“马文萍”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896个，建议您升级VIP下载更多相关专利

[发明专利]一种多尺度遥感图像目标检测方法及系统-CN202110507602.6有效
发明人： 马文萍;李娜;朱浩;李腾武;焦李成;侯彪;武越 -专利权人：西安电子科技大学
申请日： 2021-05-10 - 公布日： 2023-10-27 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种多尺度遥感图像目标检测方法及系统，从遥感图像数据集中读取遥感图像，对图像进行预处理，构建训练数据集和测试数据集。构造基于冗余信息消除有效信息传递的多尺度遥感图形目标检测模型，用训练数据集对检测模型进行训练，利用训练好的目标检测模型对测试数据集进行分类；本发明引入浅层特征图中冗余信息消除策略、有效细节信息向深层特征图传递策略以及前景背景分离策略，提高了目标检测模型对小目标，密集分布目标的检测精度。可用于遥感图像目标检测任务。
一种尺度遥感图像目标检测方法系统

[发明专利]基于空谱卷积核的高光谱图像分类方法、存储介质及设备-CN202010560570.1有效
发明人： 马文萍;马昊翔;朱浩;武越;焦李成;马梦茹;李亚婷 -专利权人：西安电子科技大学
申请日： 2020-06-18 - 公布日： 2023-09-29 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于空谱卷积核的高光谱图像分类方法、存储介质及设备，输入一个三维立方体高光谱图像；对高光谱图像数据集划分；对高光谱图像数据进行SLIC超像素分割，提取空间卷积核；提取光谱卷积核；将空间卷积核和光谱卷积核经多次卷积操作构成空谱卷积核预训练网络；将预训练网络的输出特征图输入监督训练网络中进行训练，训练完毕后得到级联监督训练网络，网络输出特征经由softmax函数实现图像分类。本发明能更有效的利用图像自身特征，实现高光谱图像的快速、高准确率分类。
基于卷积光谱图像分类方法存储介质设备

[发明专利]一种多源遥感图像的逐像素分类方法、介质及设备-CN202110064881.3有效
发明人：朱浩;孙柯楠;焦李成;马文萍 -专利权人：西安电子科技大学
申请日： 2021-01-18 - 公布日： 2023-09-05 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种多源遥感图像的逐像素分类方法、介质及设备，从数据集中读入多光谱影像；基于自适应捕获中心像素点纹理结构的采样策略从数据中选择PAN和MS图像数据样本；分别对选择的PAN和MS图像数据样本进行预处理，选取训练数据集和测试数据集；构造双支路融合网络模型；构造构造的双支路融合网络模型的损失函数；利用训练数据集对损失函数进行训练，得到训练好的分类模型；利用训练好的分类模型对测试数据集进行分类，得到测试数据集中每个像素点的类别，完成逐像素分类。本发明针对遥感数据的特点，构造了自适应捕获中心像素点纹理结构的采样策略，提出了针对遥感数据的新型网络模型，提升了多分辨率遥感图像分类性能。
一种遥感图像像素分类方法介质设备

[发明专利]一种基于线流的视频运动稀疏化表征方法-CN202310467461.9在审
发明人：刘芳;李玲玲;李硕;焦李成;陈璞花;马文萍;鲍骞月;刘旭 -专利权人：西安电子科技大学
申请日： 2023-04-26 - 公布日： 2023-08-11 - 主分类号： G06V10/40 文献下载
摘要：本发明公开了一种基于线流的视频运动稀疏化表征方法，包括：得到每一帧图像的素描图；得到第t帧图像的初始素描运动场；根据素描线段是否为重复素描线段得到更新后的第t帧图像的初始素描运动场；去除的噪声素描线段，将剩余的素描线段作为运动素描线段，得到第t帧图像的素描运动场；将第t帧图像的素描运动场中相邻的运动素描线段划分到同一区域中，以得到划分结果集合；对于划分结果集合中每个划分区域，计算每一帧图像的运动素描线段集合；基于运动素描线段集合得到的每个划分区域的轨迹得到轨迹集合；计算第t帧图像的运动素描线段集合中每条运动素描线段的运动向量，以得到运动向量集合。本发明的方法具有更少的噪声，提取效果更好。
一种基于视频运动稀疏表征方法

