“焦昶哲”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34个，建议您升级VIP下载更多相关专利

[发明专利]一种多支路协同语义变化检测方法、系统、设备及介质-CN202310538911.9在审
发明人：王蓉芳;李畅;焦昶哲;刘若辰;牛毅 -专利权人：西安电子科技大学
申请日： 2023-05-12 - 公布日： 2023-09-15 - 主分类号： G06V10/774 文献下载
摘要：一种多支路协同语义变化检测方法、系统、设备及介质，其方法为，引入伪标签对未变化区域预测语义类别标签；通过向ResNet添加额外的高分辨率分支实现双分辨率网络；引入上下文信息交互模块利用目标区域表示增强其上下文信息表示，将原始特征与上下文信息交互特征拼接操作，得到最终的增强特征；将提取到的增强特征进行多种方式通道融合，并在降维前引入通道注意力机制聚焦通道域的重要特征，以折衷复杂度和特征的丰富度，提高变化区域检测精度，降低未变化区域误检率；其系统、设备及介质基于上述方法实现多支路协同语义变化检测；本发明利用多支路网络结构对地物覆盖信息和变化信息进行有效建模，多支路交互协同，提高了特征利用率，共同提升了任务性能。
一种支路协同语义变化检测方法系统设备介质

[发明专利]一种结合大核卷积的相邻层特征融合Unet多器官分割方法、系统、设备及介质-CN202310707529.6在审
发明人：王蓉芳;牟钊汕;郝红侠;缑水平;焦昶哲 -专利权人：西安电子科技大学
申请日： 2023-06-15 - 公布日： 2023-09-01 - 主分类号： G06V10/26 文献下载
摘要：一种结合大核卷积的相邻层特征融合Unet多器官分割方法、系统、设备及介质，其方法通过构建结合大核深度卷积的相邻层特征融合UNet多器官分割模型；在编码器网络中加入大核深度卷积，将局部信息和全局信息相结合；构建相邻层特征融合模块，使得模型充分利用不同层特征之间的信息；构建大核GRN通道响应模块，对相邻层特征融合的特征进行长距离依赖性建模，在特征通道数增加的情况下，大核GRN通道响应模块则对融合特征的通道进行全局响应归一化，以此对通道进行对比和选择，利用融合后的特征，提高整个模型的分割性能；其系统、设备及介质能够基于所述分割方法，对器官影像进行分割；具有使用参数少，降低了器官分割的复杂性，实用性好，效率高的优点。
一种结合卷积相邻特征融合 unet 器官分割方法系统设备介质

[发明专利]多示例能量约束最小化的高光谱目标描述与检测方法-CN202011623082.7有效
发明人：吴金建;杨波;焦昶哲;石光明 -专利权人：西安电子科技大学
申请日： 2020-12-31 - 公布日： 2023-08-18 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种多示例能量约束最小化的高光谱目标描述与检测方法，实现步骤：输入数据划分与像素光谱分包；确定能量约束最小化光谱检测响应；对不精确标记数据包建立多示例概率模型和待优化目标函数；初始化目标光谱特征描述子；使用梯度上升法迭代优化目标函数；逐像素目标检测；检测性能评价，完成高光谱目标描述与检测。本发明利用多示例学习从不精确标记的高光谱图像中自适应学习得到具有高判别能力的目标光谱特征描述子，克服了人力逐像素标注不准确、训练正负样本不均衡问题，节约成本，实现亚像素级目标特征准确描述。学习得到的目标光谱特征描述子能用于基于光谱匹配的多种高光谱亚像素检测器，实现目标高效检测。
示例能量约束最小化光谱目标描述检测方法

