“焦李成”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1435个，建议您升级VIP下载更多相关专利

[发明专利]基于多粒度级联森林模型的SAR图像变化检测方法-CN201811034359.5有效
发明人：王蓉芳;张杰;焦李成;陈佳伟;熊涛;郝红侠;尚荣华 -专利权人：西安电子科技大学
申请日： 2018-09-06 - 公布日： 2022-03-04 - 主分类号： G06T7/254 文献下载
摘要：本发明公开了一种基于多粒度级联森林模型的SAR图像变化检测方法，主要解决传统方法对差异图的强依赖性问题，其实现方案是：给定两幅配准的多时相SAR图像I1和I2；对I1和I2用对数比算子生成差异图Id；对Id提取类哈尔特征并输入到训练好的多粒度级联森林模型，生成两个概率图I1和I0并与差异图Id构成新特征；利用新特征重新训练模型，得到新的预测结果把的Kappa系数与上一次的Kappa系数相较，选取系数较高的预测结果作为最终的变化检测结果。本发明能有效抑制差异图对最终结果的影响，提高变化检测的准确率，可用于环境检测和灾害检测。
基于粒度级联森林模型 sar 图像变化检测方法

[发明专利]基于深度特征交叉融合的高光谱图像分类方法-CN202010007701.3有效
发明人： 焦李成;李玲玲;王科;樊龙飞;刘旭;冯志玺;朱浩;唐旭;郭雨薇;陈璞花 -专利权人：西安电子科技大学
申请日： 2020-01-05 - 公布日： 2022-03-04 - 主分类号： G06V10/764 文献下载
摘要：本发明提出一种基于深度特征交叉融合的高光谱图像分类方法，主要解决传统卷积神经网络在高光谱数据分类时空间特征丢失的问题。其技术方案是：1.读取高光谱数据并对每个光谱带进行预处理；2.使用预处理后的高光谱数据构造数据样本并生成训练集和测试集数据；3.构建基于深度特征交叉融合的高光谱图像分类网络；4.用训练集数据对网络进行训练；5.使用训练后的网络对测试集数据进行分类预测；本发明针对多通道的原始数据融合不同分支阶段、不同尺度的深度特征，不断在多尺度表征之间进行信息交换，进而提升模型的深度特征表达能力；有效利用了高光谱数据不同层深度特征的多尺度空间信息，提高了分类精度。
基于深度特征交叉融合光谱图像分类方法

[发明专利]基于多尺度迁移学习的MRI胰腺图像分割方法-CN201910923449.8有效
发明人：缑水平;刘豪锋;陈姝喆;顾裕;焦昶哲;毛莎莎;焦李成;李阳阳 -专利权人：西安电子科技大学
申请日： 2019-09-27 - 公布日： 2022-03-04 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了一种基于多尺度迁移学习的MRI胰腺图像分割方法，主要解决现有技术对MRI胰腺图像分割精确低的问题。其方案：从人体胰腺部位获取PET和MRI图像，并对其进行标记，得到对应的胰腺标签图像；对PET和MRI图像扩充并归一化，对胰腺标签图像扩充并转换为浮点型；建立的PET网络并对其训练，得到训练好的PET网络；建立一个包括两条支路的MRI网络，将训练好的PET网络中对应的结构和权重迁移到该网络的第二支路，并训练其第一支路，得到训练好的MRI网络；输入MRI图像到训练好的MRI网络，输出胰腺分割结果。本发明提升了工作效率，提高了MRI图像的胰腺分割准确度，可用于对MRI图像的处理。
基于尺度迁移学习 mri 胰腺图像分割方法

[发明专利]基于动态关联模型的遥感视频车辆目标检测与跟踪方法-CN201910647914.X有效
发明人：张向荣;焦李成;张金月;唐旭;马晶晶;呼延宁;张静炎;马文萍 -专利权人：西安电子科技大学
申请日： 2019-07-18 - 公布日： 2022-03-04 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了一种基于动态关联模型的遥感视频车辆目标检测与跟踪方法，解决了跟踪精度低，稳定性差，算法不灵活的问题。实现步骤有：按帧截取图像，对首帧图像做动目标检测和创建存储空间储存目标；对后续帧图像，检测候选运动目标，从存储空间选历史目标估计位置并与候选运动目标匹配后更新历史目标状态并整理存储空间，存储新出现目标。本发明用道路掩膜滤除道路区域外的干扰，用动态关联灵活添加删除目标，用群体效应对消失运动目标状态估计优化，用轨迹优化法提高跟踪精度。仿真实验也证明本发明减少了计算量，提高跟踪精度和稳定性，用于车流监测，行驶路线分析，军事情报获取领域。
基于动态关联模型遥感视频车辆目标检测跟踪方法

