赵阳
- 作品数：23 被引量：1H指数：1
- 供职机构：深圳大学更多>>
- 发文基金：国家自然科学基金深圳市科技计划项目更多>>
- 相关领域：自动化与计算机技术建筑科学更多>>
- 一种基于多层耦合映射的低分辨率图像识别方法
- 本发明公开了一种基于多层耦合映射的低分辨率图像识别方法，包括：获取低分辨率样本图像和多种高分辨率样本图像；基于耦合映射学习方法，学习低分辨率样本图像和多种高分辨率样本图像在所有层中的耦合映射矩阵；根据耦合映射矩阵确定待识...
- 裴继红陈浩赵阳王超杨烜
- 文献传递
- 一种深度卷积神经网络模型压缩方法、装置及设备
- 本发明涉及深度学习技术领域，公开了一种深度卷积神经网络模型压缩方法、装置及设备，方法包括：对预设深度卷积神经网络进行预训练得到待剪枝的网络模型；对待剪枝的网络模型每个卷积层的卷积核进行信息传递效率度量，将信息传递效率度量...
- 裴继红 蔡嘉键 朱继洪赵阳杨烜
- 一种基于密度聚类的雷达信源数目检测方法、系统及终端
- 本发明公开了一种基于密度聚类的雷达信源数目检测方法、系统及终端，所述方法包括：根据目标雷达天线阵列信息生成天线阵列接收数据表示，根据天线阵列接收数据表示得到目标协方差矩阵，对所述目标协方差矩阵进行酉变换，得到目标变换矩阵...
- 李强王思琪黄磊赖思佳赵阳罗瑞发杜水荣李晓鹏
- 一种基于核机器学习的非负矩阵分解人脸识别方法及系统
- 本发明提供了一种基于核机器学习的非负矩阵分解人脸识别方法及系统，该方法包括A、B、C、D、E五个步骤。本发明的有益效果是：本发明通过直接对两个核矩阵进行学习，从而避免了对原像矩阵的学习，通过改变学习的对象，使迭代公式中避...
- 陈文胜赵阳陈波潘彬彬
- 一种结构化剪枝后的深度卷积神经网络的清洗优化方法
- 本发明涉及深度学习技术领域，公开了一种结构化剪枝后的深度卷积神经网络的清洗优化方法，该方法包括：获取DCNN模型，对模型的DCNN网络的冗余结构进行结构化剪枝标记；基于剪枝标记后的DCNN网络中各个节点间的连接关系，构建...
- 裴继红 王梦瑶 张济琛 朱继洪赵阳杨烜
- 高光谱图像的波段选择方法、装置、终端及存储介质
- 本发明公开了高光谱图像的波段选择方法、装置、终端及存储介质，所述方法包括：获取高光谱图像的分类标签，根据所述分类标签确定连通标签子集，所述连通标签子集包括单分类标签和混合分类标签，所述单分类标签用于反映呈单高斯分布的地物...
- 裴继红孙玉娟赵阳杨烜
- 海面红外图像增强方法、装置、计算机和存储介质
- 本发明公开一种海面红外图像增强方法，包括：输入待增强的海面红外图像，对所述待增强的海面红外图像进行顶帽变换得到感兴趣区域；对所述感兴趣区域图像进行自适应分割得到所述待增强的海面红外图像的辐射源二值化标记图像，并利用所述辐...
- 裴继红吴江浩赵阳杨烜
- 一种基于多层耦合映射的低分辨率图像识别方法
- 本发明公开了一种基于多层耦合映射的低分辨率图像识别方法，包括：获取低分辨率样本图像和多种高分辨率样本图像；基于耦合映射学习方法，学习低分辨率样本图像和多种高分辨率样本图像在所有层中的耦合映射矩阵；根据耦合映射矩阵确定待识...
- 裴继红陈浩赵阳王超杨烜
- 结合时序注意力机制的多特征融合行人序列图像属性识别方法被引量：1
- 2022年
- 目前绝大多数的行人属性识别任务都是基于单张图像的,单张图像所含信息有限,而图像序列中包含丰富的有用信息和时序特征,利用序列信息是提高行人属性识别性能的一个重要途径。本文提出了结合时序注意力机制的多特征融合行人序列图像属性识别网络,该网络除了使用常见的空-时二次平均池化特征聚合和空-时平均最大池化特征聚合提取序列的特征外,还设计了空-时3D卷积注意力因子加权特征聚合分支进一步提取序列的特征。通过融合上述3个分支输出的序列的特征,使网络获得更加丰富的信息。此外在网络训练中本文在使用带权值的交叉熵损失基础上,添加了用于约束FP和FN数量的tversky损失作为网络的整体损失函数,使网络在训练过程中对查准率与查全率有更好的权衡。实验结果表明,结合时序注意力机制的多特征融合行人序列图像属性识别网络在各项评价指标中优于基于单张静止图像的方法,以及其他常见的几种特征聚合与时序建模方式。
- 黄晨裴继红赵阳
- 红外海面图像序列海天线的检测方法、装置、计算机和存储介质
- 本发明公开一种红外海面图像序列海天线的检测方法，包括：输入海上红外图像序列；对所述海上红外图像序列中的子序列进行海天线粗检测，获得海天线的上边界和下边界；根据粗检测得到的海天线上边界和下边界确定海天线细检测区域，在该区域...
- 裴继红 张佳慧赵阳杨烜
- 文献传递
