-
公开(公告)号：CN116883303A
公开(公告)日：2023-10-13
申请号：CN202310870277.9
申请日：2023-07-17
申请人： 大连民族大学
IPC分类号： G06T5/50 , G06T7/40 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06N3/048
摘要： 本发明公开一种基于特征差分补偿与融合的红外与可见光图像融合方法。本发明在特征提取阶段，使用CNN和Transfomer分别对红外与可见光图像进行编码。CNN模块用来提取图像像素强度分布信息，Transfomer模块用于提取图像细节纹理信息。设计跨模态差分补偿与融合模块，通过跨模态差分补偿模块提取各个阶段的互补信息，然后结合跨模态特征融合模块将互补信息整合到上下文全局信息中。利用跨模态差分补偿与融合模块构建一个渐进式差分融合解码器，通过渐进的方式将原图像不同模态和不同尺度的进行跨层特征融合，使得融合后的图像具有较强的热辐射信息和清晰的纹理信息；本发明的方法具有显著效果和显示出优异泛化能力。
-
公开(公告)号：CN115357804A
公开(公告)日：2022-11-18
申请号：CN202210854928.0
申请日：2022-07-19
申请人： 大连民族大学
IPC分类号： G06F16/9536 , G06N3/04 , G06N3/08
摘要： 基于图卷积网络的两阶段协同过滤多行为推荐方法，属于计算机技术领域，将多行为推荐划分成两阶段的任务,分别捕获用户的偏好以及挖掘不同行为间的联系。用户在不同行为中表现出来的偏好反映了该用户某方面的喜好,并且用户在单一行为中表现出来的偏好一定包含于用户整体偏好之中。模型通过对两阶段任务的交替学习,实现了捕获用户偏好和挖掘行为间联系的解耦,缓解了为适配不同任务而引起的信息损失问题。为了评估本技术方案所提模型的有效性,经过广泛的实验表明,本模型的性能显著优于最优基准推荐模型。与最优基准方法相比,推荐准确性在两个数据集上的平均提升分别达到了103.01％和33.87％。
-
公开(公告)号：CN113516124B
公开(公告)日：2023-08-11
申请号：CN202110596087.3
申请日：2021-05-29
申请人： 大连民族大学
IPC分类号： G06V20/62 , G06V30/18 , G06V10/44 , G06V30/19 , G06V10/764 , G06N3/0442 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 基于计算机视觉技术的电能表用电信息识别算法，该框架集检测、识别于一体，实现了端到端的文本定位和预测。首先，检测端结合了特征金字塔网络和残差网络思想，对输入图像进行特征提取，通过四个控制点生成贝塞尔曲线，更好地拟合文本框；然后，识别端采用了基于卷积循环神经网络的文本识别算法，引入门控循环单元替代长短期记忆单元，再结合注意力机制对目标区域文本进行识别；最后，进行五组消融实验，通过实验数据进行性能对比和评估分析。实验结果显示，该算法识别精度高达99.08％，推理速度快，可以运用于用电信息检测与识别的实际应用中。
-
公开(公告)号：CN113516124A
公开(公告)日：2021-10-19
申请号：CN202110596087.3
申请日：2021-05-29
申请人： 大连民族大学
摘要： 基于计算机视觉技术的电能表用电信息识别算法，该框架集检测、识别于一体，实现了端到端的文本定位和预测。首先，检测端结合了特征金字塔网络和残差网络思想，对输入图像进行特征提取，通过四个控制点生成贝塞尔曲线，更好地拟合文本框；然后，识别端采用了基于卷积循环神经网络的文本识别算法，引入门控循环单元替代长短期记忆单元，再结合注意力机制对目标区域文本进行识别；最后，进行五组消融实验，通过实验数据进行性能对比和评估分析。实验结果显示，该算法识别精度高达99.08％，推理速度快，可以运用于用电信息检测与识别的实际应用中。
-
公开(公告)号：CN116797488A
公开(公告)日：2023-09-22
申请号：CN202310828756.4
申请日：2023-07-07
申请人： 大连民族大学
IPC分类号： G06T5/00 , G06V10/56 , G06N3/0464 , G06N3/08