[发明专利]基于关系视觉注意机制的场景图产生方法-CN201911217909.1有效
发明人：刘芳;李玲玲;王思危;焦李成;陈璞华;古晶;刘旭;郭雨薇 -专利权人：西安电子科技大学
申请日： 2019-12-03 - 公布日： 2022-03-04 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于关系视觉注意机制的场景图产生方法，主要解决现有技术中冗余的关系预测与可解释性较差的问题。其实现方案是：1)通过目标检测得到图像中的目标的类别与边界框，并进行全连接关系图建立；2)通过分析数据集，对关系图进行稀疏化，得到稀疏关系图表示；3)通过交替迭代学习关系注意力转移函数，分别从主语、宾语依靠并集特征转移到发生关系处，学习到准确的关系表征；4)对于学习到的关系表征进行分类，并组合成最终的场景图。本发明利用两目标发生关系的内在联系，建立关系注意力机制准确地关注于发生关系的区域，实现了场景图的准确产生，提高了网络的可解释化性，可用于图像描述与视觉问答任务。
基于关系视觉注意机制场景产生方法

[发明专利]一种基于同异质Transformer的遥感场景分类方法及系统-CN202111153214.9在审
发明人：马晶晶;李明腾;唐旭;张向荣;焦李成 -专利权人：西安电子科技大学
申请日： 2021-09-29 - 公布日： 2022-02-25 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于同异质Transformer的遥感场景分类方法及系统，分别使用直接划分方法和超像素分割方法把输入的遥感场景图片划分为异质Patch和同质Patch；使用异质特征学习分支和同质特征学习分支同时提取划分的异质Patch和同质Patch中的异质信息和同质信息，基于Transformer结构提取遥感场景中的全局信息和局部知识及相关上下文信息，得到异质特征he‑token0和同质特征ho‑token0；融合异质特征he‑token0和同质特征ho‑token0，通过结合度量学习机制增强特征区分性，最后根据融合后的特征完成遥感场景分类。本发明全面提取遥感图像的特征表示，具有更好的遥感场景分类性能。
一种基于 transformer 遥感场景分类方法系统

[发明专利]基于匹配追踪生成对抗网的高光谱异常检测方法-CN202111305120.9在审
发明人：王佳宁;杨攀泉;王昭;郭思颖;黄润虎;焦李成 -专利权人：西安电子科技大学
申请日： 2021-11-05 - 公布日： 2022-02-11 - 主分类号： G06V10/44 文献下载
摘要：本发明公开了一种基于匹配追踪生成对抗网的高光谱异常检测方法，主要解决现有技术中提取特征信息能力不足、缺乏先验信息，导致检测效果差的问题。其实现方案为：对高光谱图像使用KRX算法计算其异常概率矩阵，根据背景阈值对异常概率矩阵置1置0得到假定标签；提取标签为0的光谱向量组成背景光谱向量矩阵；根据光谱向量矩阵制作训练样本数据集，输入到深度卷积生成对抗网，得到伪高光谱图像数据集；将高光谱图像与伪高光谱图像的光谱向量作差得到残差图像，再对残差图像进行匹配追踪，计算其异常概率值，得到异常检测结果。本发明提高了检测指标AUC的平均值，具有更好的检测效果，可用于矿产勘探、环境监测、灾害预测、精准农业和国防。
基于匹配追踪生成对抗光谱异常检测方法

