公开(公告)号：CN119107229A

公开(公告)日：2024-12-10

申请号：CN202411041571.X

申请日：2024-07-31

Applicant: 中国电力科学研究院有限公司 ,  西安电子科技大学 ,  国家电网有限公司 ,  国网江苏省电力有限公司 ,  国网江苏省电力有限公司电力科学研究院

Inventor： 齐飞 ,  胡文波 ,  吴剑飞 ,  陈帅 ,  王钊 ,  柴荣繁 ,  杨耘博 ,  吉亚民 ,  付慧 ,  贾骏 ,  张廼龙

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G01W1/10

Abstract: 本发明公开了一种用于气象数据空间降尺度的方法及系统，属于空间降尺度技术领域。本发明方法，包括：获取历史气象数据集，并对所述历史气象数据集进行标准化处理，以得到训练集；使用所述训练集对融合物理机理约束的深度学习空间降尺度模型，进行训练，得到空间降尺度模型；获取目标气象数据，通过所述空间降制度模型对所述目标气象数据空间降尺度。本发明能够对当前低分辨率的气象数据实现空间降尺度，从而为区域精细化气象模型实现和气象大模型的构建提供了数据基础。

公开(公告)号：CN119091330A

公开(公告)日：2024-12-06

申请号：CN202411207973.2

申请日：2024-08-30

Applicant: 中国科学院长春光学精密机械与物理研究所

Inventor： 姚东 ,  戴朋章 ,  晏春回 ,  马天翔 ,  梁超 ,  王中石 ,  孟令通

IPC: G06V20/17 ,  G06V10/22 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06T3/4007 ,  G06T3/4046 ,  G06T3/4053

Abstract: 本发明属于湿地鸟类检测技术领域，尤其涉及一种基于多维信息融合的广域鸟群检测与统计方法。包括：S1：将视场相同的可见相机、红外相机和偏振相机搭载在无人飞行器上，进行多维图像采集；S2：利用步骤S1获得的多维图像采集结果制作飞鸟检测数据集；S3：构建飞鸟检测深度神经网络，利用飞鸟检测数据集对飞鸟检测深度神经网络进行训练，获得训练好的飞鸟检测深度神经网络；S4：对待测区域内的飞鸟进行多维图像采集，并将多维图像采集结果输入至训练好的飞鸟检测深度神经网络进行飞鸟类型的检测和飞鸟像素位置的检测；S5：根据步骤S4的检测结果统计待测区域内的飞鸟的种类与数量。本发明具有自动化、精度高和快速化的优点。

公开(公告)号：CN119090720A

公开(公告)日：2024-12-06

申请号：CN202411169003.8

申请日：2024-08-23

Applicant: 宁波大学

Inventor： 窦凤平 ,  杨洁 ,  徐龙

IPC: G06T3/4053 ,  G06T3/4046 ,  G06V10/764 ,  G06V10/82 ,  G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种超分辨率磁图的获取方法和获取装置，所述方法包括：获取太阳磁图的局部磁图；对局部磁图进行分割，得到N个重叠图像块；根据每个重叠图像块的磁通量对N个重叠图像块进行分类，得到至少一个子集合，其中，每个子集合中包括至少一个重叠图像块，N为大于1的正整数；根据每个子集合及其对应的神经网络结构得到相应的超分辨率子图块；将每个子集合对应的超分辨子图块进行拼接，得到超分辨率磁图。由此，该方法基于磁通量对N个重叠图像块进行分类，并将不同类别的重叠图像块使用不同的神经网络结构进行超分辨率重建，不仅能提高重建图像的质量，还能更有效地利用计算资源。

公开(公告)号：CN119067850A

公开(公告)日：2024-12-03

申请号：CN202411181526.4

申请日：2024-08-27

Applicant: 华南师范大学

Inventor： 黄文强 ,  詹求强 ,  缪秋霞 ,  蒋菁越 ,  郑克志 ,  王保举

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明公开了一种分步式有监督训练生成式深度学习单帧超分辨成像算法，将与训练集相同生物结构的宽场衍射受限的低分辨率图像输出为超分辨图像，并可以将空间尺寸上采样至两倍，具体地说，在传统的SISR模型只进行一次整体的前向和反向传播的基础上，将编码器单独提取出来进行一次额外的训练，既将Ground Truth和低分辨率宽场图同时作为输入通过编码器处理得到多通道的feature maps，并通过格拉姆矩阵损失函数进行损失计算并反向传播。本发明还自研搭建了神经网络结构，设计损失函数及数据增强。基于上述方法，所搭建的新型的SISR模型可以做到相较于传统SISR模型更少的训练集，更快的推理速度，更优秀的图片质量，更少的伪影生成。

公开(公告)号：CN118587094B

公开(公告)日：2024-12-03

申请号：CN202411035009.6

申请日：2024-07-31

Applicant: 南京理工大学

Inventor： 左超 ,  吴雪娟 ,  孙佳嵩 ,  陈样 ,  蔺文辉 ,  陈羽凡

IPC: G06T3/4053 ,  G06T3/4046 ,  G01N21/84 ,  G01J1/00

Abstract: 本发明公开了一种基于信息欠采样的无透镜定量相位成像及超分辨方法，引入像素判别因子来分离噪声和信号，构建欠采样更新系数矩阵，为相位重建提供自适应的强度更新方案。本发明基于传统无透镜片上显微镜，为去除记录过程不可避免的噪声对重建结果的影响提供一种新的解决方案，在信息欠采样的前提下提高了重建精度和鲁棒性，降低实验系统对器件性能的依赖。

