“朱虎明”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80个，建议您升级VIP下载更多相关专利

[发明专利]基于融合卷积注意力机制的遥感图像目标检测方法-CN202310176483.X在审
发明人： 朱虎明;王晨;王金成;缪孔苗;李秋明;薛怡煜;侯彪;焦李成 -专利权人：西安电子科技大学
申请日： 2023-02-28 - 公布日： 2023-06-06 - 主分类号： G06V20/17 文献下载
摘要：本发明公开了一种基于融合卷积注意力机制的遥感图像目标检测方法，解决了小目标检测精度低，收敛速度慢的问题。实现包括：收集并处理遥感图像数据；搭建特征提取主干网络、融合卷积的Transformer编码‑解码架构；组成融合卷积注意力机制目标检测网络模型；训练、测试目标检测网络模型。本发明采用金字塔结构的下采样特征提取主干网络，对不同大小的输入图像输出大小相同的特征矩阵；搭建了具有深度卷积、逐点卷积的卷积模块，增强了对遥感图像局部特征的信息提取能力；将部分注意力头替换为卷积模块，降低了矩阵运算的大参数量，降低了训练耗时。用在航空飞机、遥感卫星、智慧交通、智慧农业等对遥感图像目标检测实时性和准确率要求高的领域。
基于融合卷积注意力机制遥感图像目标检测方法

[发明专利]基于注意力机制的多模态数据融合三维目标检测方法-CN202210816612.2在审
发明人： 朱虎明;李佳昌;杨贵鹏;惠少雄;王光磊;王金成;田小林;侯彪 -专利权人：西安电子科技大学
申请日： 2022-07-12 - 公布日： 2022-09-20 - 主分类号： G06V10/25 文献下载
摘要：本发明提出了一种基于注意力机制的多模态数据融合三维目标检测方法，实现步骤为：建立训练和测试样本集并对数据进行预处理；构建基于注意力机制的多模态数据融合三维目标检测网络；定义基于注意力机制的多模态数据融合三维目标检测网络的损失函数；对网络模型进行迭代训练；获取三维目标的检测结果。本发明利用特征学习网络，初步提取出一些候选区域，然后将候选区域中的点云数据、点的位置特征以及对应的图像信息进行了融合，充分利用了点云的规则化空间位置信息、点特征的精细化空间结构信息和图像的语义信息，减小了误差累积，进而提高了局部空间出现多个目标时的检测精度。
基于注意力机制多模态数据融合三维目标检测方法

[实用新型]一种汽车激光雷达用轴承-CN202122529697.X有效
发明人：王庆北;许见伟;昝晋;朱虎明 -专利权人：无锡诚石轴承有限公司
申请日： 2021-10-20 - 公布日： 2022-05-31 - 主分类号： F16C33/78 文献下载
摘要：本实用新型公开了一种汽车激光雷达用轴承，包括外圈、穿设于所述外圈内的内圈，所述外圈的两端均设置有耐130℃温度以上的密封件，所述外圈和内圈之间设置有至少两个保持架，所述保持架上均设置有滚动体，所述外圈和内圈之间充注有耐130℃温度以上的润滑脂，所述外圈的一端连接有法兰盘；本实用新型中，内圈和外圈之间至少设置有两个保持架，即至少有两列滚动体，提高本实用新型的耐冲击性能，并能够满足较大的载荷，同时润滑脂可以耐受130℃的高温，使得本实用新型可以才冲击振动强、处于130℃高温下长时间工作，具有较长的使用寿命。
一种汽车激光雷达轴承

[发明专利]基于多尺度异源特征自适应融合的三维目标检测方法-CN202111574943.1在审
发明人： 朱虎明;杨贵鹏;焦李成;李佳昌;王晨;武文韬;惠少雄;王金成;侯彪 -专利权人：西安电子科技大学
申请日： 2021-12-21 - 公布日： 2022-05-13 - 主分类号： G06V20/64 文献下载
摘要：本发明提出了一种基于多尺度异源特征自适应融合的三维目标检测方法，主要解决现有技术在单一传感器数据下对低分辨率三维目标检测精度低的问题，其方案为：建立训练、测试样本集；对点云进行体素初始化和关键点采样；构建三维体素特征编码模块编码体素特征；构建三维候选框估计模块估计三维候选框；构建图像特征编码网络编码图像特征；构建异源特征融合模块融合体素特征、图像特征和关键点特征；构建关键点权重估计模块对关键点作二分类；建立输出层，构建三维目标检测模型并对其训练；使用训练好的模型对点云中的三维目标进行检测。本发明改进了对低分辨率三维目标的表征能力，提高了三维目标的检测精度，可应用于机器人导航、三维建模、自动驾驶与虚拟现实。
基于尺度特征自适应融合三维目标检测方法

