-
公开(公告)号：CN113393386B
公开(公告)日：2022-03-01
申请号：CN202110540665.1
申请日：2021-05-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于特征解耦的非成对图像对比去雾方法，包括，采用提取特征并进行对比学习，能有效的在非成对场景下实现图像去雾。本发明方法能够在缺乏同场景下成对的雾天和清晰的户外图像作为训练样本的情况下，充分考虑单方向的图像生成，利用图像本身的自我监督信息来有效的提升非成对的图像去雾效果，提出了基于特征解耦的对比去雾方法来解决非成对去雾问题，它可以在非成对场景下有效地实现图像去雾。
-
公开(公告)号：CN110930409A
公开(公告)日：2020-03-27
申请号：CN201910998936.0
申请日：2019-10-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的盐体语义分割方法及语义分割模型，采用预处理模型做基础模型进行特征提取，得到的特征图经过分类监督模块预测图片有盐与否作为辅助监督加速收敛，同时监督盐体分割分支模块输出的含盐图片分割结果和整体分割分支模块输出的所有图片分割结果，边缘预测模块输出边缘预测结果，组成混合损失有效提高盐体分割精度，最终得到较好的语义分割结果。语义分割模型中每级上采样的特征图经过特征融合模块，将每级上采样的特征图与上一级上采样特征图级联，这样逐级加强特征通道信息的密集获取，更好的利用每级上采样的特征图信息，更好的融合高层的语义信息和底层的空间信息。
-
公开(公告)号：CN110309792A
公开(公告)日：2019-10-08
申请号：CN201910599633.1
申请日：2019-07-04
Applicant: 电子科技大学
Abstract: 本发明公开了基于部件模板的室内人物检测方法，属于目标检测领域和深度学习领域，首先收集数据集，再对数据集进行特征提取和构建特征金字塔，基于部件模板的子区域得到每个候选框的前景置信分数，并通过池化和全连接层得到定位框位置，完成检测模型的搭建；然后根据数据集的图片采用Xavier方法对检测模型进行初始化，基于检测模型的损失函数进行迭代到预设迭代次数，完成检测模型的训练，最后使用新的图片进行推理测试，得到检测结果。本发明解决了目前通用的目标检测方法在对室内场景的人物检测方面定位和识别的准确率较低的问题。
-
公开(公告)号：CN107123123B
公开(公告)日：2019-06-25
申请号：CN201710302338.6
申请日：2017-05-02
Applicant: 电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种新的基于卷积神经网络的图像分割结果评价方法。分割结果评价具有十分重要的作用，有助于分割方法性能的提升以及分割结果的修复。分割结果评价通常被看作回归问题，而卷积神经网络在回归问题上具有非常好的性能，我们采用卷积神经网络来实现分割评价方法。然而，现有的分割评价方法缺乏一个全面有效的分割结果数据库，并且，适合于分割评价的卷积神经网络还有待研究。基于此，本发明充分挖掘了分割目标前景和背景的特征信息，设计了一种全新的分割质量评价卷积神经网络，通过验证，我们的方法表现出了优异的性能。此外，针对数据库的不足，我们构建了一个新的分割数据库，该数据库具有涵盖多种类型的分割结果及其客观评价指标。
-
公开(公告)号：CN107123123A
公开(公告)日：2017-09-01
申请号：CN201710302338.6
申请日：2017-05-02
Applicant: 电子科技大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/20081 , G06T2207/20084 , G06T2207/30168
Abstract: 本发明公开了一种新的基于卷积神经网络的图像分割结果评价方法。分割结果评价具有十分重要的作用，有助于分割方法性能的提升以及分割结果的修复。分割结果评价通常被看作回归问题，而卷积神经网络在回归问题上具有非常好的性能，我们采用卷积神经网络来实现分割评价方法。然而，现有的分割评价方法缺乏一个全面有效的分割结果数据库，并且，适合于分割评价的卷积神经网络还有待研究。基于此，本发明充分挖掘了分割目标前景和背景的特征信息，设计了一种全新的分割质量评价卷积神经网络，通过验证，我们的方法表现出了优异的性能。此外，针对数据库的不足，我们构建了一个新的分割数据库，该数据库具有涵盖多种类型的分割结果及其客观评价指标。
-
Patent Agency Ranking
公开(公告)号：CN102968772B
