“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]基于时空图卷积网络的驾驶员疲劳检测方法-CN201910779891.8有效
发明人：白静;于文涛;张佑捷;张帆;焦李成;张丹;杨韦洁 -专利权人：西安电子科技大学
申请日： 2019-08-22 - 公布日： 2022-12-06 - 主分类号： G06V20/59 文献下载
摘要：本发明公开了一种基于时空图卷积网络的驾驶员疲劳检测方法，主要解决现有技术中驾驶员疲劳检测准确率低的问题。本发明的具体步骤如下：(1)搭建时空图卷积网络；(2)生成数据集；(3)训练时空图卷积网络；(4)对驾驶状态进行实时分类。本发明具有提高驾驶员疲劳检测准确率和鲁棒性，降低漏检率的优点，是一种非常实用的驾驶员疲劳检测方法。
基于时空图卷网络驾驶员疲劳检测方法

[发明专利]一种利用卷积运算进行图像缩放加速的目标检测方法-CN202211064866.X在审
发明人：侯彪;周沈轩;曹震;郭政熹;任博;任仲乐;焦李成 -专利权人：西安电子科技大学
申请日： 2022-09-01 - 公布日： 2022-12-02 - 主分类号： G06T9/00 文献下载
摘要：本发明涉及一种利用卷积运算进行图像缩放加速的目标检测方法，主要解决嵌入式平台上图像预处理部分效率低，耗时长的问题。本发明基本过程为：获取待处理的源图像；基于目标尺寸确定待处理的源图像的处理方法，以确定待处理的源图像的无拉伸缩放系数；在待处理的源图像进行缩小或放大处理时，待处理的源图像进入卷积下采样或上采样单元，得到同比例缩放图像；根据补边长度计算公式对所述同比例缩放图像进行补边操作，得到大小为目标尺寸的最终的缩放图像；将最终的缩放图像输入至目标检测器进行目标检测。本发明的方法，仅使用深度学习框架中的基本算子且无需训练过程，将图像缩放合并进深度学习模型，提高了目标检测的效率。
一种利用卷积运算进行图像缩放加速目标检测方法

[发明专利]基于边界框回归模型的目标跟踪方法-CN202010883760.7有效
发明人：田小林;高文星;李芳;张艺帆;王露;杨坤;焦李成 -专利权人：西安电子科技大学
申请日： 2020-08-28 - 公布日： 2022-12-02 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于边界框回归的目标跟踪方法，主要解决因传统的相关滤波器预测的目标区域不准确的问题，本发明实现的步骤如下：计算连续分辨率的空间特征图；计算相关滤波器；构建边界框回归模型；回归预测的目标位置；将调整后的目标区域位置作为对于目标跟踪的结果；判断当前帧视频图像是否为待跟踪视频图像序列的最后一帧图像，若是，则执行下一步，否则，用下一帧从头开始执行；结束对待跟踪目标的跟踪。本发明通过构造边界框回归行，更准确地预测了目标区域的位置信息，也通过三次线性插值的方式丰富了神经网络对目标区域提取到的特征，最终实现了准确的目标跟踪。
基于边界回归模型目标跟踪方法

[发明专利]基于深度网络及语义信息的遥感图像双目立体匹配方法-CN201910460715.8有效
发明人： 焦李成;李晓童;张若浛;陈洁;李玲玲;冯志玺;唐旭;马文萍;张丹 -专利权人：西安电子科技大学
申请日： 2019-05-30 - 公布日： 2022-12-02 - 主分类号： G06T7/55 文献下载
摘要：本发明公开了一种基于深度网络及语义信息的遥感图像双目立体匹配方法，主要解决现有遥感图像的立体匹配精度低的问题。其实现过程是：1)收集US3D数据集遥感图像；2)用训练语义分割网络模型获取遥感图像的语义先验；3)用深度网络模型对遥感图像进行立体匹配；4)用传统SGBM算法对遥感图像进行立体匹配；5)用语义先验对3)和4)这两次的匹配结果进行融合，得到融合后的视差图像；6)对融合后的视差图形进行去噪；7)用语义先验对6)去噪后的图形进行修正，得到双目立体匹配结果。本发明相比已有技术，提高了遥感图像双目立体匹配的精度，可用于遥感图像的三维空间立体重建。
基于深度网络语义信息遥感图像双目立体匹配方法

