“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]一种基于深度全局特征的多模态图像配准方法及系统-CN202110605164.7在审
发明人：王爽;雷睿琪;李毅;魏慧媛;权豆;杨博武;段宝瑞;焦李成 -专利权人：西安电子科技大学
申请日： 2021-05-31 - 公布日： 2021-08-06 - 主分类号： G06T7/33 文献下载
摘要：本发明公开了一种基于深度全局特征的多模态图像配准方法及系统，准备数据集并制作；制作数据集；图像预处理；设计全卷积孪生网络结构；提取图像特征；获取相似性得分图，基于相似性得分图，使用对比损失函数优化相似度得分图，使用峰值损失函数来加快收敛速度，使用排序损失函数使得正样本的相似度分布接近真实分布；联合优化对比损失、排序损失和峰值损失，将训练好的权重载入到模型中，并依次读取所有测试集数据，预测测试集中浮动图在基准图中的平移参数；确定浮动图在基准图上的位置，实现多模态图像配。本发明通过深入挖掘异源图像底层的共有特性可以获得高精度的匹配结果。
一种基于深度全局特征多模态图像方法系统

[发明专利]基于样本扩充和深度分类网络的运动目标跟踪方法-CN201811005680.0有效
发明人：田小林;荀亮;李芳;李帅;焦李成 -专利权人：西安电子科技大学
申请日： 2018-08-30 - 公布日： 2021-08-06 - 主分类号： G06T7/20 文献下载
摘要：本发明公开了一种基于样本扩充和深度分类网络的运动目标跟踪方法。本发明实现的步骤如下：(1)搭建深度分类网络模型；(2)生成正样本集；(3)生成负样本集；(4)训练深度分类网络模型；(5)提取目标特征网络模型；(6)预测下一帧图像的目标位置；(7)判断当前帧图像是否为待跟踪视频序列的最后一帧视频图像，若是，则执行步骤(8)，否则，执行步骤(6)；(8)结束对运动待跟踪目标的跟踪。本发明使用扩充的样本集训练深度分类网络，利用特征响应值确定待跟踪目标的位置，解决了当目标发生外观形变、遮挡时导致跟踪不准确的问题。
基于样本扩充深度分类网络运动目标跟踪方法

[发明专利]基于U-Net和LS-CNN的人脸表情识别方法-CN201910735015.5有效
发明人：毛莎莎;石光辉;缑水平;焦昶哲;焦李成;路凯;李阳阳 -专利权人：西安电子科技大学
申请日： 2019-08-09 - 公布日： 2021-07-27 - 主分类号： G06K9/00 文献下载
摘要：本发明提出了一种基于U‑Net和LS‑CNN的人脸表情识别方法，主要用于解决现有技术中存在的因人脸表情图像的全局信息不完整而导致人脸表情识别准确率较低的技术问题，实现步骤为：获取训练样本集C和待检测样本集V；构建基于深度卷积神经网络U‑Net和局部监督卷积神经网络LS‑CNN的人脸表情识别模型；对人脸表情识别模型进行迭代训练；基于训练好的人脸表情识别模型获取人脸表情识别结果。本发明通过U‑Net和LS‑CNN检测人脸表情图像中被遮挡或缺失的区域并降低该区域提取的特征的置信度，从而减小全局信息不完整对人脸表情识别的影响，能有效提高人脸表情识别的准确率，可用于人机交互、智慧教育、病人监护等领域。
基于 net ls cnn 表情识别方法

[发明专利]一种基于模糊标签语义先验的小样本PolSAR图像分类方法-CN201910349436.4有效
发明人：侯彪;焦李成;关娇娇;吴倩;马文萍;白静;马晶晶 -专利权人：西安电子科技大学
申请日： 2019-04-28 - 公布日： 2021-07-23 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于模糊标签语义先验的小样本PolSAR图像分类方法，准备待分类的PolSAR图像；然后得到实数化的极化特征作为网络的输入数据；获得记录训练样本位置的采样矩阵和记录相应位置处像素标签信息的采样标签矩阵；利用采样标签矩阵初始化分类搭建全卷积网络FCN；再将实数化的输入数据、采样矩阵、采样标签矩阵和分类矩阵送入搭建好的全卷积网络FCN中进行训练；利用FCN的预测结果、采样矩阵、采样标签矩阵和分类矩阵的当前状态更新分类矩阵；重复操作直至满足最大迭代次数；输出最后的分类矩阵；计算分类准确率和分类结果图完成图像分类。本发明对深度全卷积网络参数和标签类别变量进行交替迭代训练，解决了小样本问题下PolSAR分类精度不高的问题。
一种基于模糊标签语义先验样本 polsar 图像分类方法

