割的高光谱图像分类方法，用于解决现有技术存在的分类精度较低和分类效率较低的技术问题，实现步骤为：(1)对高光谱图像进行多波段熵率超像素分割；(2)获取训练集和测试集；(3)对多分类支持向量机分类器进行训练；(4)获取高光谱图像的分类结果。本发明采用的基于多波段熵率超像素分割的高光谱图像分类方法，充分利用了高光谱图像地物目标的光谱信息和多波段上的空间分布信息，从而有效提高了高光谱图像的分类精度，且分类效率较高，可应用于灾害监测、地质勘探、城市规划、农业和考古等领域。
基于波段熵率超像素分割光谱图像分类方法

[发明专利]基于注意力机制和权值共享的高光谱图像分类方法-CN202110399194.7有效
发明人：刘逸;郭震;慕彩红;刘红英;王蓉芳 -专利权人：西安电子科技大学
申请日： 2021-04-13 - 公布日： 2023-04-07 - 主分类号： G06V10/764 文献下载
摘要：本发明提出了一种基于注意力机制和权值共享的高光谱图像分类方法，其实现步骤为：(1)获取高光谱图像并对其进行预处理；(2)对归一化后的高光谱图像进行邻域取块；(3)生成训练样本集与测试样本集；(4)构建高光谱图像分类网络模型；(5)对高光谱图像分类网络模型进行迭代训练；(6)获取高光谱图像的分类结果，本发明有效解决深度卷积神经网络参数冗余的问题，并且能够解决在有限样本数据集下分类精度低的问题，分类性能良好。
基于注意力机制共享光谱图像分类方法

[发明专利]基于自监督学习及多任务学习的高光谱开放集分类方法-CN202110748974.8有效
发明人： 慕彩红;刘逸;孙庆虎;王蓉芳;冯婕;刘若辰 -专利权人：西安电子科技大学
申请日： 2021-07-02 - 公布日： 2023-02-10 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于自监督学习和多任务学习的高光谱开放集分类方法，主要解决现有高光谱开放集分类方法无法充分利用高光谱开放集的无标签样本，导致分类精度低的问题，其实现方案为：输入高光谱图像并对其进行预处理；对预处理后的图像进行邻域取块，生成训练数据集与测试数据集；构建基于自监督学习和多任务学习的神经网络模型；利用训练数据集，采用自监督学习方法和多任务学习方法对所构建的神经网络模型进行训练；将测试数据集输入到训练好的神经网络模型中得到分类结果。本发明能充分利用无标签样本信息，缓解有标签样本少的问题，提高了分类精度，可应用于环境监测、资源勘探、城市规划及农业计划。
基于监督学习任务光谱开放分类方法

[发明专利]基于深度神经网络结构寻优的图像变化检测方法-CN201910465727.X有效
发明人：刘若辰;张浪浪;张豪;刘静;李阳阳;慕彩红 -专利权人：西安电子科技大学
申请日： 2019-05-30 - 公布日： 2022-12-06 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于深度神经网络结构寻优的图像变化检测方法，主要解决现有图像变化检测方法中存在的检测泛化性能和灵活性低的问题。其实现方案为：读入图像并进行归一化处理，构建训练样本集，对深度神经网络结构进行编码；根据网络结构编码方式，初始化种群；基于训练样本集，以进化算法搜索最优网络结构；利用最优网络结构输出图像变化检测结果图。本发明基于进化算法的搜索策略，能高效地自动搜索给定任务的最优深度神经网络结构，面对各类复杂情况具有较佳的效果和鲁棒性，提高了变化检测的灵活性，可用于土地覆盖检测、灾难评估、视频监控。
基于深度神经网络结构图像变化检测方法

[发明专利]基于去噪组合降维和引导滤波的高光谱图像分类方法-CN201910616360.7有效
发明人： 慕彩红;刘逸;刘一锦;侯彪;田小林;刘静;刘若辰 -专利权人：西安电子科技大学
申请日： 2019-07-09 - 公布日： 2022-12-06 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于去噪组合降维和引导滤波的高光谱图像分类方法，其实现步骤为：(1)读取高光谱图像数据集；(2)对数据集进行最小噪声分离变换；(3)对分离变换后的结果进行组合降维；(4)使用主成分分析降维得到引导滤波输入图像，使用独立成分分析降维得到引导图像；(5)将包含信息量最多的若干主成分作为输入图像，将包含统计信息最多第一独立成分作为引导图像；(6)应用依次增加的滤波半径进行引导滤波得到多尺度空间特征；(7)利用支持向量机进行分类。本发明主要解决了现有技术对空间特征利用不充分及小数量样本分类难的问题，降低了计算复杂度，提高了分类效果。
基于组合维和引导滤波光谱图像分类方法