[发明专利]基于扩展形态学与主动学习的高光谱分类方法-CN201810698251.X有效
发明人：慕彩红;刘逸;孙梦花;刘敬;田小林;朱虎明;刘若辰;侯彪;焦李成 -专利权人：西安电子科技大学
申请日： 2018-06-29 - 公布日： 2022-04-08 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于扩展形态学与主动学习的高光谱图像分类方法，解决现有技术不能充分挖掘高光谱图像空间信息，导致分类精度低的问题。其步骤为：1)输入高光谱图像数据；2)对数据降维，提取光谱特征，并通过形态学剖面变换，得到空间特征；3)融合空谱特征，划分训练与测试样本集；4)利用训练样本集进行SVM分类；5)主动学习循环，由MCLU准则和AP聚类选取样本标记，更新训练与测试样本集；6)利用新的训练样本集进行SVM分类，直到训练样本数量达到预设数量时停止，得到最终分类结果。本发明将多结构元素的形态学特征与主动学习相结合，充分利用空谱信息，在小样本前提下提高了分类精度。
基于扩展形态学主动学习光谱分类方法

[发明专利]基于聚类及多臂赌博机的信息核构建方法-CN201910224593.2有效
发明人：慕彩红;刘逸;朱贤武;刘若辰;刘敬;吴建设;朱虎明;侯彪 -专利权人：西安电子科技大学
申请日： 2019-03-23 - 公布日： 2022-04-08 - 主分类号： G06Q30/02 文献下载
摘要：本发明公开一种基于聚类及多臂赌博机的信息核构建方法，主要解决现有技术推荐精度偏低和信息核提取时间过长的问题，其实现方案为：1)构建用户物品评分矩阵；2)对用户物品评分矩阵进行降维，得到低维矩阵；3)对低维矩阵中的用户进行重复聚类；4)根据聚类结果，构建虚拟用户物品评分矩阵；5)利用多臂赌博机从虚拟用户物品评分矩阵中提取信息核；6)利用提取出的信息核为用户物品评分矩阵中的每一个用户推荐所需要的物品。本发明具有推荐精度高、提取信息核的速度快的优点，可用于为用户推荐所需要的物品。
基于赌博机信息构建方法

[发明专利]结合深度学习和邻域集成的高光谱图像分类方法-CN201711415902.1有效
发明人：孟红云;张小华;樊宏渊;田小林;朱虎明;曹向海;侯彪 -专利权人：西安电子科技大学
申请日： 2017-12-25 - 公布日： 2021-09-28 - 主分类号： G06K9/62 文献下载
摘要：本发明提出了一种结合深度学习和邻域集成的高光谱图像分类方法，主要解决现有技术使用训练样本多且分类效果差的问题，其技术方案：在高光谱数据中通过选取不同的邻域尺度，获得结合不同的空间信息的数据集；将不同空间信息的数据集分别输入到不同的自编码网络中，获得不同空间信息下的分类结果；将上述的分类结果进行连接，并作为训练数据训练一个新的自动编码器网络，作为最终的集成网络；将不同空间信息下的自编码器的对测试样本的分类结果进行连接构成集成网络的测试样本；将新的测试样本输入到集成网络，获得高光谱图像的最终分类结果。本发明使用训练样本少，分类精度高，可用于环境监测，土地利用和目标识别等。
结合深度学习邻域集成光谱图像分类方法

