“卢孝强”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52个，建议您升级VIP下载更多相关专利

[发明专利]用于遥感场景分类的多任务神经网络框架及分类方法-CN202010070358.7有效
发明人： 卢孝强;张园林;郑向涛;黄举 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2020-01-21 - 公布日： 2023-05-05 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种用于遥感场景分类的神经网络框架及分类方法，特别涉及一种用于遥感场景分类的多任务神经网络框架及分类方法，解决了现有网络框架及分类方法，信息量存在局限性，场景识别不准确，分类精度低的问题。该网络框架包括卷积特征提取层、分类任务全连接特征提取层、分类任务判别层、分类任务损失层；其特殊在于：还包括辅助任务全连接特征提取层、辅助任务判别层、辅助任务损失层、分类任务特征映射层、辅助任务特征映射层及关系学习损失层；两个特征映射层分别将适应于两种任务的全连接特征向量降维，关系学习损失层将降维后的向量作差并将差向量的范数作为关系学习损失，关系学习损失与两种任务的判别损失一起加入优化训练。
用于遥感场景分类任务神经网络框架方法

[发明专利]基于时域注意力的弱监督监控视频异常行为检测方法-CN202110475060.9有效
发明人：郑向涛;郑云朋;卢孝强 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2021-04-29 - 公布日： 2023-04-18 - 主分类号： G06V20/40 文献下载
摘要：本发明的目的在于解决现有基于弱监督的视频异常检测方法只能检测出视频中真正异常行为的存在时间段，不能有效的识别出异常行为的具体种类的问题，提供一种基于时域注意力的弱监督监控视频异常行为检测方法，该方法缓解了视频中的人体异常行为研究对额外注释信息的依赖。该方法包括：1)将卷积神经网络在视频数据集Kinetics上进行预训练；2)利用弱监督的数据进提取训练集和测试集视频的特征，并对特进行征融合获得视频片段的时空融合表示，然后获得的每个视频片段的融合表示输入到一个全连接层进行分类，输出类别向量；3)计算时域注意力；4)构建损失函数进行训练；5)异常行为检测及分类。
基于时域注意力监督监控视频异常行为检测方法

[发明专利]一种自相似性约束的高光谱影像解混方法-CN201911064424.3有效
发明人： 卢孝强;董乐;刘康 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2019-11-04 - 公布日： 2023-04-18 - 主分类号： G06T5/00 文献下载
摘要：本发明提出一种自相似性约束的高光谱影像解混方法，主要解决现存基于非负矩阵分解的解混方法精度不高，并且没有充分利用原始数据复杂的上下文信息的问题。该方法包括以下步骤，步骤一、输入待分解的高光谱图像，构建带有空间‑光谱约束的稀疏NMF解混框架；步骤二、利用K‑means++聚类算法通过高光谱图像块之间的相似性来探索图像中的全局空间结构信息；同时，利用自适应的超像素分割来挖掘邻域内像素之间的光谱相似性；步骤三、利用子空间内像素的自表达特性将全局空间相似组和局部光谱相似组内的所有像素进行稀疏编码，步骤四、采用ADMM算法迭代求解端元矩阵和丰度矩阵；步骤五、完成高光谱影像Y的解混。
一种相似性约束光谱影像方法

[发明专利]一种基于深度学习的颜料光谱辨识方法-CN201911337833.6有效
发明人：范尧;张朋昌;唐兴佳;王爽;于涛;高晓惠;卢孝强;胡炳樑 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2019-12-23 - 公布日： 2023-04-11 - 主分类号： G06V10/764 文献下载
摘要：本发明提供了一种基于深度学习的颜料光谱辨识方法，解决现有利用颜料光谱来识别颜料种类的方法，存在识别准确率低的问题。该方法包括以下步骤：1)采集颜料块的高光谱数据，获得高光谱数据块；2)去除高光谱数据块中成像质量差的高光谱数据，并对高光谱数据进行降噪处理；3)对采集的高光谱图像数据块进行分割得到若干图像块,将每个图像块的所有像素光谱曲线排成矩阵,对每个矩阵的每一条光谱曲线样本添加颜料标签，将每个矩阵的所有光谱曲线样本分为测验单元，4)建立深度学习神经网络模型，5)训练神经网络模型，调整网络模型的参数，6)使用调整好参数的神经网络模型进行测试，并统计其测试结果，7)计算及调整。
一种基于深度学习颜料光谱辨识方法

[发明专利]基于解纠缠表达学习的跨模态生物特征匹配方法及系统-CN202010089856.6有效
发明人： 卢孝强;宁海龙;郑向涛;刘康 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2020-02-13 - 公布日： 2023-04-11 - 主分类号： G06V40/16 文献下载
摘要：本发明涉及一种基于解纠缠表达学习的跨模态生物特征匹配方法及系统，解决由于不同模态数据(人脸和声音)的类内差异较大而带来的匹配精度低的问题。其实现步骤为：(1)划分训练集，验证集和测试集；(2)提取训练集和验证集中人脸嵌入和声音嵌入；(3)通过保留人脸和声音之间的相同身份信息来学习身份因子；(4)通过最小化模态内的差异来获得模态依赖因子；(5)对验证集计算性能验证指标，判断模型是否训练完成；(6)统计实验结果，在测试集上进行跨模态认证、跨模态匹配和跨模态检索，计算相关指标分数。本发明极大程度地提高了人脸和声音跨模态生物特征匹配的精度，可用于人脸和声音的跨模态认证、跨模态匹配和跨模态检索等任务。
基于纠缠表达学习跨模态生物特征匹配方法系统