[发明专利]一种基于多尺度卷积的图像patch匹配方法-CN201910872936.6有效
发明人：王爽;焦李成;魏少玮;方帅;杨博武;李彦锋;权豆 -专利权人：西安电子科技大学
申请日： 2019-09-16 - 公布日： 2022-02-11 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于多尺度卷积的图像patch匹配方法，通过准备数据集；制作数据集；数据预处理；设计三分支‑双通道网络结构；设计多尺度卷积模块；根据提取的特征计算相似性；网络训练；预测匹配概率；评估网络性能。本发明有效克服了现有技术中训练不充分、没有使用多尺度信息等问题，极大的提高了网络的性能，提升了网络的训练效率，增强了网络的鲁棒性。本发明可应用于图像配准、图像检索、图像追踪、多视角重建等领域。
一种基于尺度卷积图像 patch 匹配方法

[发明专利]一种基于超大尺寸高分辨图像的行人目标检测方法及系统-CN202111277201.2在审
发明人：李玲玲;郭晓惠;耿雪莉;马晶晶;焦李成;刘芳;梁普江;刘旭;张梦璇;张丹;吴文童;陈牧 -专利权人：西安电子科技大学
申请日： 2021-10-29 - 公布日： 2022-01-28 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了一种基于超大尺寸高分辨图像的行人目标检测方法及系统，以行人的目标框为中心，采用不同的固定尺寸对训练集的超大尺寸高分辨图像进行多次切图，得到多尺度的训练数据；采用滑动窗口切图法对测试集的超大尺寸高分辨图像进行多次切图，得到测试集的子图，使用多尺度训练数据对目标检测网络进行训练，然后利用目标检测网络对测试集的子图进行检测，获得子图的预检测结果；将子图检测结果的目标框坐标换转为对应原始大图的坐标作为预检测标签，利用预检测标签对数据以行人目标为中心切图，设定多个切图尺寸得到多尺度的子图，得到多尺度的检测结果；使用区域NMS方法对多尺度的检测结果进行融合，得到最终的检测结果。提高了检测准确率。
一种基于超大尺寸分辨图像行人目标检测方法系统

[发明专利]基于语义感知与动态图卷积的遥感场景分类方法及系统-CN202111267094.5在审
发明人：唐旭;杨钰群;马晶晶;张向荣;焦李成 -专利权人：西安电子科技大学
申请日： 2021-10-28 - 公布日： 2022-01-28 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于语义感知与动态图卷积的遥感场景分类方法及系统，构建基于深度残差网络的特征金字塔完成特征的初步提取，获得特征F；构建自适应语义识别模块，通过语义识别获得特征F的区域索引I；根据特征F，利用区域索引I与特征F构造图节点，基于动态图卷积的特征信息捕捉网络，获得全局性特征F*；利用全局性特征F*实现遥感图像的场景分类，本发明具有更稳定且精确的分类性能。
基于语义感知动态图卷遥感场景分类方法系统

[发明专利]一种基于聚合特征差异学习网络的异源图像匹配方法-CN201910872306.9有效
发明人：权豆;王爽;焦李成;梁雪峰;魏少玮;李彦锋;呼延宁 -专利权人：西安电子科技大学
申请日： 2019-09-16 - 公布日： 2022-01-28 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于聚合特征差异学习网络的异源图像匹配方法，使用异源可见光‑近红外VIS‑NIR数据集，将Country子集作为训练样本集，Field、Forest、Indoor、Mountain、Oldbuilding、Street、Urban和Water子集作为测试样本集；数据预处理；设计聚合特征差异学习网络结构，包含双分支特征提取网络，特征差异聚合网络，两个度量网络；训练聚合特征差异学习网络，基于两个度量网络的输出分别计算两个大间隔余弦损失函数和，得到网络最终损失函数，联合优化整个网络；将测试样本集输入到聚合特征差异学习网络中，以度量网络输出的匹配标签作为最终的预测标签。本发明提高了学习效率和匹配精度，更可靠，鲁棒性更强，匹配精度更高。
一种基于聚合特征差异学习网络图像匹配方法