[发明专利]水体指数与极化信息多路径融合的遥感图像水域分割方法、系统及设备-CN202310375149.7在审
发明人：王蓉芳;张晨晨;李卫斌;慕彩红;焦昶哲 -专利权人：西安电子科技大学
申请日： 2023-04-10 - 公布日： 2023-07-07 - 主分类号： G06V20/13 文献下载
摘要：水体指数与极化信息多路径融合的遥感图像水域分割方法、系统及设备，利用多光谱图像和SAR图像这两类多源遥感数据，对原始的UNet算法引入水体指数，设计多路径多源数据融合编码器，利用Gated Channel Transform(GCT)注意力机制等，以应对遥感图像中复杂的地物环境对水域分割的不利影响，实现在较少的计算资源的前提下，提高水域分割的精度；其系统及设备用于实现水体指数与极化信息多路径融合的遥感图像水域分割；本发明具有计算成本低、检测耗时短、分割精度高的优点，并能够随时进行迭代更新，提升模型性能。
水体指数极化信息路径融合遥感图像水域分割方法系统设备

[发明专利]进化剪枝轻量化卷积神经网络的滑坡识别方法、系统、设备及介质-CN202310398483.4在审
发明人：王蓉芳;王笑凯;李卫斌;焦昶哲;牛毅 -专利权人：西安电子科技大学
申请日： 2023-04-14 - 公布日： 2023-07-07 - 主分类号： G06V20/10 文献下载
摘要：进化剪枝轻量化卷积神经网络的滑坡识别方法、系统、设备及介质，其方法为：将滑坡数据集中的样本进行预处理后构建基于卷积神经网络的滑坡识别模型；使用交叉熵损失函数构建本方法的损失函数；用预处理后的数据集进行训练，得到训练好的模型；在训练好的模型的基础上使用进化算法进行剪枝，搜索得到最优子网络；读取得到的最优子网络结构及加载最优子网络的权重基础上进行重新训练得到最终分类结果；其系统、设备及介质用于根据进化剪枝轻量化卷积神经网络的滑坡识别方法，对滑坡进行识别，具有更好的性能，对硬件设备计算量的需求低，易于部署，实时性好。
进化剪枝量化卷积神经网络滑坡识别方法系统设备介质

[发明专利]基于形态和多示例学习的遥感图像弱小目标检测方法-CN202111221508.0有效
发明人：吴金建;王国真;杨波;焦昶哲;石光明 -专利权人：西安电子科技大学
申请日： 2021-10-20 - 公布日： 2023-04-28 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于形态和多示例学习的遥感图像弱小目标检测方法，步骤如下：(1)生成训练集；(2)更新每个包的像素；(3)利用多示例概率模型构建目标函数；(4)求目标函数值最大时对应的标准特征向量；(5)基于形态学检测遥感图像中的疑似目标；(6)基于疑似目标与标准特征向量的响应值检测遥感图像中的目标。本发明通过建立多示例模型并进行优化得到标准特征向量，基于形态学与标准特征向量对弱小目标进行检测，具有不需要大量精确标记的数据、能检测各个方向的目标、速度快、精度高的优点。
基于形态示例学习遥感图像弱小目标检测方法

[发明专利]基于全概率协同分割的极化合成孔径雷达变化检测方法-CN202010143794.2有效
发明人：缑水平;张沛阳;牟金明;刘波;任海洋;毛莎莎;焦昶哲;李哲 -专利权人：西安电子科技大学
申请日： 2020-03-04 - 公布日： 2023-04-07 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于全概率协同分割的极化合成孔径雷达变化检测方法，主要解决现有技术对噪声不鲁棒，依赖人工标注数据及无法给出发生变化具体类别的问题。其实现步骤为：输入极化相干矩阵T，从中提取极化特征；使用极化特征进行谱聚类和判别聚类，得到初始的分割结果；对初始的分割结果进行全概率协同分割，得到两幅图像的协同分割结果和变化检测结果；从变化检测结果中筛选出所有发生变化的像素，从协同分割结果中提取所有发生变化像素在变化前后的类别，确定出该像素发生变化的具体类别。本发明提高了对噪声的鲁棒性，无需人工标注，使应用更加广泛，且可给出像素发生变化的具体类别，可用于两时相雷达图像的地物分类、变化检测和变化识别。
基于概率协同分割极化合成孔径雷达变化检测方法