[发明专利]一种遥感卫星视频目标跟踪方法-CN202110566623.5有效
发明人：郑向涛;陶成龙;高贵龙;卢孝强 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2021-05-24 - 公布日： 2023-02-10 - 主分类号： G06V20/40 文献下载
摘要：本发明涉及一种遥感卫星视频目标跟踪方法，该方法包括：将当前帧输入跟踪算法，将当前帧跟踪的搜索区域裁剪出来，采用特征提取算法对当前帧的搜索区域进行特征提取，获取当前帧的搜索区域特征图FC；将FC与前一帧跟踪模型MC‑1进行相似度计算，确定跟踪目标的位置；判断是否跟踪结束；是，则结束跟踪；否，则采用所述特征提取算法，对当前帧跟踪到的目标位置进行特征提取，得到当前帧目标特征图AC；根据公式A＝αA1+βAC+(1‑α‑β)Ah获得当前帧更新模板A，其中，公式中Ah为前一帧更新模板，α和β为权重；采用所述跟踪算法，对当前帧更新模板A进行模型训练得当前帧跟踪模型MC；获取遥感卫星视频的下一帧，并将下一帧作为当前帧，重复以上方法，直至跟踪结束。
一种遥感卫星视频目标跟踪方法

[发明专利]基于多任务学习的遥感场景分类方法-CN202110571257.2有效
发明人： 卢孝强;龚腾飞;郑向涛 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2021-05-25 - 公布日： 2022-12-27 - 主分类号： G06V20/13 文献下载
摘要：本发明提供一种基于多任务学习的遥感场景分类方法，解决现有遥感场景分类方法存在少量训练样本不能实现有效的遥感影像场景特征表达以及分类结果不准确的问题。该方法包括：1)设计共享分支对所有任务中的图像提取特征，并记为共享特征；2)对每个任务设计一个特定任务分支，该分支根据所执行的任务将共享的特征调整为特定任务特征；3)将每个特定任务分支的输出连接到一个分类器上，完成当前任务的分类；4)训练多任务模型；5)获取分类结果。本发明方法可有效用于有标记训练数据不足的遥感图像场景分类任务。同时，使用特定分支提取任务特定特征，避免了不同任务间相互干扰，保证每个任务获得最优分类结果。
基于任务学习遥感场景分类方法

[发明专利]基于深度残差神经网络的非视域成像方法-CN202110572832.0有效
发明人： 卢孝强;陈跃;郑向涛;任玉涛 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2021-05-25 - 公布日： 2022-12-09 - 主分类号： G06T11/00 文献下载
摘要：本发明提出了一种基于深度残差神经网络的非视域成像方法，解决现有非视域成像方法成本高昂、捕获时间长、分辨率低的问题，该方法减少了捕获时间、提高了图像质量。该基于深度残差神经网络的非视域成像方法，包括以下步骤：步骤一、合成训练数据集图像对；步骤二、获取输出原图估计图像；步骤三、构建目标损失函数；步骤四、对目标损失函数进行迭代优化求解，使得目标损失函数达到稳定状态，得到自相关图到原图的映射，残差神经网络模型训练完成；步骤五、采集激光散斑图，对激光散斑图做自相关运算；步骤六、将自相关激光散斑图输入训练好的残差神经网络，生成非视域目标图像。
基于深度神经网络视域成像方法

[发明专利]基于迁移学习和视频帧关联学习的视频分析方法-CN201510112142.1有效
发明人：袁媛;卢孝强;牟立超 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2015-05-22 - 公布日： 2022-10-04 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于迁移学习和视频帧关联学习的视频内容分析方法，主要解决了现有视频内容分析方法需要大量人工标记以及视频分析中存在“黑洞”现象的问题。其实现步骤是：(1)依据运动预测和光流分析算法对标签进行视频帧之间的迁移；(2)利用现有的图像标注数据集对上述步骤中产生的“黑洞”现象进行跨媒体迁移学习；(3)利用马尔科夫随机场模型对单幅视频帧中对象空间分布进行先验知识建模；(4)在最大后验概率模型下将以上三步统一求解，得到最终的视频分析结果。本发明充分利用了视频中空‑时域信息，迁移学习方法将大规模的已标注图像数据信息迁移到视频域对“黑洞”进行补绘，从而取得更精准的视频内容的像素级自动标注结果。
基于迁移学习视频关联分析方法

