-
公开(公告)号：CN116258600A
公开(公告)日：2023-06-13
申请号：CN202310255939.1
申请日：2023-03-16
申请人： 杭州电子科技大学
IPC分类号： G06Q50/00 , G06F16/9536 , G06F16/9535 , G06F16/9537 , G06F16/951 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/09
摘要： 本发明公开了一种多模态特征融合的社交媒体内容传播预测方法，首先利用数据爬虫获取目标社交媒体平台内容和发布者社交属性的原始数据；依据不同模态分别对获取到的数据进行预处理；通过特征提取模块，对图像模态和文本模态进行特征提取；再调整三类模态的数据至同一维度大小；最后进行神经网络监督训练。本发明能够使得回归拟合结果不过于偏向某一模态，从而提升预测结果的准确性和鲁棒性。
-
公开(公告)号：CN115222998B
公开(公告)日：2023-01-03
申请号：CN202211120458.1
申请日：2022-09-15
申请人： 杭州电子科技大学 , 浙江大华技术股份有限公司
发明人： 颜成钢 , 殷俊 , 颜拥 , 王洪波 , 胡冀 , 熊剑平 , 李亮 , 郑博仑 , 林聚财 , 孔书晗 , 王亚运 , 孙垚棋 , 金恒 , 朱尊杰 , 高宇涵 , 殷海兵 , 王鸿奎 , 陈楚翘 , 刘一秀 , 李文超 , 王廷宇 , 张勇东 , 张继勇
IPC分类号： G06V10/764 , G06V10/30 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种图像分类方法。首先构建通道维度注意力网络和空间维度多尺度自注意力网络；然后将输入图像预处理后输入通道维度注意力网络，生成基于通道维度的注意力特征图；将基于通道维度的注意力特征图输入至空间维度的多尺度自注意力网络，生成基于特征图空间维度的多尺度自注意力特征图；最后将最终生成的多维度多尺度注意力特征图输入到分类器单元中，将模型输出的向量转换成概率表示，完成图像分类。本发明设计了一种新的多尺度自注意力机制，它利用一系列的深度可分离卷积操作，生成特征信息高度相关的局部特征图和区域特征图，不但可以强化自注意力机制的细粒度特征提取能力，还可以高效的提取有效的全局信息。
-
公开(公告)号：CN113810597B
公开(公告)日：2022-12-13
申请号：CN202110914290.0
申请日：2021-08-10
申请人： 杭州电子科技大学
摘要： 一种基于半预测滤波的快速图像散景渲染方法步骤。首先通过单反相机拍摄获取不同场景下拍摄的数据，对数据集的所有图片利用双三次线性插值方法插值为高1024×宽1472的尺寸，对处理后的全聚焦图片进行坐标赋值，制作坐标图，然后构建并训练基于半预测滤波的快速图像散景渲染网络模型，网络模型包括注意力模块，残差模块，半滤波核模块和图像生成模块；最后经过训练的神经网络模型接收需要进行散景渲染处理的图片，完成散景渲染处理后将图片输出。本发明方法在确保散景渲染质量的前提下实现了图像的快速散景渲染，创新的提出了一种坐标图，用于辅助网络模型的训练，提高网络模型辨别输入图像中重要内容的能力。
-
公开(公告)号：CN113810597A
公开(公告)日：2021-12-17
申请号：CN202110914290.0
申请日：2021-08-10
申请人： 杭州电子科技大学
摘要： 一种基于半预测滤波的快速图像散景渲染方法步骤。首先通过单反相机拍摄获取不同场景下拍摄的数据，对数据集的所有图片利用双三次线性插值方法插值为高1024×宽1472的尺寸，对处理后的全聚焦图片进行坐标赋值，制作坐标图，然后构建并训练基于半预测滤波的快速图像散景渲染网络模型，网络模型包括注意力模块，残差模块，半滤波核模块和图像生成模块；最后经过训练的神经网络模型接收需要进行散景渲染处理的图片，完成散景渲染处理后将图片输出。本发明方法在确保散景渲染质量的前提下实现了图像的快速散景渲染，创新的提出了一种坐标图，用于辅助网络模型的训练，提高网络模型辨别输入图像中重要内容的能力。
-
公开(公告)号：CN113538338A
公开(公告)日：2021-10-22
申请号：CN202110672308.0
申请日：2021-06-17
申请人： 杭州电子科技大学
IPC分类号： G06T7/00
摘要： 本发明公开了一种基于限制性预测滤波的图像散景渲染方法及系统，首先准备数据集并对数据进行预处理；构建基于限制性预测滤波的图像散景渲染网络；图像散景渲染网络包括限制性预测滤波模块和显著性检测模块，其中显著性检测模块用于检测输入全聚焦图片中的显著性特征，限制性预测滤波模块用于保留显著性检测模块检测到的显著性特征，并对输入图片的其他部分进行限制性滤波操作，模糊图片内容从而产生散景渲染效果；通过数据集训练图像散景渲染网络模型。本发明方法使用三种参数类型的限制性预测滤波核对图片进行自适应滤波，从而实现散景渲染处理，创新的提出了一种限制性预测滤波模块用于实现图像的散景渲染处理。
-
公开(公告)号：CN113538231A
公开(公告)日：2021-10-22
申请号：CN202110672302.3
申请日：2021-06-17
申请人： 杭州电子科技大学
摘要： 本发明公开了一种基于像素分布估计的单张图像超分辨重建系统及方法，首先进行数据预处理获得高分辨率图片IHR和低分辨率图片ILR；然后构建并训练基于像素分布估计的图像超分辨重建网络，包括权重提取模块和像素分布估计模块；权重提取模块用于从输入的低分辨率图片ILR中计算出像素分布估计模块所需要的权重，而像素分布估计模块根据预先设定的倍数s对输入图片像素的邻域像素相对坐标进行像素估计，实现图像的超分辨重建过程。本发明方法从像素分布估计的角度解释并实现了图像超分辨重建，模型结构简单，权重学习模块结构用卷积层就可以很好的学习，运算成本低，且效果好。
-
公开(公告)号：CN113420671A
公开(公告)日：2021-09-21
申请号：CN202110704679.2
申请日：2021-06-24
申请人： 杭州电子科技大学
摘要： 本发明公开了一种基于全局信息注意力的显著性目标检测方法，首先进行数据预处理，然后构建基于全局信息注意力的显著性目标检测网络，包括编码模块，注意力模块和解码模块；最后通过训练好的的显著性目标检测网络进行显著性目标检测。本发明提出了一种基于通道信息的注意力模块，该模块注意到特征图的通道信息，并自适应的分配通道信息权重。创新的提出了一种权重图，用于给图片不同位置的内容进行赋值，添加权重图的图片进行裁块训练时可以增加块与块之间的关联信息。
-
-
-
-
-
-
搜索结果
37 条记录 (耗时 0.03 秒)