[发明专利]基于自动分割和骨盆对齐的前列腺图像配准系统及方法-CN201910631224.5有效
发明人：缑水平;田茹;陈姝喆;刘豪锋;毛莎莎;焦昶哲;陈佳伟;焦李成 -专利权人：西安电子科技大学
申请日： 2019-07-12 - 公布日： 2022-12-06 - 主分类号： G06T7/33 文献下载
摘要：本发明公开了一种基于自动分割和骨盆对齐的前列腺图像配准系统及方法，主要解决现有技术实现前列腺多模态医学图像配准时模态差异大，配准精度低的问题。其实现方案是：将前列腺CT图像序列与前列腺MRI图像序列分别利用训练好的前列腺多模态图像分割网络U‑net进行联合分割，得到前列腺CT图像分割结果图像集C和前列腺MRI图像分割结果图像集M，再对这两个图像集C和M进行两阶段配准，得到最终配准图像集L；最后将最终配准图像集L和前列腺CT图像分割结果图像集C融合并显示。本发明缩小了前列腺多模态图像差异，解决了小形变图像配准问题，提高多模态图像配准效率和配准精度，可用于观察前列腺肿瘤解剖部位的形状和位置变化。
基于自动分割骨盆对齐前列腺图像系统方法

[发明专利]基于集成约束多示例学习的高光谱目标检测方法-CN202110074633.7有效
发明人： 焦昶哲;李嘉铭;缑水平;王秀秀;毛莎莎;陈晓莹 -专利权人：西安电子科技大学
申请日： 2021-01-20 - 公布日： 2022-12-02 - 主分类号： G06V20/13 文献下载
摘要：本发明提出了一种基于集成约束多示例学习的高光谱目标检测方法，用于解决现有技术对复杂场景下的高光谱目标检测效果差的问题，实现步骤为：1)获取训练样本集和测试样本集；2)构建集成约束多示例学习网络W；3)对集成约束多示例学习网络W进行迭代训练；4)获取高光谱的目标检测结果。本发明将集成约束与多示例学习相结合，使得包中每一个像素点都能参与到网络的训练过程中，提高了不精确标记的高光谱目标的检测结果，减小了过拟合现象，可用于爆炸物检测，精准农业，食物安全的分析与检查。
基于集成约束示例学习光谱目标检测方法

[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]基于多示例深度卷积记忆网络的高光谱目标检测方法-CN201910943765.1有效
发明人： 焦昶哲;陈晓莹;卢云飞;缑水平;毛莎莎;王秀秀;程家馨 -专利权人：西安电子科技大学
申请日： 2019-09-30 - 公布日： 2022-12-02 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种基于多示例深度卷积记忆网络的高光谱目标检测方法，主要解决现有技术对复杂场景下不精确标记的高光谱目标检测效果差的问题。其实现步骤为：1.对输入图像进行划分，得到训练集和测试集；2.搭建依次包括一个输入层，中间三个重复的结构单元和一个输出层共11层结构的多示例深度卷积记忆网络N；3.设置训练参数，用训练集对多示例深度卷积记忆网络N进行迭代训练，当网络性能不再提升或达到最大训练次数时，停止训练，得到最终训练好的网络N′；4.将测试样本集输入到最终训练好的网络N′进行检测，得到检测结果。本发明提高了不精确标记的高光谱目标的检测结果，减小了过拟合现象，可用于爆炸物检测、农作物精细分类。
基于示例深度卷积记忆网络光谱目标检测方法

[发明专利]基于心率标签生成的心冲击图信号重建方法-CN202210604899.2在审
发明人： 焦昶哲;赵汉涛;郭璋;黄陆光;缑水平;海栋 -专利权人：西安电子科技大学
申请日： 2022-05-30 - 公布日： 2022-09-09 - 主分类号： A61B5/11 文献下载
摘要：本发明提出了一种基于心率标签生成的心冲击图信号重建方法，主要解决现有技术需要提供标准心率作为参考信息，且没有对具体心跳位置进行映射的问题。其实现方案为：采集受试者的心冲击图信号；对采集的心冲击图信号依次进行带通滤波、滑窗、标准化的预处理；基于预处理后的心冲击图信号和希尔伯特HT算法，生成标签HT心率；基于预处理后的心冲击图信号和标签HT心率，重建心冲击图心跳信号。本发明能将噪声背景强，信号弱，易受外界干扰的心冲击图信号，映射重建为明确直观，用公式化表示，同时蕴含心率大小和位置信息的心冲击图心跳信号，为心冲击图信号的利用提供了极大的便利，可用于辅助人体健康监测。
基于心率标签生成冲击信号重建方法

