“周代英”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113个，建议您升级VIP下载更多相关专利

[发明专利]一种基于多尺度区域卷积网络的目标检测方法-CN202310440910.0在审
发明人： 周代英;谢骐阳;徐泽颖 -专利权人：电子科技大学
申请日： 2023-04-23 - 公布日： 2023-07-18 - 主分类号： G06V10/40 文献下载
摘要：本发明属于目标检测技术领域，具体涉及一种基于多尺度区域卷积网络的目标检测方法。本发明的方法通过构建多尺度区域卷积网络来进行目标检测框的识别，多尺度区域卷积网络包括特征提取主干网络、区域建议网络和目标检测网络；其中特征提取主干网络用于提取输入图像的特征得到特征图；区域建议网络的输入为特征图，并分别得到三个不同尺度的区域建议框，目标检测网络的输入包括特征图和三个不同尺度的区域建议框，最后得到目标检测框。本发明有利于针对存在不同大小目标的检测场景中的目标检测，改善检测准确率。
一种基于尺度区域卷积网络目标检测方法

[发明专利]一种基于模糊局部保留投影的无人机目标特征提取方法-CN202310439746.1在审
发明人： 周代英;徐泽颖;谢骐阳 -专利权人：电子科技大学
申请日： 2023-04-23 - 公布日： 2023-07-18 - 主分类号： G06F18/24 文献下载
摘要：本发明属于无人机识别技术领域，具体涉及一种基于模糊局部保留投影的无人机目标特征提取方法。本发明的方法以目标的微多普勒谱图作为研究对象,通过提取谱图的模糊局部保留投影特征，实现多旋翼无人机与飞鸟目标的分类识别。相比较于局部保留投影方法仅仅根据欧式距离信息构建权值矩阵，本发明方法利用样本模糊隶属度构建权值矩阵一方面能够更准确地描述数据空间的分布情况，同时由于在模糊隶属度中包含了目标的类别信息，更有利于目标的分类，从而提高了目标识别率。对5类目标进行了仿真实验，实验结果表明本发明方法的目标识别率较常规局部保留投影方法有较大提升，验证了本发明方法的有效性。
一种基于模糊局部保留投影无人机目标特征提取方法

[发明专利]一种类标签关联一维距离像识别方法-CN202111448633.5有效
发明人： 周代英;冯健 -专利权人：电子科技大学
申请日： 2021-11-30 - 公布日： 2023-05-23 - 主分类号： G01S7/41 文献下载
摘要：本发明公开了一种类标签关联一维距离像识别方法，属于雷达目标识别技术领域。本发明的类标签关联一维距离像识别方法利用训练数据集和对应的类标签矢量，构建类标签关联子空间，通过对输入目标的一维距离像样本进行关联投影，直接得到所属的类别信息，不需要引入分类器进行最后的类别决策，避免了常规识别方法由于采用分类器而使识别性能有所下降，从而改善了对目标的识别率。
种类标签关联距离识别方法

[发明专利]一种基于融合注意力机制的无人机目标识别方法-CN202210548931.X有效
发明人： 周代英;何彬宇;易传莉雯;王特起 -专利权人：电子科技大学
申请日： 2022-05-20 - 公布日： 2023-05-02 - 主分类号： G06V20/17 文献下载
摘要：本发明属于无人机识别技术领域，具体涉及一种基于融合注意力机制的无人机目标识别方法。本发明的识别模型由数据输入层、预处理层、卷积模块、注意力模块、全连接层以及softmax分类层组成，数据输入层与预处理层用于处理输入的无人机微多普勒谱图；由卷积模块与注意力模块提取谱图深度特征；采用全连接层与分类层实现对无人机目标的分类识别。由于注意力模块是针对微多普勒谱图的特点设计的，能够提取有利于分类的局部特征信息，注意力模块与卷积模块相融合可以提取到分类性能更好的特征，从而进一步改善对目标的识别性能。仿真实验验证了本文方法的有效性。
一种基于融合注意力机制无人机目标识别方法

[发明专利]一种矩阵多项式真假目标RCS序列特征提取方法-CN202210548936.2有效
发明人： 周代英;冯健 -专利权人：电子科技大学
申请日： 2022-05-20 - 公布日： 2023-04-28 - 主分类号： G06V20/64 文献下载
摘要：本发明属于目标识别技术领域，具体涉及一种矩阵多项式真假目标RCS序列特征提取方法。本发明的方法首先将一维距离像构成二维矩阵，然后利用每类目标的训练样本矩阵计算类平均矩阵，对类平均矩阵进行多项式特征提取，由于没有进行本征分解，相对于常规的特征子空间而言，能够获得更准确的目标特征，从而提高了目标识别性能，对四类仿真目标的RCS序列数据进行了仿真实验，实验结果验证了该方法是有效的。
一种矩阵多项式真假目标 rcs 序列特征提取方法