公开(公告)号：CN114092328B

公开(公告)日：2024-12-03

申请号：CN202111344541.2

申请日：2021-11-12

Applicant: 杭州电子科技大学

Inventor： 李训根 ,  管志远 ,  吕帅帅 ,  潘勉 ,  武勇 ,  马琪

IPC: G06T3/4007 ,  G06T3/4046 ,  G06V10/44 ,  G06V10/77 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985 ,  G06N3/048

Abstract: 本发明公开了一种基于元学习的任意尺度图像下采样方法，包括如下步骤：基于元学习构建任意尺度图像下采样模型；所述图像下采样模型包括跳跃连接网络和前向神经网络；所述跳跃连接网络包括单尺度下采样网络和双三次插值方法；所述前向神经网络包括特征提取网络和基于元学习的卷积核参数预测网络；所述跳跃连接网络和前向神经网络的输出进行元素相加操作，得到低分辨率图像；对构建的图像下采样模型进行训练，通过训练好的图像下采样模型进行图像下采样。

公开(公告)号：CN119048629A

公开(公告)日：2024-11-29

申请号：CN202411235687.7

申请日：2024-09-04

Applicant: 中国科学院苏州生物医学工程技术研究所

Inventor： 李铭 ,  王继平 ,  杜强 ,  范昊 ,  郑健

IPC: G06T11/00 ,  G06T3/4053 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种骨显微CT图像重建方法以及设备，属于显微成像领域，通过对所述多张骨稀疏投影图像进行时域视觉基础模型和频域视觉基础模型预训练、高维特征编码的坐标采样、训练连续性表征函数以及超分辨推理与图像重建等步骤，在稀疏采样模式下，能够同时实现骨显微CT的高分辨率和快速成像，减少病人80％以上的辐射剂量损害。

公开(公告)号：CN119048357A

公开(公告)日：2024-11-29

申请号：CN202411538911.X

申请日：2024-10-31

Applicant: 中科南京人工智能创新研究院

Inventor： 杨波 ,  李成华

IPC: G06T3/4076 ,  G06T3/4046 ,  G06T5/94 ,  G06N3/0464 ,  G06T7/11

Abstract: 本发明公开了一种基于扩散、分割和超分辨率模型的去阴影方法及系统，该方法包括读取原始图像，降低原始图像的分辨率；将降低分辨率后的图像输入预训练的多尺度级联扩散模型中，得到去阴影后的图像；基于预训练的超分辨率模型，将去阴影后的图像的分辨率还原为原始图像的分辨率；将原始图像输入预训练的图像分割模型，在原始图像中分割出阴影的图像切片集合；将其和预定义的类别文本列表输入预训练的多模态语言视觉模型，得到切片子集；将还原分辨率后的图像和切片子集进行融合，得到最终的图像。本发明实现了高效的阴影去除和图像细节增强，显著提升了图像阴影去除的效果和处理后图像的质量，满足了不同场景下的图像去阴影需求。

公开(公告)号：CN119048354A

公开(公告)日：2024-11-29

申请号：CN202411050278.X

申请日：2024-08-01

Applicant: 中国科学院自动化研究所

Inventor： 杜洋 ,  田捷 ,  耿旭晴 ,  苏磊 ,  梁倩

IPC: G06T3/4076 ,  G06T3/4046

Abstract: 本发明公开了一种系统矩阵的数据校准方法及装置，涉及系统矩阵的数据校准技术领域，其中，方法，获取目标系统矩阵SM对应的目标图像后，将目标SM对应的目标图像输入目标SM校准网络，得到目标SM对应的目标图像的校准结果，目标SM校准网络是预先训练好的神经网络，目标SM校准网络包括：数字编码单元、特征提取与非线性映射单元、上采样重建单元。本发明可以实现对目标SM对应的低分辨率目标图像进行校准得到目标SM对应的高分辨率目标图像，并且目标SM的校准效率高且校准质量好，最终还有利于降低目标SM重建出图像的损失率。

公开(公告)号：CN119027502A

公开(公告)日：2024-11-26

申请号：CN202411022203.0

申请日：2024-07-29

Applicant: 浙江大学

Inventor： 陈耀武 ,  陆琦 ,  蒋荣欣 ,  王斐

IPC: G06T7/73 ,  G06T3/4053 ,  G06T3/4046 ,  G06T5/50 ,  G06T5/60 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于超分辨率重建的低分辨率图像人体姿态估计方法和装置，方法包括以下步骤：对高分辨率人体图像真值进行下采样处理得到低分辨率人体图像，构建包含高低分辨率人体图像对的训练数据集；构建基于超分辨率重建的低分辨率图像人体姿态估计模型，包括超分辨率重建子网络和人体姿态估计子网络，并构建任务驱动的混合损失函数；将低分辨率人体图像输入超分辨率重建子网络得到超分辨率重建人体图像后再输入人体姿态估计子网络得到人体姿态估计结果，基于训练数据集和混合损失函数对模型进行训练后用于人体姿态估计。本发明不仅提升了检测精度，还保证了模型的实时性，适用于全景监控和无人机巡逻等场景，具有较高的应用价值和推广前景。