“尚荣华”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339个，建议您升级VIP下载更多相关专利

[发明专利]卫星视频中基于时空运动和模型压缩的移动车辆检测方法-CN202310838303.X在审
发明人：冯婕;朱潇雨;惠炳谕;尚荣华;吴金建;张向荣;焦李成 -专利权人：西安电子科技大学
申请日： 2023-07-10 - 公布日： 2023-10-17 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种卫星视频中基于时空运动和模型压缩的移动车辆检测方法，其实现步骤为：构建输入子网络，构建特征提取子网络，构建轻量级时空运动信息提取子网络，构建检测头子网络，构建轻量级移动车辆检测网络，生成训练集，训练轻量级移动车辆检测网络，检测卫星视频中的移动车辆。本发明能够较好的解决检测卫星视频中移动车辆误检和漏检问题，提高了检测精确度，本发明显著减少了检测时间，提高了从卫星视频中检测地面移动车辆的效率，可用于对卫星视频中移动车辆进行实时的检测。
卫星视频基于时空运动模型压缩移动车辆检测方法

[发明专利]基于改进的自适应锚点R-CNN的视频目标检测方法-CN202010672068.X有效
发明人：冯婕;梁宇平;叶湛伟;李杰;王蓉芳;焦李成;张向荣;尚荣华;刘若辰 -专利权人：西安电子科技大学
申请日： 2020-07-14 - 公布日： 2023-08-01 - 主分类号： G06V20/40 文献下载
摘要：本发明提出了一种基于改进的自适应锚点R‑CNN的光学遥感视频目标检测方法，用于解决现有技术中精确率和召回率较低的问题，实现步骤为：获取训练样本集和测试样本集；构建改进的自适应锚点R‑CNN网络及其损失函数；对改进的自适应锚点R‑CNN网络进行迭代训练；获取目标检测识别结果。本发明所构建的小目标区域提议网络自适应地生成高质量的锚点，一定程度上避免漏检，有效提高小目标的检测召回率，同时所构建的尺寸预测损失函数有利于小目标尺寸的稳定收敛，进一步提高了小目标的检测精确率和召回率，可用于光学遥感视频中的目标检测。
基于改进自适应 cnn 视频目标检测方法

[发明专利]基于轻量级连续型SAC算法的无人机自主路径规划方法-CN202310543396.3在审
发明人：李阳阳;李浩哲;曹梦晨;沈家皓;张雪帆;刘睿娇;焦李成;尚荣华 -专利权人：西安电子科技大学
申请日： 2023-05-15 - 公布日： 2023-07-14 - 主分类号： G05D1/10 文献下载
摘要：本发明公开了一种基于轻量级连续型SAC算法的无人机自主路径规划方法，其步骤为：构建无人机飞行控制数学模型；设计状态空间、动作空间以及奖励函数；搭建深度强化学习神经网络模型；生成经验数据集；利用SAC算法训练深度神经网络；以训练好的网络作为教师网络进行模型蒸馏。本发明基于深度强化学习，以SAC算法作为模型基本框架，自主设计奖励函数提高训练效率，利用模型蒸馏缩小网络规模，实现了高探索度、轻量化的无人机路径规划方法，解决了无人机有时会出现原地打转平滑度差、噪声较多情况下产生误判、训练效率和稳定性较差、以及模型响应速度慢的问题。
基于轻量级连续 sac 算法无人机自主路径规划方法