[发明专利]一种基于信息交互和迁移学习的SAR图像飞机目标检测方法-CN201910485819.4有效
发明人：刘芳;焦李成;王莹;李玲玲;郭雨薇;侯彪;陈璞花;马文萍;杨淑媛 -专利权人：西安电子科技大学
申请日： 2019-06-05 - 公布日： 2021-07-23 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于信息交互和迁移学习的SAR图像飞机目标检测方法，基于亮暗阈值分割与k近邻选择提取像素空间的感兴趣目标候选区域；将像素空间的每一个感兴趣目标候选区域的位置坐标对应到SAR图像的语义素描图中，得到语义空间中相应的感兴趣目标候选区域的位置和大小；提取语义空间中感兴趣目标候选区域中疑似机翼阴影的素描线段；使用机翼阴影与亮斑局部结构关系的飞机阴影补全方法，得到目标阴影区域图；利用基于素描标注信息的生成对抗迁移学习方法，实现目标阴影区域图的分类与识别，得到最终的飞机目标检测结果。本发明提高了飞机目标检测的准确率，剔除了大量虚警，适用于复杂场景下超高分辨率SAR图像中飞机目标检测。
一种基于信息交互迁移学习 sar 图像飞机目标检测方法

[发明专利]基于分层多模型度量学习的SAR图像变化检测方法-CN201810763679.8有效
发明人：陈佳伟;王玉乐;王蓉芳;焦李成;刘红英;冯婕;尚荣华 -专利权人：西安电子科技大学
申请日： 2018-07-12 - 公布日： 2021-07-20 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种基于分层多模型度量学习的SAR图像变化检测方法，解决了传统度量不能很好衡量样本间差异信息以及易受到噪声影响的问题。实现步骤有：输入变化前后的遥感图像，构建分层多模型的测试样本；构建包含全部边界的训练样本；利用训练样本获得正负约束对；建立分层多模型获得映射矩阵，将映射矩阵进行矩阵分解；利用分解后的映射矩阵将样本映射到特征空间，在特征空间中对样本进行分类。本发明将两时相图像以及差异图作为三个通道进行分层多模型学习，不仅获得每个通道的差异信息，也获得三个通道之间的差异信息。将全部边界作为训练样本，解决了边界易错分的问题，获得对噪声鲁棒同时精度高的分类效果。用于SAR图像变化检测。
基于分层模型度量学习 sar 图像变化检测方法

[发明专利]基于聚类及进化算法构建信息核的物品推荐方法-CN201810550780.5有效
发明人：慕彩红;刘逸;朱贤武;刘若辰;张丹;侯彪;熊涛;焦李成 -专利权人：西安电子科技大学
申请日： 2018-05-31 - 公布日： 2021-07-20 - 主分类号： G06Q30/06 文献下载
摘要：本发明公开一种基于聚类及进化算法构建信息核的物品推荐方法，其步骤为：(1)构建用户物品评分矩阵；(2)将用户物品评分矩阵降维；(3)利用聚类算法构建虚拟用户物品评分矩阵；(4)构建并更新用户物品训练矩阵和用户物品优化矩阵；(5)初始化父代种群；(6)交叉变异生成过渡种群；(7)计算信息核个体的推荐精度；(8)生成子代种群；(9)更新父代种群；(10)判断迭代次数是否为100次；(11)完成信息核构建；(12)利用信息核为用户推荐物品。本发明具有构建信息核快，为用户推荐物品更精确的优点。
基于进化算法构建信息物品推荐方法

[发明专利]协作生成对抗网络和空谱联合的高光谱图像分类方法-CN201810977887.8有效
发明人：冯婕;冯雪亮;陈建通;焦李成;张向荣;王蓉芳;刘若辰;尚荣华 -专利权人：西安电子科技大学
申请日： 2018-08-27 - 公布日： 2021-07-20 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于协作生成对抗网络和空谱联合的高光谱图像分类方法，其步骤如下：输入高光谱图像；获取样本集；产生训练样本与测试样本；搭建多尺度判别器；构建协作关系；搭建协作生成对抗网络；训练样本通过多尺度判别器产生初始值；生成器生成样本；多尺度判别器进行分类；构建生成器和多尺度判别器的损失函数；交替训练生成器与多尺度判别器；对高光谱图像进行分类。本发明利用搭建的协作生成对抗网络，提取像元的空谱联合特征，同时生成样本更加逼真，增加样本数量，缓解了网络过拟合、网络收敛速度慢的问题，提高了高光谱图像分类的准确性。
协作生成对抗网络联合光谱图像分类方法