[发明专利]一种低秩判别子空间真假目标一维距离像特征提取方法-CN202111197170.X有效
发明人： 周代英 -专利权人：电子科技大学
申请日： 2021-10-14 - 公布日： 2023-04-28 - 主分类号： G06F18/214 文献下载
摘要：本发明属于目标识别技术领域，具体的说是涉及一种低秩判别子空间真假目标一维距离像特征提取方法。本发明首先将训练样本按列组成一个矩阵，利用稀疏重构方法分解成低秩矩阵和稀疏误差部分，并在重构学习中引入低秩矩阵的类判别信息，然后，对低秩矩阵进行分析建立低秩判别子空间，提取目标一维距离像特征。由于重构算法中引入了类判别信息，增大了类间分离，减小了类内差异，从而提高了目标识别性能，对四类仿真目标的一维距离像数据进行了仿真实验，实验结果验证了该方法是有效的。
一种判别空间真假目标距离特征提取方法

[发明专利]一种非线性类组稀疏表示真假目标一维距离像识别方法-CN202111450631.X有效
发明人： 周代英;廖阔;沈晓峰;冯健 -专利权人：电子科技大学
申请日： 2021-11-30 - 公布日： 2023-04-28 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种非线性类组稀疏表示真假目标一维距离像识别方法，属于雷达识别技术领域。本发明首先利用非线性映射函数将训练样本映射到高维空间，在高维空间对输入样本进行稀疏分析，并以类别为组计算非线性重构误差，采用非线性类组重构误差计分函数对目标进行分类，由于引入非线性映射，解决了一维距离像数据分布出现的非线性问题，从而改善了对目标的识别性能。
一种非线性稀疏表示真假目标距离识别方法

[发明专利]多旋翼无人机识别中的谱图局部相位编码特征提取方法-CN202211660377.0在审
发明人： 周代英;冯健 -专利权人：电子科技大学
申请日： 2022-12-23 - 公布日： 2023-04-25 - 主分类号： G01S7/292 文献下载
摘要：本发明属于多旋翼无人机目标识别技术领域，具体涉及一种多旋翼无人机识别中的谱图局部相位编码特征提取方法。本发明首先通过对无人机目标的雷达回波数据序列进行短时付氏变换，获得时频谱图，然后，将时频谱图像划分为多个互不交叠的子块，计算每一子块元素的相位值，按一定规则对元素相位值变换成二值化，将元素相位二进制数码与子块中心元素的数码异或后，按逆时针顺序构成一个编码序列，所有子块编码序列组成一个矢量，作为谱图相位局部编码特征，完成对多旋翼无人机的识别。由于充分利用了子块结构中相位信息，能够从雷达回波数据中提取到有关目标的结构形状特征，从而改善了对目标的识别率。
多旋翼无人机识别中的局部相位编码特征提取方法

[发明专利]一种基于深度迁移学习的小样本雷达一维像目标识别方法-CN202210078223.4有效
发明人：廖阔;彭曙鹏;何学思;田祯杰;周代英;黄际彦 -专利权人：电子科技大学
申请日： 2022-01-24 - 公布日： 2023-04-25 - 主分类号： G01S13/89 文献下载
摘要：本发明属于雷达目标识别技术领域，具体涉及一种基于深度迁移学习的小样本雷达一维像目标识别方法。本发明针对小样本情况下的雷达一维像，首先在源数据集上预训练一个特征提取网络，并使用混合注意力机制和平滑标签提高模型的识别精度和泛化性能，然后固定特征提取网络，在目标数据集上利用分布校准策略校准小样本数据的分布，从新的分布中生成数据与真实的小样本数据共同训练分类器，提高小样本情况下的模型识别精度。本发明的方法有效地弥补了小样本情况下模型难训练的问题，减轻了模型过拟合现象，增强了模型表征能力，提高了识别率。
一种基于深度迁移学习样本雷达一维像目标识别方法

[发明专利]基于深度特征与线性判别特征融合的未知目标判别方法-CN202210548930.5有效
发明人： 周代英;易传莉雯;何彬宇;王特起 -专利权人：电子科技大学
申请日： 2022-05-20 - 公布日： 2023-04-25 - 主分类号： G06V20/10 文献下载
摘要：本发明属于未知目标识别技术领域，具体涉及一种基于深度特征与线性判别特征融合的未知目标判别方法。本发明将预处理后的一维距离像通过并行双通道残差网络抽取局部高维特征，与全局线性判别特征以向量串联方式进行特征级融合，实现未知目标判别。本发明方法提取的融合特征既有全局差异信息也包含局部细节信息，因此改善了对未知目标的判别性能，实验结果验证了本方法的有效性。
基于深度特征线性判别融合未知目标方法