[发明专利]基于置信点的遥感图像分割方法-CN201910494015.0有效
发明人： 焦李成;张梦璇;黄钟键;冯雨歆;陈悉儿;屈嵘;丁静怡;张丹;李玲玲;郭雨薇;唐旭;冯志玺 -专利权人：西安电子科技大学
申请日： 2019-06-08 - 公布日： 2022-12-02 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于置信点的遥感图像分割方法，主要解决现有技术中高分辨率遥感影像分割精度不高的缺陷。本发明的具体步骤如下：(1)构建卷积神经网络；(2)生成两个训练集；(3)生成两个测试集；(4)对测试集进行地物类别标签预测；(5)标记每个置信点像素；(6)修正建筑物类别；(7)更新植物类别；(8)得到最终的地物类别标签。本发明具有提高植被与建筑物类别精度，不仅对低分辨率的遥感图像有较好的分割效果，而且对高分辨率的遥感图像也具有较好的分割效果。
基于置信遥感图像分割方法

[发明专利]基于视差图和关键点的多视图遥感图像立体重构方法-CN201910527646.8有效
发明人： 焦李成;张梦璇;陈悉儿;冯雨歆;黄钟键;屈嵘;丁静怡;张丹;李玲玲;郭雨薇;唐旭;冯志玺 -专利权人：西安电子科技大学
申请日： 2019-06-18 - 公布日： 2022-12-02 - 主分类号： G06T17/05 文献下载
摘要：本发明公开了一种基于视差图和关键点的多视图遥感图像立体重构方法，主要解决现有技术中遥感图像重构精度不高的缺陷，其实现步骤为：(1)选择图像对；(2)生成地物类别标签；(3)生成融合地物类别标签的视差图；(4)生成每个图像对的数字表面模型DSM；(5)融合每个图像对的数字表面模型DSM；(6)标记关键点；(7)优化融合的数字表面模型DSM；(8)立体重构三维模型。本发明提高了建筑物与地面类别的遥感目标的重构精度，能够自适应地满足不同地物类别标签目标的视差计算精度要求，提高了遥感图像的重构速度。
基于视差关键视图遥感图像立体方法

[发明专利]基于FPGA异构深度学习的光学遥感图像目标检测方法-CN201910718212.6有效
发明人： 焦李成;刘芳;樊龙飞;苏蓓;孙璆琛;屈嵘;李玲玲;唐旭;冯志玺;杨淑媛;侯彪;田小林 -专利权人：西安电子科技大学
申请日： 2019-08-05 - 公布日： 2022-12-02 - 主分类号： G06V20/10 文献下载
摘要：本发明提出了一种基于FPGA异构深度学习的光学遥感图像目标检测方法，主要解决现有技术中光学遥感图像目标检测中误检率高、鲁棒性差、功耗高的问题。实现步骤为：构建遥感图像训练数据集；构建基于多尺度特征交叉融合的目标检测网络；利用训练数据集训练该目标检测网络，得到目标权重；对该目标检测网络依次进行高级语言描述和编译，得到SOF可执行文件；在FPGA上运行上述得到的可执行文件，得到检测结果。本发明构建的网络，使用颜色空间转换和多尺度特征交叉融合，改善了因外界光线环境变化及目标小造成的误检和漏检，且选用FPGA作为加速平台，降低了网络运行功耗，可应用于对光学遥感图像不同区域内的飞机与舰船的地物识别。
基于 fpga 深度学习光学遥感图像目标检测方法