[发明专利]基于双图稀疏的深度矩阵分解的图像聚类方法-CN201811243981.7有效
发明人：孟洋;尚荣华;焦李成;王蓉芳;马文萍;刘芳;侯彪;王爽 -专利权人：西安电子科技大学
申请日： 2018-10-24 - 公布日： 2021-07-06 - 主分类号： G06K9/62 文献下载
摘要：本发明提出一种基于双图稀疏的深度矩阵分解的图像聚类方法，用于解决现有技术中存在的图像聚类准确度低和聚类过程运行速度慢的技术问题。实现步骤为：构建多层感知机；设置迭代次数；计算数据空间相似度矩阵和特征空间相似度矩阵；计算数据空间相似度对角矩阵和特征空间相似度对角矩阵；定义低维表示矩阵Hi及Hi对应的系数矩阵Zi，并计算Zi对应的系数对角矩阵Qi；获取Hi的更新公式和Zi的更新公式；对每层的Hi、Zi和Qi循环更新；重新获取Hi的更新公式和Zi的更新公式；重置迭代次数；重置当前层数；对每层的Hi、Zi和Qi循环更新；图像聚类并输出。本发明可用于人脸识别、图像聚类和文本聚类等现实生活应用。
基于稀疏深度矩阵分解图像方法

[发明专利]一种基于目标空间知识和两阶段预测学习的目标检测方法-CN201711059887.1有效
发明人：侯彪;任仲乐;焦李成;朱浩;赵暐;刘旭;孙其功;马文萍 -专利权人：西安电子科技大学
申请日： 2017-11-01 - 公布日： 2021-07-06 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于目标空间知识和两阶段预测学习的目标检测方法，利用各种数据变换的方法增大样本的数目、增加样本的多样性，训练SSD和新设计的RefineNet两个深层神经网络；对SSD初步预测结果中概率较大的预测目标通过RefineNet进一步提升判别的准确性；通过制定目标特有的空间结构约束规则减少错误的预测，得到最终的检测结果。本发明与现有的一些方法相比，同时考虑了遥感目标的视觉特性和空间特性，并利用特征提取能力卓越的深层网络实现了端到端的目标候选、特征提取与分类定位，明显提高了遥感目标的检测率，降低了虚警率。
一种基于目标空间知识阶段预测学习检测方法

[发明专利]基于SPP Net和感兴趣区域检测的SAR图像变化检测方法-CN201710439717.X有效
发明人： 焦李成;屈嵘;杨争艳;马晶晶;杨淑媛;侯彪;马文萍;刘芳;尚荣华;张向荣;张丹;唐旭 -专利权人：西安电子科技大学
申请日： 2017-06-12 - 公布日： 2021-07-06 - 主分类号： G06T7/30 文献下载
摘要：本发明公开了一种基于SPP Net和感兴趣区域检测的高分辨SAR图像变化检测方法，包括以下步骤：1)获取两幅配准后同一地区不同时相的SAR图像，然后从两幅配准后同一地区不同时相的SAR图像选取若干有标签数据，并将选取出来的有标签数据作为训练样本；2)将训练样本归一化到[0，1]之间，并将归一化的结果记作样本X；3)得到训练好的SPP Net感兴趣区域检测网络；4)得最终的感兴趣区域；5)得两幅经过感兴趣检测后SAR图像I1及I2；6)通过基于图像块的GKI对经步骤5)得到的两幅经过感兴趣检测后SAR图像I1及I2进行变化检测，得最终的变化检测结果图，该方法实现大规模、高分辨SAR图像的变化检测，并且变化检测精度较高。
基于 spp net 感兴趣区域检测 sar 图像变化方法