[发明专利]一种基于自监督增强的小样本图像分类方法及系统-CN202110657337.X有效
发明人：刘芳;李玲玲;张瀚;李鹏芳;马文萍;李硕;杜瑶阳;刘旭 -专利权人：西安电子科技大学
申请日： 2021-06-11 - 公布日： 2023-08-11 - 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增强的小样本图像分类方法及系统，自监督学习和小样本学习都是为了缓解模型对标签数据的依赖，本发明在基于图神经网络的小样本学习方法的基础上结合自监督学习提出了一种自监督增强的小样本学习方法，本发明设计一个抠图位置预测的自监督学习任务，将每一个小样本分类任务的所有样本进行随机抠图，在提取样本特征后经过一个全连接层预测每一个样本被抠除图像块的位置。本发明将抠图位置预测任务和小样本分类任务联合训练以增强模型提取有效表征的能力，从而改善模型的分类结果，并通过在miniImageNet上的对比和消融实验证明了本发明的有效性。
一种基于监督增强样本图像分类方法系统

[发明专利]一种基于局部信息和全局信息的遥感图像配准方法-CN202111463682.6有效
发明人：武越;肖郑磊;白壮飞;王善峰;公茂果;马文萍;苗启广 -专利权人：西安电子科技大学
申请日： 2021-12-02 - 公布日： 2023-08-08 - 主分类号： G06T3/00 文献下载
摘要：本发明公开了一种基于局部信息和全局信息的遥感图像配准方法，包括：获取基准图像和待匹配图像；分别提取所述基准图像与所述待匹配图像的图像特征，并根据特征相似性将所述图像特征进行匹配，以得到初始匹配集合，其中，所述初始匹配集合由多组初始匹配对组成；基于所述初始匹配集合，构建特征匹配模型；获取所述特征匹配模型对应的目标匹配解集合；根据所述目标匹配解集合，确定全局变换参数；基于所述全局变换参数和预设动态阈值，对每个所述初始匹配对进行验证，以得到目标特征匹配集合；根据所述目标特征匹配集合，对所述基准图像和所述待匹配图像进行配准。本发明能够提高图像配准的精度。
一种基于局部信息全局遥感图像方法

[发明专利]基于特征增强的多类别光学图像旋转目标自适应检测方法-CN202110335732.6有效
发明人：侯彪;程自华;刘佳丽;邬子同;李中华;焦李成;马文萍;马晶晶 -专利权人：西安电子科技大学
申请日： 2021-03-29 - 公布日： 2023-07-28 - 主分类号： G06V20/13 文献下载
摘要：本发明提出了一种基于特征增强的多类别光学图像旋转目标自适应检测方法，实现步骤为：获取训练样本集和测试样本集；构建基于特征增强的光学图像旋转目标检测网络模型；对基于特征增强的光学图像旋转目标检测网络模型进行迭代训练；通过训练好的基于特征增强的光学图像旋转目标检测网络模型对所有目标的边界框位置和类别置信度进行检测。本发明通过特征增强子网络对特征提取子网络提取后的特征进行卷积融合，增强了目标的语义特征和位置特征，同时检测网络在卷积融合后的高分辨率特征图上检测出更多的小尺度目标，减小了小尺度目标漏检的几率，提高了任意方向多尺度旋转目标检测的召回率和准确率，可用于资源管理、安全预警、非法活动识别等领域。
基于特征增强类别光学图像旋转目标自适应检测方法

