姚光乐
- 作品数：51 被引量：39H指数：2
- 供职机构：成都理工大学更多>>
- 发文基金：人工智能四川省重点实验室开放基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信天文地球文化科学更多>>
- 一种基于交叉矫正网络的遥感影像目标检测方法
- 本发明公开了一种基于交叉矫正网络的遥感影像目标检测方法，属于图像识别技术领域，包括构造数据集，其中训练样本的标签为粗略标注；构造双检测头交叉矫正网络并训练得到第一检测模型<I>M</I><Sub>1</Sub>，能通过两...
- 刘瑛史博文姚光乐王子煜王琛李瑞佳徐晓宇王洪辉孙思源
- 基于多噪声自监督学习的探地雷达图像去噪方法
- 本发明公开了一种基于多噪声自监督学习的探地雷达图像去噪方法，包括大量获取探地雷达的真实图像，构成数据集；构造一多噪声自监督学习去噪网络并设计混合损失函数；训练得到噪声自监督学习去噪模型；最后输入待去噪的真实图像，送入噪声...
- 姚光乐黄耀鑫周文龙王洪辉吕兵王磊胡朝辉陈才华于真
- 复杂交通场景下的运动头盔识别与跟踪方法及装置
- 本发明公开了复杂交通场景下的运动头盔识别与跟踪方法及装置。包括如下步骤：根据监控视频，确定跟踪目标；根据预设的跟踪算法，对跟踪目标进行跟踪，并生成相应的第一数据集和第二数据集；根据边框位置信息，确定第一数据集与第二数据集...
- 曾景灿姚光乐
- 基于图神经网络和LSTM网络的管道油气泄漏检测方法
- 本发明公开了一种基于图神经网络和LSTM网络的管道油气泄漏检测方法，包括采集光纤温度数据及预处理，对数据进行异常温度标记，切割成样本段；将样本段转化为图结构数据；构建由图神经网络和LSTM网络构成的融合网络，用图结构数据...
- 王洪辉王奕茹王翔任际周吕兵王磊胡朝辉姚光乐杨冬营
- 基于表示预测的小样本类增量学习方法
- 本发明公开了基于表示预测的小样本类增量学习方法，涉及图像识别分类技术领域，包括以下步骤：S1，通过特征提取器f加softmax分类器结构完成对基类数据D<Sub>base</Sub>的基本任务训练，通过基本任务训练得到基...
- 姚光乐祝钧桃王洪辉周文龙彭鹏李军刘瑛
- 一种融合人工势场法与D*Lite的避障路径规划方法
- 为提高智能巡检机器人智能化水平和巡检效率，为工业设备的安全运行和生产效率的提升提供了重要技术支撑，提出一种融合人工势场法的D*Lite路径规划算法，以满足机器人全局路径规划和局部避障要求。针对全局D*Lite，通过改进其...
- 曾维刘军军张鹏周俊昌魏柠沁先昱菡姚光乐
- 基于双网络的遥感影像分类模型样本增量学习方法
- 本发明公开了一种基于双网络的遥感影像分类模型样本增量学习方法，属于数据识别领域，包括用D<Sub>0</Sub>训练分类模型，得到识别N种遥感影像类别的分类模型M<Sub>0</Sub>；构造样本增量学习的数据流D<Su...
- 姚光乐李雪王洪辉李军孙思源周皓然叶绍泽陈才华徐晓宇
- 一种高压输电线路架空地线的布置方法
- 本发明公开了一种高压输电线路架空地线的布置方法，包括确定地线绝缘段长度、分段绝缘、中间换位和两点接地的步骤。进一步地，确定地线绝缘段长度具体为：计算最大节距、根据最大节距计算得到地线绝缘段长度等。本发明中两根架空地线均采...
- 张葛祥杨强范松海姚光乐刘重稷
- 基于特征增强的辐射源开集识别方法
- 2025年
- 现有的辐射源个体识别研究面临着真实开集环境下信号特征判别能力弱、特征边界模糊等挑战。为此,提出了一种基于特征增强的辐射源开集识别方法。针对辐射源信号特征辨别能力弱的问题,设计了基于三重Sigmoid函数的网络模块,提取更丰富、更具代表性的特征,提升辐射源信号的特征表示能力。针对特征边界模糊的问题,引入了能量模型来计算辐射源数据的能量损失,并联合交叉熵损失和三元损失函数,对特征边界阈值进行优化。实验结果表明,该方法在辐射源数据集上的AUC评估指标优于现有的前沿开集识别方法,并且在特征空间中有效区分了不同类别的特征边界,显著提升了辐射源开集识别的准确率。
- 张逸驰姚光乐王琛贾勇王洪辉
- 关键词：辐射源个体识别图像分类阈值优化
- 一种基于深度神经网络的样本增量学习方法
- 本发明公开了一种基于深度神经网络的样本增量学习方法，涉及大数据智能分析技术领域，该方法在对新任务训练时，采用了对旧任务数据的知识蒸馏，这样做的目的时使得旧数据x<Sub>k</Sub>在新模型的预测结果p<Sub>j</...
- 姚光乐祝钧桃
