-
公开(公告)号：CN119443110A
公开(公告)日：2025-02-14
申请号：CN202411469075.4
申请日：2024-10-21
Applicant: 广东海洋大学
IPC: G06F40/30 , G06F40/284 , G06F40/247 , G06F16/353 , G06F16/951 , G06F18/214 , G06F18/2415 , G06N5/045
Abstract: 本发明涉及语义检测技术领域，具体涉及一种基于提示调优的语义检测方法、系统及介质，方法包括：从各网络平台中爬取数据并从中筛选出恶意言论数据以形成恶意言论数据集；从所述恶意言论数据集中随机选择部分数据作为训练数据集，并将剩余数据作为测试数据集；依据所述训练数据集生成恶意言论检测模型，并利用所述测试数据集对所述恶意言论检测模型进行测验；利用测验后的恶意言论检测模型进行语义检测。本发明通过自动设计有效的提示，提高模型对小规模标注数据的利用效率，从而减少对大规模标注数据的依赖，不仅降低了数据收集和标注的成本，还免去了人工设计提示的不稳定性及成本。
-
公开(公告)号：CN119205570A
公开(公告)日：2024-12-27
申请号：CN202411688275.9
申请日：2024-11-25
Applicant: 广东海洋大学
Abstract: 本发明提供一种图像处理方法及系统，涉及图像处理技术领域。其中，图像处理方法包括以下步骤：基于泰勒定理构建图像处理模型，随后获取并利用观测图像与真实原图像训练图像处理模型，得到用于图像去模糊的目标处理模型。进而利用目标处理模型处理待处理图像，得到处理后的图像。本发明基于泰勒定理构建图像处理模型，并利用样本图像训练图像处理模型，用于图像去模糊的目标处理模型，进而填补抗环境噪声去模糊技术的空白，提高图像恢复质量。
-
公开(公告)号：CN118968245A
公开(公告)日：2024-11-15
申请号：CN202411079572.3
申请日：2024-08-07
Applicant: 广东海洋大学
IPC: G06V10/80 , G06V10/82 , G06V10/42 , G06V10/44 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及图像融合技术领域，具体涉及多源遥感图像的融合方法及系统，方法包括：构建基于生成对抗网络的融合模型，根据样本数据集对融合模型进行训练，得到训练好的融合模型；其中，融合模型包含自适应分辨率卷积Transfo rmer生成器和卷积Transformer判别器，自适应分辨率卷积Transformer生成器和卷积Transformer判别器为由卷积Transformer模块构建的深度监督生成对抗网络；基于训练好的融合模型对待融合的精分辨率图像和粗分辨率图像进行融合处理，得到融合后的图像；本发明能够同时实现多源遥感影像的空谱融合和时空融合且提高了融合能力和泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN119511285A
公开(公告)日：2025-02-25
申请号：CN202411764411.8
申请日：2024-12-04
Applicant: 广东海洋大学
IPC: G01S13/90 , G06V20/13 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0442 , G06N3/084 , G06F17/16
Abstract: 本发明公开了一种SAR图像自动优化方法与装置，涉及合成孔径雷达图像处理领域，方法包括：利用先验提取模块对输入的SAR图像进行优化迭代，并将优化迭代结果作为先验知识输入至特征编码模块；利用特征编码模块进行特征提取、细节增强和下采样，获得第一特征图；利用特征解码模块对经卷积层后的第一特征图进行上采样、特征提取和细节增强，获得第二特征图；利用特征融合模块对第二特征图进行特征融合，并与输入的SAR图像进行残差连接，获得重建图像；将重建图像作为先验提取模块的输入，并基于结构损失函数指导优化迭代算法收敛。本发明解决了当前基于深度学习的遥感去散斑网络缺乏判别能力以及修复后的图像细节丢失的问题。
-
公开(公告)号：CN118864252A
公开(公告)日：2024-10-29