[发明专利]一种基于深度卷积与归一化的无人机目标识别方法-CN202211660374.7在审
发明人： 周代英 -专利权人：电子科技大学
申请日： 2022-12-23 - 公布日： 2023-04-18 - 主分类号： G01S7/41 文献下载
摘要：本发明属于无人机目标识别技术领域，具体涉及一种基于深度卷积与归一化的无人机目标识别方法。本发明首先对多旋翼无人机的雷达回波数据序列进行预处理，然后输入到深度卷积特征与归一化特征综合网络中进行分类识别，卷积特征与归一化特征综合网络包括5个卷积子网、卷积特征综合子网和归一化特征综合子网，卷积特征综合子网由后3个卷积子网的卷积特征图按层次顺序进行排列，后接1个核大小为1×1的卷积层和1个全连接层，归一化特征综合子网由后3个卷积子网的归一化特征图按层次顺序进行排列，也后接1个核大小为1×1的卷积层和1个全连接层，再将卷积特征综合子网和归一化特征综合子网中的全连接层输入到softmax分类层，完成对目标的分类识别。
一种基于深度卷积归一化无人机目标识别方法

[发明专利]一种基于多模深度网络的雷达真假目标识别方法-CN202211660398.2在审
发明人： 周代英;廖阔;沈晓峰;张瑛;冯健 -专利权人：电子科技大学
申请日： 2022-12-23 - 公布日： 2023-04-18 - 主分类号： G01S7/41 文献下载
摘要：本发明属于雷达真假目标识别技术领域，具体涉及一种基于多模深度网络的雷达真假目标识别方法。本发明首先对雷达真假目标的一维距离像数据进行预处理，作为多模深度网络的输入，多模深度网络由3个并行的一维卷积子网络组成，从一维距离像中提取多模特征，然后，串接3层的堆自编码器，从多模特征中进一步提取识别特征，最后采用softmax分类层完成目标类型识别。由于利用多个卷积核大小不同的卷积子网络进行初步的特征提取，然后，采用堆自码器进一步提取识别特征，从而能够提取到更精细、更全面的非线性特征，改善对目标的识别性能。对四类仿真目标的一维距离像数据进行了仿真实验，实验结果验证了方法的有效性。
一种基于深度网络雷达真假目标识别方法

[发明专利]一种一维像识别中的高斯权值分布特征提取方法-CN202111197166.3有效
发明人： 周代英 -专利权人：电子科技大学
申请日： 2021-10-14 - 公布日： 2023-04-18 - 主分类号： G01S7/41 文献下载
摘要：本发明属于目标识别技术领域，具体的说是涉及一种一维像识别中的高斯权值分布特征提取方法。本发明利用训练数据集样本分布结构，建立变换子空间矩阵提取高斯权值分布特征，由于采用高斯权值来描述样本之间的连接紧密程度，能有效表征各类样本在高维空间中的聚集情况，从而改善对目标的识别性能，对4类目标的仿真实验验证了该方法的有效性。
一种一维像识别中的高斯权值分布特征提取方法

[发明专利]一种稀疏表示样本分布边界保持特征提取方法-CN201910983334.8有效
发明人： 周代英;沈晓峰;廖阔;张瑛;梁菁;冯健 -专利权人：电子科技大学
申请日： 2019-10-16 - 公布日： 2023-04-18 - 主分类号： G06F18/2413 文献下载
摘要：本发明公开了一种稀疏表示样本分布边界保持特征提取方法，属于雷达目标识别技术领域。本发明利用稀疏表示确定样本分布区域的边界点及相应的权系数，建立表征异类样本分布区域分离间隙的目标函数，以获取稀疏表示样本分布边界保持变换矩阵，通过该变换能够增大异类特征局部区域之间的分离程度；最后，基于所得到的样本分布边界保持变换矩阵对待进行特征提取的RCS数据序列帧数进行投影，从而得到待提取对象的投影特征矢量，进而使得在基于本发明所提取的投影特征矢量进行雷达目标识别处理时，提高雷达目标识别性能。
一种稀疏表示样本分布边界保持特征提取方法

[发明专利]一种基于高效标签分配策略的有向目标检测方法-CN202211660379.X在审
发明人： 周代英;谢骐阳;徐泽颖 -专利权人：电子科技大学
申请日： 2022-12-23 - 公布日： 2023-04-11 - 主分类号： G06V10/82 文献下载
摘要：本发明属于有向目标检测技术领域，具体涉及一种基于高效标签分配策略的有向目标检测方法。本发明基于一种两阶段有向目标检测模型；模型的第一阶段，基于高效标签分配策略构成区域建议网络，生成有方向的区域建议框；模型的第二阶段利用目标检测网络执行检测任务，该网络利用全连接层合并第一阶段中区域建议框得到的特征，并进行检测框回归。由于高效标签分配策略能为不同大小形状的训练框分配到最合适的真实标签，使得训练框的标签分配更加合理，解决标签所对应的训练框数量和质量最优的问题，从而提高了目标检测率。实验结果验证了方法的有效性。
一种基于高效标签分配策略目标检测方法

1
2
3
4
5
6
7
8
下一页»
尾页
共 113 条