[发明专利]基于双相关滤波和隶属度加权决策的深度目标跟踪方法-CN201910368524.9有效
发明人：田小林;张杨;孟令研;王凤鸽;张杰;焦李成 -专利权人：西安电子科技大学
申请日： 2019-05-05 - 公布日： 2021-07-06 - 主分类号： G06K9/00 文献下载
摘要：本发明提出了一种基于双相关滤波和隶属度加权决策的深度目标跟踪方法，用于解决现有技术中存在的目标定位准确率较低的技术问题，并提高跟踪速度，实现步骤为：(1)构建多个基于双相关的相关滤波器模型；(2)设定包含待跟踪目标的图像序列参数；(3)对每个相关滤波器的隶属度进行初始化；(4)获取n个基于双相关的相关滤波器模型W1,W2,...Wk...,Wn的值；(5)计算每个相关滤波器对第t+1帧图像中待跟踪目标的中心位置的估计值；(6)基于隶属度加权决策方法计算t+1帧图像中待跟踪目标的中心位置(xt+1,yt+1)；(7)获取深度目标跟踪结果；(8)计算每个相关滤波器的隶属度并执行步骤(4)。
基于相关滤波隶属加权决策深度目标跟踪方法

[发明专利]基于梯度正则卷积神经网络的低剂量CT图像去噪方法-CN201810243457.3有效
发明人：缑水平;刘伟;顾裕;周海彬;毛莎莎;焦昶哲;刘红英;焦李成 -专利权人：西安电子科技大学
申请日： 2018-03-23 - 公布日： 2021-06-25 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种低剂量CT图像去噪方法，主要解决现有技术中仅考虑恢复图像灰度信息而导致的图像边缘模糊、细节丢失的问题。其实现方案：1)从人体同一部位获取多张低剂量和全剂量CT图像；2)对获得的CT图像数据集进行扩充和归一化，再在每对CT图像上进行取块，得到CT图像块数据集；3)建立一个12层的全卷积去噪神经网络，使用CT图像块数据集作为网络训练数据，利用带动量项的小批量梯度下降算法优化该网络，得到训练好的网络；4)输入一张完整的低剂量CT图像到该网络中，即可输出对应的去噪CT图像。本发明能在图像去噪的同时，较好地保持图像的边缘和细节，可用于对低剂量CT图像的增强，便于医生对CT图像病例的识别。
基于梯度正则卷积神经网络剂量 ct 图像方法

[发明专利]基于高阶结构和边信息的网络局部社区检测方法-CN202110270710.6在审
发明人：尚荣华;张静雯;张玮桐;张梦璇;焦李成;冯婕;李阳阳;马文萍;李玲玲 -专利权人：西安电子科技大学
申请日： 2021-03-12 - 公布日： 2021-06-08 - 主分类号： G06F16/9536 文献下载
摘要：本发明提供了一种基于高阶结构和边信息的网络局部社区检测方法，解决了现有局部社区检测方法检测准确度不够高，以及对于低质量种子点检测效果差的技术问题，其实现步骤包括：输入网络和种子点；初始化局部社区；使用高阶信息对局部社区进行扩展；使用中心节点对局部社区进行扩展；使用边信息对局部社区进行最终扩展；输出局部社区，完成基于高阶结构和边信息的网络局部社区检测。本发明对低质量种子点进行特殊处理，设计了考虑种子点质量的局部社区初始化方式，并根据局部社区特性使用高阶信息和边信息进行不同方式的扩展，更好的利用了局部信息，提高了局部社区检测的正确率。用于网络的局部社区检测。
基于结构信息网络局部社区检测方法

[发明专利]基于随机森林多尺度卷积模型的极化SAR分类方法-CN201810808001.7有效
发明人： 焦李成;李玲玲;张徽;郭雨薇;丁静怡;张梦璇;王晗丁;古晶;杨淑媛;陈璞花;侯彪;屈嵘 -专利权人：西安电子科技大学
申请日： 2018-07-22 - 公布日： 2021-06-08 - 主分类号： G06K9/62 文献下载
摘要：本发明提出了一种基于随机森林多尺度卷积模型的极化SAR分类方法，用于解决现有技术中存在的分类准确率较低和分类时间较长的技术问题，实现步骤为：构建包含多尺度卷积模型和随机森林模型的随机森林多尺度卷积模型，其中多尺度卷积模型包括细化模块和至少两个输入模块，并初始化模型的相关参数；对待分类的极化SAR图像进行Lee滤波；对滤波后的极化SAR图像进行预处理；获取训练数据集；将训练数据集输入到多尺度卷积模型中进行模型训练，得到特征图feature map，并将feature map输入到随机森林模型进行模型训练，得到训练好的随机森林多尺度卷积模型；对极化SAR图像进行分类。
基于随机森林尺度卷积模型极化 sar 分类方法