[发明专利]一种基于胶囊微分对抗网络的高光谱异常检测方法与系统-CN202111028713.5在审
发明人：王佳宁;郭思颖;黄润虎;刘一琛;胡金雨;李林昊;杨攀泉;焦李成 -专利权人：西安电子科技大学
申请日： 2021-09-02 - 公布日： 2022-01-18 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及一种基于胶囊微分对抗网络的高光谱异常检测方法与系统，该方法包括：获取待测高光谱图像；将待测高光谱图像输入至预先训练完成的生成对抗网络，得到待测高光谱图像对应的重建图像以及重建图像中各像素点的异常概率；生成对抗网络是基于背景样本训练集训练获得的，生成对抗网络包括级联的生成器和判别器，生成器用于生成与其输入图像数据分布相似的重建图像数据，判别器用于判断其输入数据的真假；生成器和判别器均为一维胶囊网络结构。本发明的方法，利用预先训练完成的生成对抗网络对待测高光谱图像的异常进行检测，生成对抗网络相比于传统卷积神经网络能有效缓解过拟合的问题，能更好地适用于数据不均衡的高光谱异常检测场景。
一种基于胶囊微分对抗网络光谱异常检测方法系统

[发明专利]一种同源或异源遥感图像用无监督变化检测方法及系统-CN202111153270.2在审
发明人：唐旭;张华煜;马晶晶;张向荣;焦李成 -专利权人：西安电子科技大学
申请日： 2021-09-29 - 公布日： 2022-01-07 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种同源或异源遥感图像用无监督变化检测方法及系统，将同源或异源双时相图像输入孪生全卷积特征提取网络，得到不同尺度的特征差异图；构建对应每个尺度的基于元学习与分组卷积的特征融合网络，将不同尺度的特征差异图融合，得到差异图；使用改进的目标函数完成对孪生全卷积特征提取网络和基于元学习与分组卷积的特征融合网络的优化，使用Adam优化方法迭代更新孪生全卷积特征提取网络和特征融合网络的权重值；在训练过程中不断拉大差异图中变化像素与不变像素的数值差距；将训练完的差异图通过阈值完成二值化操作,得到与原图大小相同的二值变化图，能够以无监督的方式高效准确地获得一对同源或异源双时相遥感图像的变化检测结果。
一种同源遥感图像监督变化检测方法系统

[发明专利]基于CPU+FPGA的快速SAR图像变化检测方法-CN201810338560.6有效
发明人：王爽;焦李成;杨孟然;秦海轮;侯彪;刘若辰;马文萍;孙莉 -专利权人：西安电子科技大学
申请日： 2018-04-16 - 公布日： 2021-12-28 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于CPU+FPGA的快速SAR图像变化检测方法，本发明采用CPU+FPGA异构并行加速实现SAR图像的变化检测，与现有技术中SAR图像变化检测的方法在CPU下计算相比，FPGA的并行计算能力要远远高于CPU数据串行计算能力。并且采用FPGA与CPU结合工作的方式，FPGA负责将整个算法中数据的处理并行化，CPU负责在主机端控制任务的调度以及参数的大小。本发明采用OpenCL的并行编程标准对SAR图像变化检测的算法进行并行化编写，代码的可移植性比较高，在不同的异构平台都可以运行。
基于 cpu fpga 快速 sar 图像变化检测方法

[发明专利]基于层间语义信息融合深度卷积网络的图像分类方法-CN202111031606.8在审
发明人：田小林;张力;高原;焦李成 -专利权人：西安电子科技大学
申请日： 2021-09-03 - 公布日： 2021-12-17 - 主分类号： G06K9/46 文献下载
摘要：本发明公开了一种基于层间语义信息融合深度卷积网络的图像分类方法，主要解决现有图像分类算法无法同时兼顾复杂图像分类准确度和对图像中小目标敏感性的问题，其实现方案是：获取训练集和测试集；构建包括多级特征提取模块、金字塔池化结构、语义融合结构及输出层的层间语义信息融合深度卷积网络；采用训练集利用梯度下降法对构建的网络进行迭代训练；将测试集输入到训练好的网络模型中，得到图像的分类结果。本发明通过构建金字塔池化结构与语义融合结构，通过将中层弱语义信息特征与深层强语义信息特征相融合，在兼顾复杂图像分类精度的同时，提高了对小目标的敏感性，提高了图像分类的精度，可用于视频监控、智能交通、医疗保健及人机交互。
基于语义信息融合深度卷积网络图像分类方法