[发明专利]一种非视域成像系统及成像方法-CN202210557665.7在审
发明人：张宁;卢孝强;屈博;赵明帆 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2022-05-19 - 公布日： 2022-09-20 - 主分类号： G01S17/894 文献下载
摘要：本发明提供的一种非视域成像系统及成像方法，用以解决目前基于飞行时间的非视域成像技术存在的光能利用率低及信噪比低的技术问题。本系统包括偏振激光器、偏振分束器、法拉第旋光器、电控扫描模块、中介面、探测器及采集处理单元；偏振分束器、法拉第旋光器、电控扫描模块、中介面依次位于激光出射光路上；中介面用于将激光散射到达待测目标，经待测目标反射后返回；中介面、电控扫描模块、法拉第旋光器、偏振分束器以及探测器依次位于待测目标的返回光路上；采集处理单元分别与偏振激光器及探测器电连接。本方法通过偏振光配合偏振分束器，使入射光和返回光在经过偏振分束器后全部反射或透射，有效减少了系统的光能损失。
一种视域成像系统方法

[发明专利]基于流形约束自编码网络的高光谱异常检测方法及系统-CN201910412013.2有效
发明人： 卢孝强;张无瑕;吴思远;黄举 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2019-05-17 - 公布日： 2022-03-25 - 主分类号： G06V20/00 文献下载
摘要：本发明公开了一种基于流形约束自编码网络的高光谱异常检测方法及系统，解决样本识别率低的问题，方法实现步骤是：(1)采用流行学习算法来学习低维嵌入流行；(2)通过低维嵌入流形约束的自编码网络提取隐层表达特征；(3)利用低维嵌入流形约束的自编码网络获得全局重构误差；(4)在低维嵌入流形上计算局部重构误差；(5)将全局重构误差和局部重构误差结合起来进行异常目标检测；(6)统计实验结果，计算高光谱异常检测的精度。本发明在利用自编码网络提取高光谱图像的深度特征时，考虑了图像的局部特性；并且综合全局方法和局部方法的优点，在进行异常判断时，同时考虑全局重构误差和局部重构误差，进而提高了异常检测的精度。
基于流形约束编码网络光谱异常检测方法系统

[发明专利]行列式点过程的波段选择方法-CN201510104333.3有效
发明人：袁媛;卢孝强;郑向涛 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2015-03-10 - 公布日： 2021-10-15 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种行列式点过程的波段选择方法，包括以下步骤：1]对原始高光谱数据的波段进行划分，生成不同候选波段子集；2]对候选波段子集进行评价，选取符合行列式点过程的候选波段子集；3]根据初等行列式点过程的性质，计算出符合行列式点过程的候选波段子集出现的概率，概率越大说明其出现的可能性越高，即最佳的候选波段子集。该方法解决了原始高光谱数据中存在的高度冗余，提高数据表达性难题，克服现有方法判别性差的问题。
行列式过程波段选择方法

[发明专利]一种基于双向特征筛选网络的遥感场景识别方法-CN201910393372.8有效
发明人： 卢孝强;孙昊;郑向涛;屈博 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2019-05-13 - 公布日： 2021-09-14 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于双向特征筛选网络的遥感场景识别方法，主要解决现有基于深度卷积神经网络的遥感场景识别方法没有考虑不同层卷积特征之间的层级结构和无法剔除不同卷积特征之间冗余信息的问题。该方法包括以下步骤：1)提取多层卷积特征；2)构建双向特征筛选模块；3)分别利用双向的特征筛选模块中的自下而上和自上而下这两种方向对所述多层卷积特征进行逐层融合，得到遥感场景的卷积表达；4)构建双向特征筛选网络；5)训练双向特征筛选网络；6)预测遥感场景类别。
一种基于双向特征筛选网络遥感场景识别方法

[发明专利]基于自适应光谱波段筛选网络的高光谱遮挡效果评估方法-CN202110443708.4在审
发明人：郑向涛;高贵龙;陈文静;卢孝强 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2021-04-23 - 公布日： 2021-08-06 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种基于自适应光谱波段筛选网络的高光谱遮挡效果评估方法，解决现有高光谱遮挡效果评估方法易受复杂成像环境等因素导致的噪声干扰，难以较好地进行遮挡效果评估的问题。该方法包括以下步骤：1)构建高光谱遮挡效果评估数据库；2)构建回归模型；3)优化回归模型；4)获取遮挡效果评估分数。本发明基于自适应光谱波段筛选网络的高光谱遮挡效果评估方法能从不同成像环境下的高光谱图像中学习出有效的特征，提高遮挡效果评估准确率，可以应用于复杂成像环境下的高光谱遮挡效果评估、目标识别等领域。
基于自适应光谱波段筛选网络遮挡效果评估方法

[发明专利]一种基于局部约束的图像盲去模糊方法-CN201510112076.8有效
发明人：李学龙;卢孝强;张琦 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2015-03-13 - 公布日： 2021-06-22 - 主分类号： G06T5/00 文献下载
摘要：本发明属于图像处理技术领域，具体涉及一种基于局部约束的图像盲去模糊方法，包括以下步骤：1】字典训练；2】预处理；3】模糊核估计；4】图片恢复。本发明克服了以往方法中盲去卷积过程会破坏原始像素间的结构关联的问题，提高了图像恢复的效果。
一种基于局部约束图像模糊方法

1
2
3
4
下一页»
尾页
共 52 条