-
公开(公告)号：CN114219708B
公开(公告)日：2024-11-26
申请号：CN202111338491.7
申请日：2021-11-12
Applicant: 哈尔滨工业大学
IPC: G06T3/4053 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多任务交互学习的空谱同时超分辨率重建方法，属于图像处理与计算机视觉领域。包括以下步骤：步骤一、建立SSFIN网络架构；步骤二、使用权重衰减策略训练SSFIN。本发明的一种基于多任务交互学习的空谱同时超分辨率重建方法，使得空间超分分支和光谱超分分支可以受益于彼此，逐渐降低空间超分和光谱超分任务在总损失中的权重。可以去除可能仅对下游任务有用的信息，但为主要空谱联合超分任务保留更多空间和光谱信息。大大提高网络的特征学习能力。实验结果表明，所提出的SSSR框架优于最先进的两阶段方法。
-
公开(公告)号：CN118850109A
公开(公告)日：2024-10-29
申请号：CN202410888775.0
申请日：2024-07-04
Applicant: 哈尔滨工业大学
IPC: B60W60/00 , B60W50/00 , G06V10/40 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/092 , G06N3/0442 , G06N3/045
Abstract: 本发明涉及一种基于动静态解耦世界模型的端到端自动驾驶规划方法，包括以下步骤：步骤S1、对鸟瞰图空间下环境特征进行时序转变：对图像和导航路线图的浅层特征进行提取，从图像空间到鸟瞰图空间进行转换，在鸟瞰图空间下，融合特征中的动态物体和静态物体在时序上的演变；步骤S2、利用环境特征通过级联模块预测控制动作，从而得到端到端自动驾驶规划方法。本发明不仅可以高效建模复杂的三维驾驶环境，同时能够端到端地优化决策的最终目标，显著提高了自动驾驶规划的性能和可靠性。
-
公开(公告)号：CN118195895A
公开(公告)日：2024-06-14
申请号：CN202410264433.1
申请日：2024-03-08
Applicant: 哈尔滨工业大学
IPC: G06T3/4053 , G06T3/4046 , G06V40/16 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及小样本前馈回归人脸超分辨率方法，属于人脸超分辨率技术领域。解决了基于深度学习的人脸超分辨率方法缺乏可解释性，并且依赖大量训练样本对的问题。包括以下步骤：步骤一：输入；步骤二：采用F4SR模型进行训练。本发明解决了基于深度学习的FSR方法缺乏可解释性的问题；通过利用逐步前向回归模型，提供了一种更可解释的方法，明确地建模了输入和输出特征之间的关系，这增强了对SR过程的理解，并使方法更加透明，即使在只有少量样本对可用的极端情况下，它仍然可以获得可比较的结果。
-
公开(公告)号：CN116051375A
公开(公告)日：2023-05-02
申请号：CN202310000876.5
申请日：2023-01-03
Applicant: 哈尔滨工业大学
IPC: G06T3/40 , G06V10/44 , G06V10/82 , G06N3/08 , G06V10/774
Abstract: 本发明提出一种基于全逐点卷积的轻量级图像超分辨率方法。与一般的3×3卷积相比，逐点卷积包含的参数更少，计算成本也更低，但缺失了局部特征融合这一关键特性。为了解决这个问题，本发明通过空间移位操作扩展了逐点卷积，通过特征聚合使其具有了特征聚合的能力，而且空间移位操作没有额外计算成本。基于移位卷积，本发明替换标准残差结构中的3×3卷积，并提出了移位残差单元。通过堆叠不同规模的移位残差单元实现了不同模型大小的移位卷积网络SCNet。最后在多个公开测试数据集上结果表明本发明提出的SCNet方法均取得了最好的结果。此外，本发明也通过详细的消融分析，验证了本发明提出的不同模块的有效性。
-
公开(公告)号：CN113344783B
公开(公告)日：2022-10-21
申请号：CN202110637474.7
申请日：2021-06-08
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种热力图感知的金字塔人脸超分辨率网络，属于人脸图像超分辨率技术领域。本发明设计了一种新颖的热力图感知卷积，该卷积可以针对人脸图像中不同区域生成空间变化的卷积核，从而有效地提高了重建性能。此外，为了恢复具有更好视觉质量和更饱满人脸细节的SR结果，采用了对抗损失和感知损失来微调模型。本发明充分利用了人脸结构的先验知识，在视觉效果和客观评价方面都达到了最先进的性能。
-
Patent Agency Ranking
公开(公告)号：CN114155145A
公开(公告)日：2022-03-08