[发明专利]基于跨阶段局部多尺度密集连接的遥感图像目标检测方法-CN202011591625.1在审
发明人： 朱虎明;李思凡;焦李成;杨贵鹏;张泽桐;李佳昌;王晨;张小华;侯彪 -专利权人：西安电子科技大学
申请日： 2020-12-29 - 公布日： 2021-04-20 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于跨阶段局部多尺度密集连接的遥感图像目标检测方法，主要解决现有技术中不能很好的对遥感图像中多尺度目标进行检测的问题。其实现方案是：1)从公开网站获取遥感图像数据集，将数据集划分为训练集和测试集；2)搭建由主干子网络、特征融合子网络和检测子网络依次连接组成的跨阶段局部多尺度密集连接检测网络；3)用训练集对跨阶段局部多尺度密集连接检测网络进行训练；4)用训练好的网络模型对测试集进行目标检测，输出目标检测结果。本发明具有强化的特征提取能力和对多尺度遥感图像目标检测精度高的优点，可应用于对遥感图像中的多尺度目标识别。
基于阶段局部尺度密集连接遥感图像目标检测方法

[发明专利]一种脉冲多普勒雷达信号的混合并行处理方法-CN201810315242.8有效
发明人： 朱虎明;师玮;焦李成;罗政;王虹现;田小林;张小华;马晶晶 -专利权人：西安电子科技大学
申请日： 2018-04-10 - 公布日： 2020-04-14 - 主分类号： G01S7/28 文献下载
摘要：本发明公开了一种脉冲多普勒雷达信号的混合并行处理方法，实现的具体步骤是：(1)初始化多核CPU的处理线程；(2)在多核CPU端开辟雷达信号处理所需的内存空间；(3)雷达系统采集并存储数据(4)数据解析；(5)处理多通道数据(6)多通道数据混合并行处理同步。本发明可以在多核CPU端实现脉冲多普勒雷达信号的实时处理，缩短了雷达系统的升级周期，提高了雷达系统的可扩展性。
一种脉冲多普勒雷达信号混合并行处理方法

[发明专利]使用OpenCL加速的快速全局K-均值聚类方法-CN201711293508.5有效
发明人： 朱虎明;钱新宇;焦李成;王坤;缑水平;田小林;张小华;马晶晶;马文萍 -专利权人：西安电子科技大学
申请日： 2017-12-08 - 公布日： 2020-04-14 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种使用OpenCL加速的快速全局K‑均值聚类方法，实现的步骤是：(1)读入数据集和聚类总数；(2)在OpenCL硬件设备端转置数据；(3)计算质心，作为第一个初始聚类中心点；(4)使用K‑means算法聚类；(5)在OpenCL硬件设备端选取新的初始聚类中心点；(6)判断当前聚类中心点总数是否小于或者等于聚类总数，若是，则执行第(4)步，若不是，则执行第(7)步；(7)输出聚类结果。本发明可在任何支持开放运算语言OpenCL的硬件设备上实现对海量的聚类数据实时处理。
使用 opencl 加速快速全局均值方法

[发明专利]基于深度卷积神经网络的人体图像头发检测方法-CN201711415922.9有效
发明人：孟红云;张小华;补婧;田小林;朱虎明;曹向海;侯彪 -专利权人：西安电子科技大学
申请日： 2017-12-25 - 公布日： 2020-04-07 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于深度卷积神经网络的人体图像头发检测方法，主要解决了现有技术中检测效率低，适应性差的问题。其实现方案包括：1)获取人体图像的超像素分割图像；2)对超像素分割图像进行标记；3)从人体图像中提取图像块；4)从图像块中获取训练样本；5)构建深度卷积神经网络并通过训练样本对其进行训练；6)获取待估计头发位置的人体图像的超像素分割图像；7)提取待估计头发位置的人体图像的图像块，并用训练好的深度卷积神经网络对其进行分类；8)生成待估计头发位置的人体图像头发检测结果。本发明减小了提取特征算子复杂度和计算量，提高了鲁棒性和应用范围，可用于3D打印、虚拟试衣、人体测量学以及影视游戏模型构建。
基于深度卷积神经网络人体图像头发检测方法