[发明专利]用于自动驾驶三维地图重建的点云配准方法-CN202310425590.1在审
发明人： 马文萍;邢嘉鑫;武越;朱浩;张越 -专利权人：西安电子科技大学
申请日： 2023-04-19 - 公布日： 2023-07-25 - 主分类号： G06T7/33 文献下载
摘要：本发明提供了一种用于自动驾驶三维地图重建的点云配准方法，通过预先构建的双分支特征提取网络以及获取实时的三维点云数据，可以提取三维点云数据的局部和全局特征，然后利用特征交互使两个点云的数据相关联。本发明为了产生用于生成变换参数的更精细的特征，使用通道级特征融合方法，该方法将两个点云的特征之间的数据相关联，通道级特征融合方法进行待配准点云之间的特征交互，使得能够找到一对点云的深度特征之间的相关性，并允许网络通过特征差异学习进行特征增强，进一步提升点云配准任务的准确性和自身网络的鲁棒性。因此本发明可以提高自动驾驶生成重建地图的准确性。
用于自动驾驶三维地图重建点云配准方法

[发明专利]针对点云特征的多任务优化方法-CN202310175213.7在审
发明人：武越;罗闯;马文萍;公茂果;苗启广;谢飞 -专利权人：西安电子科技大学
申请日： 2023-02-27 - 公布日： 2023-06-30 - 主分类号： G06T7/33 文献下载
摘要：本发明公开了一种针对点云特征的多任务优化方法，涉及计算机仿真与方法优化技术领域，包括：获取点云数据；对点云数据进行下采样，对下采样后的点云数据使用描述子提取算法提取点云特征，并将点云特征的数值尺度使用欧氏距离归一化，得到尺度初始归一化的点云特征；基于尺度初始归一化的点云特征，构建多个任务；初始化参数，基于改进的粒子群算法进行搜索，直到达到优化终止条件和优化点云个数，得到多个维度权重的点云特征；将维度权重的点云特征进行多特征加权投票，再进行上下界约束选择，得到最佳点云特征子集。本发明将不同的点云描述子组合，能够进行优势互补，从而达到更加鲁棒和精确的描述效果。
针对特征任务优化方法

[发明专利]一种基于进化多任务优化的三维点云配准方法-CN202310176152.6在审
发明人：武越;公沛然;马文萍;公茂果;苗启广;谢飞 -专利权人：西安电子科技大学
申请日： 2023-02-27 - 公布日： 2023-06-30 - 主分类号： G06T7/33 文献下载
摘要：本发明公开了一种基于进化多任务优化的三维点云配准方法，包括：设置多任务粒子群算法参数并对两点云预处理得到对应的平移不变度量集合；进行多任务配置并设置两子种群的解空间和适应度函数；对两子种群中每个粒子生成不超出对应范围的位置和速度；对两子种群中的粒子解码，利用对应的适应度函数评价粒子并更新两子种群中的pbest和gbest；判断是否满足知识迁移条件；若是将两子种群中的gbest作为迁移知识对第二子种群中得到知识补全，并利用算数交叉更新两子种群中的gbest，更新粒子速度和位置，若否直接更新粒子速度和位置；若满足终止条件将第一子种群最新搜索到的gbest解码后输出，否则返回粒子解码步骤。本发明能解决进化配准方法易陷入局部最优问题，提高配准成功率。
一种基于进化任务优化三维点云配准方法

[发明专利]基于多形式优化的三维点云配准方法及电子设备-CN202310101088.5在审
发明人：武越;丁航奇;马文萍;公茂果;苗启广;谢飞 -专利权人：西安电子科技大学
申请日： 2023-02-10 - 公布日： 2023-06-27 - 主分类号： G06T7/33 文献下载
摘要：本发明公开了一种基于多形式优化的三维点云配准方法及电子设备，包括：采集场景待配准点云对得到对应的最远点集；将三维点云配准问题分为鲁棒配准任务和精确配准任务，利用多任务进化算法求解基于鲁棒配准任务和精确配准任务的三维点云配准问题，将精确配准任务的解作为最优的场景点云变化参数；其中，利用两阶段的双向知识转移策略实现进化过程中信息共享；根据最优的场景点云变化参数对最远点集中每个点进行配准以实现三维点云配准。本发明配准方法能够同时保证鲁棒性和精确性。
基于形式优化三维点云配准方法电子设备