公开(公告)日：2016-01-13
申请号：CN201210511068.7
申请日：2012-12-04
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于暗通道信息的图像去雾方法，属于图像处理和计算机视觉技术领域。本发明提出的方法首先对输入图像的各色彩通道采用最小值滤波器计算出各个像素点的最小值，接着计算不同尺度参数下的图像暗通道统计值，并对各尺度参数对应的暗通道统计值进行高斯平滑滤波，将滤波后的暗通道统计值根据不同的尺度参数分配不同的权重值，通过对按通道统计值的加权优化计算出场景的透射系数，以实现对图像的去雾处理，本发明的应用，能避免复杂的软抠图优化步骤，去雾处理的运算复杂度，去雾处理的图像质量高、且能满足实时处理应用的需求。
-
公开(公告)号：CN102982513B
公开(公告)日：2015-08-19
申请号：CN201210512540.9
申请日：2012-12-04
Applicant: 电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于纹理自适应的图像去雾方法，属于图像处理和计算机视觉技术领域。本发明通过对输入图像进行纹理分类，并将纹理分类结果与不同尺度的暗通道值相结合，计算出相应的场景透射系数，实现了一种基于纹理自适应的快速图像去雾。本发明的应用，能避免复杂的软抠图优化步骤，降低He方法去雾处理的运算复杂度，避免了去雾处理后容易导致的光晕现象，并且能更好的控制去雾处理后图像的饱和度，同时对大气光照向量的计算进行了修正以保证去雾图像的亮度，即本发明的图像去雾方法处理处理速度快，去雾处理的图像质量高、且能满足实时处理应用的需求。
-
公开(公告)号：CN102982513A
公开(公告)日：2013-03-20
申请号：CN201210512540.9
申请日：2012-12-04
Applicant: 电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于纹理自适应的图像去雾方法，属于图像处理和计算机视觉技术领域。本发明通过对输入图像进行纹理分类，并将纹理分类结果与不同尺度的暗通道值相结合，计算出相应的场景透射系数，实现了一种基于纹理自适应的快速图像去雾。本发明的应用，能避免复杂的软抠图优化步骤，降低He方法去雾处理的运算复杂度，避免了去雾处理后容易导致的光晕现象，并且能更好的控制去雾处理后图像的饱和度，同时对大气光照向量的计算进行了修正以保证去雾图像的亮度，即本发明的图像去雾方法处理处理速度快，去雾处理的图像质量高、且能满足实时处理应用的需求。
-
公开(公告)号：CN119004168A
公开(公告)日：2024-11-22
申请号：CN202411012805.8
申请日：2024-07-26
Applicant: 电子科技大学
IPC: G06F18/24 , G06F18/25 , G06F16/906
Abstract: 本发明公开了一种基于预训练模型的自适应融合多模态数据集识别方法，涉及深度学习领域中的多模态学习和类增量学习技术领域。本发明提出基于专家混合的参数高效微调方法和一个自适应加权融合模块能够动态适应增量场景，避免发生灾难性遗忘。同时利用文本增强技术和新提出的损失函数，使模型能够在类增量过程中取得更好的分类性能。此外，本发明在类增量学习过程中是不需要存储旧数据的，因此不会涉及隐私问题，并且模型的参数量较小，实现的几种经典类增量学习方法相比，本发明在智慧课堂场景数据集上获得了更优的分类性能。
-
公开(公告)号：CN115661597B
公开(公告)日：2023-08-15
申请号：CN202211335800.X
申请日：2022-10-28
Applicant: 电子科技大学
IPC: G06V10/80 , G06V10/82 , G06V10/774 , G06N3/08 , G06N3/0464
Abstract: 该发明公开了一种基于动态权重定位蒸馏的可见光和红外融合目标检测方法，属于多模态目标检测领域。本发明中采用两个教师网络，一个学生网络，两个教师网络分别用可见光和红外图片进行训练，然后采用定位蒸馏(Localization Distillation)的方法将知识蒸馏到学生网络，学生网络的输入为可见光和红外图片拼接(Concat)在一起。三个网络都采用YOLOv5，结构完全一致。另外，通过对每个批量(Batch)数据在教师网络中的检测结果进行评价，通过检测指标动态的调整蒸馏损失的权重。本发明可以在不增加计算开销的基础上实现可见光和红外图像融合目标检测。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.027 seconds)