[发明专利]基于残差网络的SAR图像变化检测方法-CN201711293506.6有效
发明人： 朱虎明;寇佳宁;焦李成;王坤;公茂果;缑水平;张小华;马晶晶;马文萍 -专利权人：西安电子科技大学
申请日： 2017-12-08 - 公布日： 2020-01-07 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于残差网络的SAR图像变化检测方法，主要解决现有方法中SAR图像变化检测的检测精度不高、对噪声抑制不够明显的问题。本发明的具体步骤如下：(1)构造训练标签集；(2)构造训练数据集；(3)构造残差变化检测网络；(4)训练残差变化检测网络；(5)生成检测数据集；(6)获取特征向量集；(7)输出变化检测结果图。本发明构造了一个7层的残差变化检测网络，提取了合成孔径雷达SAR图像像素点邻域特征，具有降低了合成孔径雷达SAR图像变化检测的噪声和提高了合成孔径雷达SAR图像变化检测精度的优点。
变化检测残差合成孔径雷达网络特征向量集训练数据集检测结果检测数据邻域特征输出变化噪声抑制像素点噪声标签检测

[发明专利]基于双MIC的OpenCL并行帧率上转换方法-CN201710490906.X有效
发明人： 朱虎明;王朵;焦李成;鹿乐;田小林;张小华;侯彪;关云辉;焦文 -专利权人：西安电子科技大学
申请日： 2017-06-23 - 公布日： 2019-10-11 - 主分类号： H04N19/132 文献下载
摘要：本发明提出了一种基于双MIC的OpenCL并行帧率上转换方法，在保证图像质量的前提下，有效缩短帧率上转换的运行时间，提高帧率上转换的运行效率。实施步骤为：主线程对OpenCL设备的MIC1和MIC2进行初始化；主线程对读入的视频进行编号；主线程定义信号量并初始化；主线程在主机上开辟内存并创建子线程1和子线程2；子线程1控制MIC1，执行运动估计算法，同时子线程2控制MIC2，执行运动补偿算法，实现视频帧率的上转换；主线程关闭子线程1和子线程2。本发明有效地提高了算法的运行效率，可用于视频帧率上转换领域。
基于 mic opencl 并行帧率上转换方法

[发明专利]基于比值特征的SAR图像道路检测方法-CN201711415934.1有效
发明人：孟红云;张小华;王晓;田小林;朱虎明;曹向海;侯彪 -专利权人：西安电子科技大学
申请日： 2017-12-25 - 公布日： 2019-10-11 - 主分类号： G06T7/13 文献下载
摘要：本发明公开一种基于比值特征的SAR图像道路检测方法，主要解决现有技术对道路边缘定位不准确、虚警率高的问题。其实现包括：1)对SAR图像进行降斑并提取9种纹理特征，2)从9种纹理特征中依据巴氏距离筛选对分类贡献最大的3种纹理特征；3)逐点计算降斑后图像中对比比值特征R1和相似比值特征R2；4)用具有2)和3)结果的样本构造道路字典D₁和背景字典D₂；5)对每个像素点分别求解与道路字典D₁的平均差值E₁和与背景字典D₂的平均差值E₂，通过差值对像素点进行分类，得到初步检测结果；6)对初步检测结果进行优化，得到最终的到了检测结果。本发明能比较完整的、清晰的检测出SAR图像中的道路，适用于检测SAR图像中不同方向、不同宽度的道路。
字典纹理特征初步检测结果道路检测像素点巴氏距离道路边缘检测结果样本构造逐点计算虚警率分类检测求解筛选图像清晰优化

[发明专利]基于自适应权值和高频阈值的SAR图像变化检测方法-CN201610601199.2有效
发明人：慕彩红;刘逸;吴生财;熊涛;刘若辰;朱虎明;田小林;李阳阳;焦李成 -专利权人：西安电子科技大学
申请日： 2016-07-27 - 公布日： 2019-05-21 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于自适应权值和高频阈值的SAR图像变化检测方法，主要解决现有技术检测效果不理想，单一类型差异图检测精度低的问题。其实现步骤为：1.读入不同时刻从同一地区获取的两幅SAR图像I₁和I₂；2.分别计算两幅图像I₁和I₂对应像素的均值比差异图D_m和邻域对数比差异图D_l；3.对均值比差异图D_m和邻域对数比差异图D_l进行小波融合，得到融合后的差异图像X_d；4.将融合差异图X_d聚成不同的两类，得到变化检测结果。本发明操作简单、抗噪性好、检测精度高，对不同类型的SAR图像均能获得较好的效果，可应用于环境监测、海洋观测、灾害评估、资源勘察、城区规划和地理测绘。
基于自适应高频阈值 sar 图像变化检测方法

1
2
3
4
5
6
下一页»
尾页
共 80 条