[发明专利]基于自动设计长短时记忆网络的高光谱图像分类方法-CN202110770213.2有效
发明人：冯婕;白改琴;高姿卓;张向荣;尚荣华;焦李成;王蓉芳;古晶 -专利权人：西安电子科技大学
申请日： 2021-07-07 - 公布日： 2023-07-04 - 主分类号： G06V20/10 文献下载
摘要：一种基于自动设计长短时记忆网络的高光谱图像分类方法，其步骤为：构造搜索空间；利用循环神经网络搭建一个控制器；生成训练集和验证集；由搜索空间生成循环单元；训练由循环单元搭建的长短时记忆网络；训练控制器；迭代更新控制器的参数，判断策略损失函数是否收敛，若是，用控制器从搜索空间中生成循环单元B，训练由循环单元B搭建的长短时记忆网络NB，对待分类的高光谱图像进行分类，否则，继续由搜索空间生成循环单元。本发明自动设计的长短时记忆网络具有充分利用高光谱图像的光谱信息使得分类效果更精确的优点，可用于高光谱图像的分类。
基于自动设计短时记忆网络光谱图像分类方法

[发明专利]基于金字塔池化孪生网络的SAR图像变化检测方法-CN201910635704.9有效
发明人：王蓉芳;丁凡;陈佳伟;刘波;郝红侠;尚荣华;熊涛 -专利权人：西安电子科技大学
申请日： 2019-07-15 - 公布日： 2023-07-04 - 主分类号： G06V20/13 文献下载
摘要：本发明提供了一种基于金字塔池化孪生网络的SAR图像变化检测方法，主要解决传统方法中变化检测精度依赖于差异图而导致结果不准确的问题。其实现步骤是：1)生成训练样本、测试样本和样本标签；2)构建深度金字塔池化孪生网络；3)构建分类网络；4)使用训练样本和样本标签对深度金字塔池化孪生网络和分类网络进行训练，得到训练好的模型；5)用训练好的模型对测试样本进行测试，得到变化检测结果。本发明能避免使用差异图，有效解决了差异图对变化检测结果的影响，提高了变化检测的准确率，可用于环境检测和灾害检测。
基于金字塔孪生网络 sar 图像变化检测方法

[发明专利]基于对比生成对抗网络的高光谱图像分类方法-CN202110775163.7有效
发明人：冯婕;高姿卓;白改琴;张向荣;尚荣华;焦李成;王蓉芳;古晶 -专利权人：西安电子科技大学
申请日： 2021-07-07 - 公布日： 2023-06-30 - 主分类号： G06V20/10 文献下载
摘要：一种基于对比生成对抗网络的高光谱图像分类方法，其步骤如下：生成样本集；构建对比生成对抗网络；用生成网络生成虚假样本；用判别网络对训练样本和虚假样本进行非线性映射；构造生成网络和判别网络的对比损失函数；构造生成网络和判别网络的损失函数；利用梯度下降方法，更新生成网络和判别网络的参数，并判断生成网络和判别网络的损失函数是否均收敛，若均收敛，则执行下一步，否则，执行步骤3；对高光谱图像进行分类。本发明利用构建的对比生成对抗网络，提取样本类别特征向量，构建对比损失函数，增强了网络的特征提取能力，缓解了网络过拟合的问题，提高了高光谱图像分类的准确性。
基于对比生成对抗网络光谱图像分类方法

[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]基于注意力机制和循环神经网络的高光谱图像分类方法-CN202010860393.9有效
发明人：冯婕;赵宁;焦李成;张向荣;尚荣华;王蓉芳;刘若辰 -专利权人：西安电子科技大学
申请日： 2020-08-25 - 公布日： 2023-05-23 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于注意力机制和循环神经网络的高光谱图像分类方法，主要解决现有技术中对高光谱图像特征提取不充分导致的分类精度偏低的问题。实现步骤为：(1)构造循环神经网络；(2)生成训练集；(3)训练循环神经网络；(4)对待分类的高光谱图像进行分类。本发明利用注意力提议模块和处理模块得到输入高光谱图像空间像素块需要重点关注的局部区域，利用循环神经网络提取待分类高光谱图像的空间‑光谱联合特征，得到分类结果，具有高光谱图像分类精度高的优点，可用于资源勘探、森林覆盖和灾害监测等领域的地物目标识别。
基于注意力机制循环神经网络光谱图像分类方法