[发明专利]基于自适应深度多示例神经网络的高光谱目标检测方法-CN202210350100.1在审
发明人： 焦昶哲;李哲;李嘉铭;毛莎莎;刘丽蓉 -专利权人：西安电子科技大学
申请日： 2022-04-02 - 公布日： 2022-08-12 - 主分类号： G06V20/20 文献下载
摘要：本发明公开了一种基于自适应深度多示例神经网络的高光谱目标检测方法，其实现步骤为：步骤1，生成训练样本集；步骤2，构建多示例深度卷积网络；步骤3，对多示例深度卷积网络进行内层迭代训练；步骤4，对内层训练好的多示例深度卷积网络进行外层迭代训练；步骤5，判断当前迭代更新后网络的性能指标NAUC是否提升，若是，执行步骤4，否则，执行步骤6；步骤6，对高光谱图像中的目标进行检测。本发明通过构建多示例深度卷积网络，利用概率阈值自适应地更新正数据包中像素的标签，迭代地训练网络，能够有效地解决现有技术对噪声较大的高光谱图像目标检测容易过拟合、特征具有冗余信息和阈值挑选目标像素的误选和漏选问题，提高了高光谱目标检测的精度。
基于自适应深度示例神经网络光谱目标检测方法

[发明专利]基于ROI和分裂融合策略的弱监督肝脏肿瘤分割-CN202210187222.3在审
发明人：樊梦尧;焦昶哲 -专利权人：西安电子科技大学
申请日： 2022-02-28 - 公布日： 2022-05-31 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于ROI和分裂融合策略的弱监督肝脏肿瘤分割方法，主要解决现有弱监督方法对目标定位不够完整准确的问题。其实现方案为：对输入图像进行划分，得到训练集和测试集；构建基于ROI和分裂融合策略的像素级标签生成网络W；用训练集对网络W进行迭代训练，得到初步训练完成的网络Wi，再将训练集重新输入到初步训练完成的网络Wi中进行迭代训练得到最终训练好的网络W′；利用W′生成像素级的标签训练已有的语义分割网络G，得到训练好的分割模型G'；将测试集的图像送入G'进行测试得到分割结果。本发明在使用边框级弱标注避免手动获得大量像素级标签的情况下取得了良好性能，可用于辅助医疗的诊断，肿瘤筛查。
基于 roi 分裂融合策略监督肝脏肿瘤分割

[发明专利]基于类别激活映射的行人重识别生成学习方法-CN202210038244.3在审
发明人：毛莎莎;李昂泽;齐梦男;缑水平;焦昶哲;焦李成;何婧洁 -专利权人：西安电子科技大学
申请日： 2022-01-13 - 公布日： 2022-05-13 - 主分类号： G06V40/10 文献下载
摘要：本发明公开一种基于类别激活映射的行人重识别生成学习方法，主要解决现有技术收集的数据集不平衡导致行人重识别模型性能差的问题。其方案为：建立行人重识别生成学习深度网络模型；1)从行人重识别基准数据集中读取行人图像；2)获取行人姿态特征信息；3)获取行人外观特征信息；4)通过3)进行行人重识别；5)通过2)和3)生成行人图像并计算类别激活映射损失；6)对生成图像在线进行行人重识别分类，并计算分类损失；7)对各损失进行反向传播；8)重复1)‑7)更新深度网络模型参数，直到损失函数值趋于稳定，完成行人重识别生成学习。本发明能生成高质量的行人图像，增强行人重识别网络的性能，可用于智能安保、智能行人追踪。
基于类别激活映射行人识别生成学习方法

1
2
3
下一页»
尾页
共 34 条