申请号：CN202111338122.8
申请日：2021-11-12
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了一种基于深度展开网络的空谱同时超分辨率重建方法。步骤1：确定图像退化模型；步骤2：将单张图像超分和光谱超分的观测模型结合到空间光谱超分辨率模型中；步骤3：利用交替方向乘子法ADMM求解基于模型的能量函数；步骤4：将步骤3的ADMM算法的迭代过程展开成一个多级网络；步骤5：利用步骤4的多级网络解决在空间和光谱上产生超分辨率结果。本发明用以解决现有技术中空间分辨率和光谱分辨率不高的问题。
-
公开(公告)号：CN114092327A
公开(公告)日：2022-02-25
申请号：CN202111288667.2
申请日：2021-11-02
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种利用异构知识蒸馏的高光谱图像超分辨率方法，给定一个低分辨率的高光谱图像输入ILR∈RL×H×W，经过浅层特征提取，在面向蒸馏的双分支模块DODB上的非线性映射，上采样过程，最终输出一个高分辨率的高光谱图像ISR∈RL×sH×sW；并使用异构知识蒸馏来提升模型性能，蒸馏作用于两个模型的2D特征之间，异构知识蒸馏问题转移到SHSR模型内部的融合问题，将传递的信息视为反馈信息，分别对每个频段的特征进行细化，将特征分为蒸馏部分和保留部分；在定量和定性上获得更好的性能，并重建相对高质量的高光谱图像。
-
公开(公告)号：CN120070202A
公开(公告)日：2025-05-30
申请号：CN202510124896.2
申请日：2025-01-27
Applicant: 哈尔滨工业大学
IPC: G06T5/50 , G06T5/60 , G06T5/70 , G06F18/25 , G06N3/0455 , G06N3/0985
Abstract: 本发明涉及一种逆扩散模型的多模态图像融合方法，包括以下步骤：步骤一、利用逆扩散技术，将可见光图像逆转至噪声潜在空间，然后利用逆转后的可见光图像特征，引导红外图像进行逆转；步骤二、通过扩散模型中的逆过程进行引导，将可见光的外观属性的注入红外特征，其特征可生成具有可见光风格的红外图像；步骤三、设计特定的融合规则，用于去噪过程中的注意层融合逆转的可见光和红外特征，保留模型的文本交互能力，支持语言驱动的融合控制。本发明无需额外训练或微调，即可直接生成高质量的融合图像。得到的融合图像与基础模型高度兼容，有效解决了数据域间的差异问题，并显著提升了下游机器感知任务的表现。本发明显著降低了训练成本，为跨域任务提供了高效且创新的解决方案。
-
公开(公告)号：CN116051375B
公开(公告)日：2025-05-06
申请号：CN202310000876.5
申请日：2023-01-03
Applicant: 哈尔滨工业大学
IPC: G06T3/4053 , G06V10/44 , G06V10/82 , G06N3/08 , G06V10/774
Abstract: 本发明提出一种基于全逐点卷积的轻量级图像超分辨率方法。与一般的3×3卷积相比，逐点卷积包含的参数更少，计算成本也更低，但缺失了局部特征融合这一关键特性。为了解决这个问题，本发明通过空间移位操作扩展了逐点卷积，通过特征聚合使其具有了特征聚合的能力，而且空间移位操作没有额外计算成本。基于移位卷积，本发明替换标准残差结构中的3×3卷积，并提出了移位残差单元。通过堆叠不同规模的移位残差单元实现了不同模型大小的移位卷积网络SCNet。最后在多个公开测试数据集上结果表明本发明提出的SCNet方法均取得了最好的结果。此外，本发明也通过详细的消融分析，验证了本发明提出的不同模块的有效性。
-
公开(公告)号：CN119363379A
公开(公告)日：2025-01-24
申请号：CN202411336754.4
申请日：2024-09-25
Applicant: 哈尔滨工业大学
IPC: H04L9/40 , G06N3/0464 , G06N3/098
Abstract: 本发明提出一种基于模型结构变换的联邦学习加密系统及方法，其中系统包括：参与训练的计算设备和中央服务器；参与训练的计算设备与中央服务器采用无线通信方式连接。本发明通过模型变换在联邦学习本地训练前将全局模型转换为私有的本地模型结构，并在本地训练结束后将其转换回全局结构，使得在整个联邦学习训练过程中，本地训练的局部模型结构是高度保密的，从而使得中央服务器或外部攻击者无法通过上传的梯度信息反推出局部客户端的私有数据信息；相比于传统的联邦学习加密方法，本发明利用轻量化的模型转换对本地模型信息加密进而隐式完成对梯度信息的加密，显著的提高了联邦学习的隐私性，具有很高的实用价值。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.026 seconds)