[发明专利]基于聚类差分和深度孪生卷积神经网络的单目标跟踪方法-CN202111079689.8有效
发明人：冯婕;惠炳谕;梁宇平;焦李成;张向荣;尚荣华;王蓉芳 -专利权人：西安电子科技大学
申请日： 2021-09-15 - 公布日： 2023-04-18 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于聚类差分和深度孪生卷积神经网络的单目标跟踪方法，其实现步骤为：构建深度孪生卷积神经网络，生成数据集，利用聚类差分算法生成包含目标运动信息的融合图像，生成训练集，训练深度孪生卷积神经网络，生成待跟踪视频中每帧图像的融合图像，对指定运动目标进行跟踪。本发明能够提取相似目标密集、目标尺寸小的遥感图像中的高可区分性的目标特征，使用了聚类差分算法生成包含目标运动信息的融合图像，具有特征提取能力强、抗相似目标干扰性强，抗背景干扰能力强、表观特征依赖性低的优点。
基于聚类差分深度孪生卷积神经网络目标跟踪方法

[发明专利]基于遗传算法的卫星图像预处理方法-CN201910407112.1有效
发明人：焦李成;孙龙;李英萍;李小雪;丁静怡;郭雨薇;杨淑媛;侯彪;尚荣华 -专利权人：西安电子科技大学
申请日： 2019-05-16 - 公布日： 2023-04-07 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于遗传算法的卫星图像预处理方法，主要解决现有技术中无法实现类别平衡的问题，其实现方案是：1)卫星图像进行标签去噪和数据增强的预处理；2)对预处理后的卫星图形进行地物类别平衡；3)融合类别平衡后的卫星图像，生成训练样本；4)使用训练样本训练语义分割模型；5)对卫星图像测试样本集进行阴影位置检测；6)融合卫星图像测试集图像，使用语义分割模型对其进行检测；7)利用阴影位置的像素值修正检测得到的语义分割结果。本发明解决了卫星图像类别平衡问题，并通过阴影位置的像素值指导语义分割结果，明显提高了卫星图像语义分割精度，可用于深度学习中分类和分割任务的数据预处理。
基于遗传算法卫星图像预处理方法

[发明专利]基于整型推理量化CNN的SAR图像变化检测方法-CN202011407382.1有效
发明人：王蓉芳;王良;陈佳伟;尚荣华;焦李成;冯婕;刘波 -专利权人：西安电子科技大学
申请日： 2020-12-02 - 公布日： 2023-04-07 - 主分类号： G06T7/00 文献下载
摘要：本发明公开一种基于整型推理量化CNN的SAR图像变化检测方法，其步骤为：(1)生成源域SAR图像的训练集；(2)构建整型推理量化卷积神经网络；(3)利用整型推理量化算法，对整型推理量化卷积神经网络进行模拟量化训练；(4)对待检测的SAR图像进行检测。本发明引入整型推理量化算法，在训练过程中将特征值和权重值由32位浮点型数据转换为低比特的整型数据，在不影响变化检测正确率的前提下，降低变化检测对计算资源的要求，促进变化检测算法在通用的嵌入式移动平台中的应用优点。可对农作物的生长、城市的规划布局、自然灾害等进行监测。
基于整型推理量化 cnn sar 图像变化检测方法

[发明专利]基于FPGA的并行量子进化实现方法-CN201910305526.3有效
发明人：李阳阳;裴轩;黄芹;柳亚欣;焦李成;刘光远;尚荣华;马文萍;李玲玲 -专利权人：西安电子科技大学
申请日： 2019-04-16 - 公布日： 2023-03-24 - 主分类号： G06N10/60 文献下载
摘要：本发明公开了一种基于FPGA的并行量子进化实现方法，主要解决现有技术没有真正通过硬件实现量子功能的问题。其实现方案为：1)初始化种群及最大迭代数；2)初始化状态矩阵；3)将FPGA作为开放运算语言OpenCL的设备端进行配置；4)通过并行量子观测状态矩阵，获得染色体；5)对染色体进行修正；6)根据修正的染色体计算适应度值，并对不是最优适应度值对应的染色体更新；8)重复步骤4)‑6)，直到找到全局最优解或达到最大迭代次数结束进化。本发明利用FPGA的并行性，并行实现了量子进化，同时使FPGA具有了量子的基本功能，可应用于工业工程、网络通信和交通规划。
基于 fpga 并行量子进化实现方法