[发明专利]融合属性信息网络和矩阵分解的物品评分预测方法-CN201811640589.6有效
发明人： 慕彩红;刘逸;丁锐;吴建设;李阳阳;刘波;刘若辰 -专利权人：西安电子科技大学
申请日： 2018-12-29 - 公布日： 2022-12-06 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开一种融合属性信息网络和矩阵分解的物品评分预测方法，解决了如何更准确地对物品评分预测的问题。实现步骤有：构建属性信息网络；采集数据和信息；构建融合分解模型；初始化参数；选择评价指标和损失函数计算公式；计算预测评分矩阵；计算训练集预测评分矩阵损失；对参数优化更新得到新的预测评分矩阵；计算测试集预测评分矩阵评价指标；判断评价指标；若满足停止条件直接输出结果；否则，返回迭代计算逐渐降低损失；直至满足条件输出结果。本发明将用户和物品更多信息经过属性信息网络得到的维度变换结果又与矩阵分解融合形成预测模型，采用两种损失函数，使得物品评分预测更为准确，本发明可应用于对网上物品进行自动化的预测。
融合属性信息网络矩阵分解物品评分预测方法

[发明专利]基于光谱增强和密集连接变压器的高光谱图像分类方法-CN202211033767.5在审
发明人：冯婕;吴永恩;焦李成;张向荣;尚荣华;慕彩红;王蓉芳 -专利权人：西安电子科技大学
申请日： 2022-08-26 - 公布日： 2022-11-29 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于光谱增强和密集连接变压器的高光谱图像分类方法，主要解决现有高光谱图像分类性能不佳、分类区域一致性不好的问题。其实现方案为：获取高光谱图像数据集，生成训练样本集与测试样本集；分别构建光谱增强模块、密集连接变压器模块，生成光谱增强和密集连接变压器模型；对光谱增强和密集连接变压器模型进行训练；将测试集输入到训练好的光谱增强和密集连接变压器模型中输出高光谱图像的分类结果。本发明利用搭建的光谱增强和密集连变压器，能够提取、融合高光谱图像的全局和局部特征及远距离空间信息，提高高光谱图像分类的准确性和一致性，可用于高光谱图像的地物分类土地覆盖测绘、精准农业、城市规划、树种分类和矿产勘探。
基于光谱增强密集连接变压器图像分类方法

[发明专利]一种基于YOLO深度网络的课堂环境下人脸检测方法及其检测系统-CN202210894051.8在审
发明人：王蓉芳;李智远;朱孟达;慕彩红;郝红侠 -专利权人：西安电子科技大学
申请日： 2022-07-27 - 公布日： 2022-10-25 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于YOLO深度网络的课堂环境下人脸检测方法及其检测系统，在原始YOLOX算法上改进，在网络的空间金字塔池化结构中使用更小的池化核，能够帮助模型更轻松地检测到课堂环境下的小尺度人脸并提高整体的人脸检测性能；在网络中加入混合注意力模块，让模型学习抑制无用的背景信息，提升检测精度；在网络中加入自适应空间特征融合操作，解决PAFPN结构中存在的不一致问题；使用EIOU损失函数代替IOU损失函数，使真实框与预测框的宽度差和高度差最小，能加快收敛速度；使用迁移学习预训练操作解决数据不足的问题，提升模型在课堂环境下人脸检测的精度；划分模块，将课堂环境下采集的人脸检测数据集划分为训练集、验证集和测试集。
一种基于 yolo 深度网络课堂环境下人检测方法及其系统

[发明专利]基于余弦排名损失和虚拟边图神经网络的物品推荐方法-CN202210869627.5在审
发明人： 慕彩红;应嘉辉;刘逸;王蓉芳;冯婕;刘波 -专利权人：西安电子科技大学
申请日： 2022-07-21 - 公布日： 2022-09-23 - 主分类号： G06F16/9535 文献下载
摘要：本发明提出了一种基于余弦排名损失和虚拟边图神经网络的物品推荐方法，实现步骤为：(1)构建用户信息、物品信息以及用户‑物品交互信息；(2)构建用户‑物品虚拟边交互二部图；(3)构建基于余弦排名损失和虚拟边图神经网络的物品推荐模型；(4)对基于余弦排名损失和虚拟边图神经网络的物品推荐模型进行迭代训练；(5)获取向用户推荐的物品列表。本发明通过使用用户‑物品虚拟边交互二部图，挖掘了用户‑物品的潜在交互可能，关注了节点间的隐式反馈以获得更好的嵌入表征向量；同时通过使用余弦排名损失函数，过滤冗余样本以自适应的计算损失函数值，提高了物品推荐的准确性。
基于余弦排名损失虚拟神经网络物品推荐方法

1
2
3
4
下一页»
尾页
共 56 条