[发明专利]基于FW-DCGAN特征生成的极化SAR分类方法-CN201910846053.8有效
发明人：缑水平;李继超;陈晓莹;焦昶哲;毛莎莎;李德博;焦李成;李阳阳 -专利权人：西安电子科技大学
申请日： 2019-09-09 - 公布日： 2022-12-02 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于FW‑DCGAN特征生成的极化SAR分类方法，主要解决极化SAR数据中分类样本分布不均衡问题。其方案为：对原始极化SAR数据特征提取；获取图像中数据较少地物的极化特征；生成服从Wishart分布的随机噪声Z；构建FW‑DCGAN网络并制作其训练样本S1，利用S1对FW‑DCGAN网络训练；预测噪声Z生成极化特征；构建卷积神经网络并制作其训练样本与测试样本；利用该训练样本对卷积神经网络进行训练，利用训练好的卷积神经网络对测试样本进行预测，得到分类结果。本发明均衡了极化SAR数据中样本分布，提高了数据量稀少地物的分类准确率及总体正确率，可用于极化SAR图像的大场景地物分类。
基于 fw dcgan 特征生成极化 sar 分类方法

[发明专利]基于U-Net网络的互联网广告点击率预估方法-CN201811599196.5有效
发明人：刘若辰;张豪;焦李成;刘静;慕彩虹;张向荣 -专利权人：西安电子科技大学
申请日： 2018-12-26 - 公布日： 2022-12-02 - 主分类号： G06Q30/02 文献下载
摘要：本发明提出了一种基于U‑Net网络的互联网广告点击率预估方法，主要用以解决现有互联网广告点击率预估方法中存在的预估精度低的技术问题，包括如下步骤：获取训练数据集和测试数据集；获取原始特征索引矩阵和原始特征值矩阵；基于深度卷积神经网络U‑Net构建点击率预估模型；对点击率预估模型进行训练；获取互联网广告点击率预估结果。本发明提出的基于U‑Net网络的互联网广告点击率预估方法，提高了互联网广告点击率预估模型的泛化能力，加强了对互联网广告数据深层特征的提取，明显地提高了点击率预估的精度，可应用于互联网广告投放领域。
基于 net 网络互联网广告点击率预估方法

[发明专利]基于量子神经网络的手写体图片分类方法-CN201910229053.3有效
发明人：李阳阳;肖俊杰;焦李成;刘光远;马文萍;尚荣华 -专利权人：西安电子科技大学
申请日： 2019-03-25 - 公布日： 2022-12-02 - 主分类号： G06V30/24 文献下载
摘要：本发明公开了一种基于量子神经网络的手写体图片分类方法，其实现步骤是：(1)提取手写体图片特征；(2)构建二进制的量子粒子群算法的粒子种群；(3)利用粒子种群构建卷积神经网络；(4)训练卷积神经网络；(5)选取最优卷积神经网络；(6)判断最优卷积神经网络的分类准确度是否小于0.85，若是，执行步骤(7)；否则，执行步骤(8)；(7)利用量子更新策略，更新每个粒子的位置信息对应的卷积神经网络的结构和参数后执行步骤(3)；(8)输出最优卷积神经网络的分类结果。本发明具有分类准确高，能够处理大规模复杂的手写体图片分类的优点，有效的克服了现有技术中需要大量卷积神经网络的专业知识和设计经验的问题。
基于量子神经网络手写体图片分类方法

[发明专利]基于注意力图像的人脸表情识别方法-CN202211059275.3在审
发明人：毛莎莎;闫丹丹;石光辉;缑水平;焦李成 -专利权人：西安电子科技大学
申请日： 2022-08-31 - 公布日： 2022-11-29 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于注意力图像的人脸表情识别方法，主要解决现有技术在挖掘人脸关键区域时挖掘的人脸关键区域不准确和挖掘的人脸关键区域较为粗糙的问题。本发明为每张人脸表情图像生成与其分辨率相同且标签也相同的注意力图像，用于挖掘人脸的关键区域。本发明利用人脸表情图像及其对应的标签、注意力图像及其对应的标签共同训练卷积神经网络。本发明训练好的网络更加关注人脸表情图像中的关键区域像素，可以实现在像素级别上对人脸关键区域的自动定位，提高了人脸表情图像的识别准确率。
基于注意力图像表情识别方法