[发明专利]基于稀疏前景先验的视频目标检测方法、存储介质及设备-CN202011357082.7有效
发明人：古晶;巨小杰;马文萍;孙新凯;刘芳;杨淑媛;焦李成;冯婕 -专利权人：西安电子科技大学
申请日： 2020-11-26 - 公布日： 2023-06-23 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于稀疏前景先验的视频目标检测方法、存储介质及设备，采用基于正交子空间学习的前景提取方法计算得到视频中每一帧对应的稀疏前景先验图；利用ResNet特征提取网络和特征金字塔结构得到视频帧及其稀疏前景图的语义增强特征图；将稀疏前景先验图的语义增强特征图与当前帧的语义增强特征图级联后，经卷积融合操作得到当前帧的前景先验融合特征；在前景先验融合特征图的每个像素上映射生成候选锚框；将前景先验融合特征和所有锚框输入到训练好的分类和回归子网络，得到目标物体的类别和位置坐标。本发明充分挖掘了视频数据的稀疏前景先验，提高了目标检测准确率。
基于稀疏前景先验视频目标检测方法存储介质设备

[发明专利]一种基于ResNet与UNet模型的图像分割方法-CN201911358532.1有效
发明人：侯彪;焦李成;付勐;马晶晶;张向荣;马文萍 -专利权人：西安电子科技大学
申请日： 2019-12-25 - 公布日： 2023-06-06 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于ResNet与UNet模型的图像分割方法，将原始的RGB三通道图像大小进行调整，并对应调整标签图像大小；将调整后的RGB图像作为UNet图像分割模块的输入；将调整后的RGB图像作为ResNet特征提取模块的输入，保留前三层的输出结果替换UNet第三、四、五层的输出结果；得到基于ResNet和UNet的图像分割训练模型，并对模型进行训练；将训练得到的模型参数作为预测模型，进行图像分割。本发明利用ResNet在特征提取方面的优势，提高图像分割的质量，解决单一UNet模型应用于图像分割易产生的特征提取不够准确，区域一致性差，边界模糊的问题。
一种基于 resnet unet 模型图像分割方法

[发明专利]基于相关性融合网络的多源遥感图像的逐像素分类方法-CN202010117270.6有效
发明人： 马文萍;周晓波;朱浩;李龙伟;武越 -专利权人：西安电子科技大学
申请日： 2020-02-25 - 公布日： 2023-06-06 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于相关性融合网络的多源遥感图像的逐像素分类方法，从数据集中读入多光谱影像，包括已配准后的PAN和MS图像数据，以及对应只有部分区域的类标ground truth图；标记边缘样本；分别对PAN和MS图像进行预处理，选取训练集和测试集；构造多源遥感图像逐像素分类的融合网络模型；构造网络损失函数；用训练数据集对分类模型进行训练，得到训练好的分类模型；利用训练好的分类模型对测试数据集进行分类，得到测试数据集中每个像素点的类别。本发明提升了分类性能，改进的损失函数策略提升了遥感图像的逐像素分类性能。
基于相关性融合网络遥感图像像素分类方法

[发明专利]基于深度强化学习的遥感视频遮挡目标跟踪方法-CN202010887465.9有效
发明人：侯彪;崔艳雨;焦李成;吴倩;任博;马晶晶;马文萍 -专利权人：西安电子科技大学
申请日： 2020-08-28 - 公布日： 2023-06-02 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于深度强化学习的遥感视频遮挡目标跟踪方法，主要解决现有技术对遮挡目标检测准确率低的问题。其方案为：1)将每帧视频图像输入到深度强化学习网络进行特征提取，获得动作和状态信息；2)根据1)的结果，通过动作驱动方式获得运动矢量、置信值及目标的位置和大小；3)比较置信值与阈值的大小判断是否正确检测到目标：若是，则返回1)；否则，利用视频的时空背景、目标外观模型和运动矢量，获得目标的遮挡信息；4)根据遮挡信息，驱动强化学习的动作获得遮挡目标的位置和大小；5)重复1)‑4)，直到检测出所有序列。本发明提高了遥感视频中复杂多样的弱小目标检测率，可应用于对飞机、舰船或车辆的检测识别。
基于深度强化学习遥感视频遮挡目标跟踪方法

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 896 条