[发明专利]基于多智能体特征选择模型的高光谱图像波段选择方法-CN202211626264.9在审
发明人：冯婕;高其杨;李杰;焦李成;尚荣华;张向荣;王蓉芳;慕彩虹 -专利权人：西安电子科技大学
申请日： 2022-12-16 - 公布日： 2023-03-21 - 主分类号： G06V20/10 文献下载
摘要：本发明提出了一种基于多智能体特征选择模型的高光谱图像波段选择方法，主要解决高光谱波段选择动作空间较大、探索方向随机和运行时间较长的问题。实现步骤为：生成训练集；构建并训练评估分类网络；构建并训练多智能体特征选择模型过程中引入教师进行指导；利用训练好的多智能体波段选择模型进行波段选择。本发明采用多智能体进行波段选择，能够使动作空间降低到2维，引入教师对智能体的选择进行指导，引导智能体的探索朝向更优的方向，设计预训练的评估分类网络来评估不同波段集合，减少了算法整体的运行时间。
基于智能特征选择模型光谱图像波段方法

[发明专利]基于改进的交叉熵损失函数的遥感图像目标检测方法-CN202011462894.8有效
发明人：李阳阳;史雯熙;何爱媛;焦李成;尚荣华;马文萍;李玲玲 -专利权人：西安电子科技大学
申请日： 2020-12-10 - 公布日： 2023-02-10 - 主分类号： G06V20/10 文献下载
摘要：本发明提出了一种基于改进的交叉熵损失函数的遥感图像目标检测方法，用于解决现有技术中存在的目标检测精度较低的技术问题，实现步骤为：1)获取训练样本集和测试样本集；2)构建基于改进的交叉熵损失函数的遥感图像目标检测模型；3)对基于改进的交叉熵损失函数的遥感图像目标检测模型进行迭代训练；4)获取遥感图像目标的检测结果。本发明通过调制因子控制分类准确率低的类别中的样本对损失函数的贡献程度，使训练更加关注这些样本，有效提升了部分分类准确率较低类别的检测精度，从而提升了整体的检测精度。
基于改进交叉损失函数遥感图像目标检测方法

[发明专利]基于高斯滤波与均值滤波的SAR图像边缘检测方法-CN202110856884.0有效
发明人：刘蒙蒙;尚荣华;张玮桐;焦李成;张梦璇;冯婕 -专利权人：西安电子科技大学
申请日： 2021-07-28 - 公布日： 2023-02-10 - 主分类号： G06T7/13 文献下载
摘要：本发明公开了一种基于高斯滤波与均值滤波的SAR图像边缘检测方法，主要解决现有技术漏检、错检，且检测的时间成本较高问题。包括：1)生成多向双高斯滤波核模型和多向双均值滤波核模型；2)利用多向双高斯滤波核模型求SAR图像梯度，获取阈值化高斯边缘强度图与边缘梯度图；3)生成阈值化均值边缘强度图；4)使用阈值化均值边缘强度图修正阈值化高斯边缘强度图，得到阈值化边缘强度图；5)对阈值化边缘强度图进行非极大抑制操作，对操作结果再进行滞后阈值操作，得到边缘检测结果。本发明有效提高了SAR图像边缘检测结果的准确性，且通过使用简单的比值运算与减法运算代替巴氏系数运算，明显降低了计算复杂度，减少消耗的时间。
基于滤波均值 sar 图像边缘检测方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 339 条