[发明专利]基于噪声挤压和通道注意力机制的热成像图像超分辨方法-CN202210843101.X在审
发明人：刘旭;焦李成;张轩铭;唐旭;孙其功;刘芳;陈璞花;李玲玲;郭雨薇;侯彪;杨淑媛;张向荣;白静 -专利权人：西安电子科技大学
申请日： 2022-07-18 - 公布日： 2022-11-29 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于噪声挤压和通道注意力机制的热成像图像超分辨方法，包括：获取待重建热成像图像；利用超分辨网络对待重建热成像图像进行图像重建得到超分辨率的热成像图像；其中，超分辨网络为通过热成像训练数据进行训练得到的训练好的超分辨网络；超分辨网络包括特征提取模块、多级通道注意力模块、噪声挤压模块、高频滤波模块和上采样模块。本发明基于提出的新的超分辨网络模型，提高了超分辨率热图像重建细节成像效果。
基于噪声挤压通道注意力机制成像图像分辨方法

[发明专利]基于光谱增强和密集连接变压器的高光谱图像分类方法-CN202211033767.5在审
发明人：冯婕;吴永恩;焦李成;张向荣;尚荣华;慕彩红;王蓉芳 -专利权人：西安电子科技大学
申请日： 2022-08-26 - 公布日： 2022-11-29 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于光谱增强和密集连接变压器的高光谱图像分类方法，主要解决现有高光谱图像分类性能不佳、分类区域一致性不好的问题。其实现方案为：获取高光谱图像数据集，生成训练样本集与测试样本集；分别构建光谱增强模块、密集连接变压器模块，生成光谱增强和密集连接变压器模型；对光谱增强和密集连接变压器模型进行训练；将测试集输入到训练好的光谱增强和密集连接变压器模型中输出高光谱图像的分类结果。本发明利用搭建的光谱增强和密集连变压器，能够提取、融合高光谱图像的全局和局部特征及远距离空间信息，提高高光谱图像分类的准确性和一致性，可用于高光谱图像的地物分类土地覆盖测绘、精准农业、城市规划、树种分类和矿产勘探。
基于光谱增强密集连接变压器图像分类方法

[发明专利]一种基于无监督空频表征学习融合的SAR图像变化检测方法-CN202210813300.6在审
发明人： 焦李成;陈璞花;谷雨;刘旭;董惠惠;刘芳;屈嵘;郭雨薇;李玲玲;唐旭;侯彪;杨淑媛;张向荣 -专利权人：西安电子科技大学
申请日： 2022-07-11 - 公布日： 2022-11-25 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及一种基于无监督空频表征学习融合的SAR图像变化检测方法，包括：将变化前SAR图像和变化后SAR图像生成差异图；对差异图进行层次聚类生成确定数据和待分类数据；提取第一像素块的空间域特征、频域特征信息、像素块信息；将提取到的第一空间融合特征、第一频域特征和第一像素信息特征进行拼接，得到第一拼接特征；对第一拼接特征进行分类，得到待分类数据的分类结果；将可确定数据的分类结果与待分类数据的分类结果进行融合，得到最终分类结果。该方法使用无监督方法，避免由于SAR图像变化检测没有标签无法训练的问题，同时能够有效的提取关键信息，很好的关注到主要信息，从而提供变化检测的精度，使得检测结果更加合理可信。
一种基于监督表征学习融合 sar 图像变化检测方法

[发明专利]一种基于深度学习以及图像配准算法的飞机变化检测方法-CN202210815924.1在审
发明人：侯彪;汤奇;李智德;任仲乐;任博;杨晨;焦李成 -专利权人：西安电子科技大学
申请日： 2022-07-12 - 公布日： 2022-11-25 - 主分类号： G06V20/13 文献下载
摘要：本发明涉及一种基于深度学习以及图像配准算法的飞机变化检测方法，包括：获取同一区域、不同时刻的第一遥感图像和第二遥感图像；对第一遥感图像和第二遥感图像进行机场检测，获取第一遥感图像中的第一机场区域的图像、第一机场区域的第一偏移量、第二遥感图像中的第二机场区域的图像、第二机场区域的第二偏移量；将第一机场区域的图像和第二机场区域的图像根据surf图像配准算法进行图像配准得到配准图像；对配准图像进行飞机检测以获取飞机目标；对飞机检测得到的结果进行变化检测；将飞机目标对应的目标框还原到第一遥感图像和第二遥感图像中。本发明可解决现有技术中存在的检测精度低和检测过程运行速度慢、占用硬件资源大的问题。
一种基于深度学习以及图像算法飞机变化检测方法