摘要： 一种基于特征融合与注意力嵌入的低照度图像增强方法，属于计算机图像技术领域，以Transformer Block为基本单元，共包括三个模块：特征提取模块、U型Former(U‑Former)模块和细节恢复模块。首先，特征提取模块利用具有不同色域的三个颜色空间来提取浅层特征，从而保留丰富的颜色和细节信息。此外，将通道注意力机制引入U型Former结构，以弥补空间维度信息交互的不足，防止通道维度信息的丢失，抑制噪声放大。最后，为了解决大多数现有方法中仅使用L1损失函数而导致的模型表达能力不足的问题，选择了四个损失函数并在LOL数据集上进行训练。实验结果证明本方法在各类基准数据集上均达到最好的效果。
-
公开(公告)号：CN116310394A
公开(公告)日：2023-06-23
申请号：CN202211491097.1
申请日：2022-11-25
申请人： 大连民族大学
摘要： 本发明公开一种显著性目标检测方法及装置。本发明获取待检测图像后，通过编码器对待检测图像提取RGB特征和深度特征；通过注意力特征增强模块分别对RGB和深度的高级特征进行特征增强；将提取的RGB特征和深度特征输入跨模态融合模块，对RGB特征和深度特征进行加强和融合；利用边缘提取模块生成深度特征中的显著物体的边缘信息；将加强和融合后的RGB特征和深度特征输入多尺度特征聚合模块，进行多尺度特征聚合，得到多级融合特征；将多级融合特征输入级联校正解码器，对多级融合特征进行细化和校正，预测出显著特征，然后利用边缘信息对显著特征增强，生成显著图；本发明打破了现有技术在全局上下文建模、多尺度特征聚合上存在的局限性。
-
公开(公告)号：CN106666767B
公开(公告)日：2019-04-12
申请号：CN201611015274.3
申请日：2016-11-18
申请人： 大连民族大学
摘要： 一种基于视觉技术的高效葵花籽脱壳方法，使用的设备包括脱壳机、计算机、摄像机，其特征在于,葵花籽脱壳包括下述步骤：（1）、启动脱壳机和摄像机，并把图像输入计算机进行分析和处理；（2）、通过计算机将图像由RGB彩色空间转换为HSV彩色空间，对其H、S分量分别进行二值化，并将V和H分量相结合获得葵花籽和葵花仁的标志图，将V和S分量相结合获得孔洞标志图；（3）、将葵花籽标志图、葵花仁标志图、孔洞标志图及V分量获得的形态式梯度图组成目标总标志图；接着，对得到的图像进行再去噪处理；然后，实时估计得出葵花籽脱壳率；最后，计算机实时发出指令，进行葵花籽脱壳，即得。本发明提高了葵花籽的出仁率，降低了葵花籽仁的破损率。
-
公开(公告)号：CN116204675A
公开(公告)日：2023-06-02
申请号：CN202310046541.7
申请日：2023-01-31
申请人： 大连民族大学
IPC分类号： G06F16/587 , G06F16/532 , G06V10/40 , G06V10/82 , G06V10/778 , G06V10/75
摘要： 全局关系注意力引导的交叉视图地理定位方法，属于计算机技术领域，以深度残差网络作为骨干网络，利用全局关系注意力模块捕获更加鲁棒的图像全局结构信息用于匹配。设计了一个包括全局分支和局部分支的双分支网络来分别捕获具有丰富语义信息的深层特征和具有多尺度上下文信息的局部特征。在局部分支中，利用扩张卷积增大特征图的感受野，并且，使用方环划分策略在4个尺度下分割特征图。对于各分支的特征图，将其转换为列向量描述符，然后利用分类器得到每个列向量的预测类别。最后，使用交叉熵损失函数来度量图像预测类别与真实类别之间的差异，从而提升地理定位精度。
-
公开(公告)号：CN115908789A
公开(公告)日：2023-04-04
申请号：CN202211576796.6
申请日：2022-12-09
申请人： 大连民族大学
摘要： 本发明公开一种跨模态特征融合及渐近解码的显著性目标检测方法及装置。本发明通过双流SwinTransformer编码器对所述待检测图像提取多层级、多尺度的RGB特征和深度特征；通过跨模态注意力融合模块对所述多层级、多尺度的RGB特征和深度特征进行融合，得到融合特征；通过渐进融合解码器对所述融合特征中的高级融合特征进行解码，并在解码的过程中逐级融合低级特征；本发明解决了现有技术需要通过附加额外的特征增强或边缘生成模块来达到最先进的效果，这不可避免地会造成特征冗余和计算资源的浪费，同时也限制了显著性目标检测模型设计的进一步发展的问题。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.024 秒)