申请号：CN202411079566.8
申请日：2024-08-07
Applicant: 广东海洋大学
IPC: G06T3/4053 , G06T3/4038 , G06T3/4046
Abstract: 本发明涉及图像处理技术领域，具体涉及多源遥感影像的超分辨率重建方法及系统，方法包括：构建超分辨率重建模型，超分辨率重建模型包括编码器、多头交叉注意力融合解码器和重构单元；通过编码器对输入图像提取浅层特征和多分辨率深层级特征；通过多分辨率特征融合MFF模块对浅层特征和多分辨率深层级特征进行多分辨率特征融合，得到多个分辨率下的初始融合特征；通过MCAFT模块对每个分辨率下的初始融合特征和对应的上一级分辨率的交叉注意力融合特征逐级进行交叉注意力融合，生成包含多个分辨率的交叉注意力融合特征；将交叉注意力融合特征输入重构单元生成最终的高分辨率图像；本发明能够增强遥感影像的分辨率。
-
公开(公告)号：CN118968245B
公开(公告)日：2025-02-25
申请号：CN202411079572.3
申请日：2024-08-07
Applicant: 广东海洋大学
IPC: G06V10/80 , G06V10/82 , G06V10/42 , G06V10/44 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及图像融合技术领域，具体涉及多源遥感图像的融合方法及系统，方法包括：构建基于生成对抗网络的融合模型，根据样本数据集对融合模型进行训练，得到训练好的融合模型；其中，融合模型包含自适应分辨率卷积Transfo rmer生成器和卷积Transformer判别器，自适应分辨率卷积Transformer生成器和卷积Transformer判别器为由卷积Transformer模块构建的深度监督生成对抗网络；基于训练好的融合模型对待融合的精分辨率图像和粗分辨率图像进行融合处理，得到融合后的图像；本发明能够同时实现多源遥感影像的空谱融合和时空融合且提高了融合能力和泛化能力。
-
公开(公告)号：CN118917497A
公开(公告)日：2024-11-08
申请号：CN202411407578.9
申请日：2024-10-10
Applicant: 广东海洋大学
IPC: G06Q10/04 , G06N3/0455 , G06N3/084 , G06Q50/06
Abstract: 本发明涉及图像处理技术领域，具体涉及基于自注意力机制的热负荷预测方法及系统，通过构建真实热负荷数据集，所述真实热负荷数据集包括多个目标数据，所述目标数据为天气数据与对应的热负荷数据按照时间序列耦合处理得到的数据；通过嵌入技术，对所述真实热负荷数据集中的目标数据进行预处理，得到处理后的真实热负荷数据集；构建初始热负荷预测模型，并根据所述处理后的真实热负荷数据集，对所述初始热负荷预测模型进行训练，得到训练后的目标热负荷预测模型，用于对目标区域的建筑进行热负荷预测。如此，采用周期特征提取机制，可以充分挖掘热负荷特征的时序特征。并能够在长时间跨度上进行热负荷预测，提高热负荷预测的准确性。
-
公开(公告)号：CN118840565A
公开(公告)日：2024-10-25
申请号：CN202411079569.1
申请日：2024-08-07
Applicant: 广东海洋大学
IPC: G06V10/42 , G06V10/44 , G06V10/80 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及图像处理技术领域，具体涉及遥感图像的特征增强方法及系统，方法包括：构建特征增强模型，特征增强模型包括双向自适应局部‑全局特征编码器、解码器和重构单元；双向自适应局部‑全局特征编码器用于提取精分辨率图像的多分辨率局部‑全局特征和粗分辨率图像的多分辨率局部‑全局特征；通过将待处理图像输入双向自适应局部‑全局特征编码器，提取浅层局部特征和多个分辨率的局部‑全局特征；将浅层局部特征和多个分辨率的局部‑全局特征经解码器从低分辨率向高分辨率逐级融合，生成理想分辨率的融合特征，进而通过重构单元将理想分辨率的融合特征生成高分辨率图像；本发明能够增强遥感影像多尺度局部和全局特征的表达。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.029 seconds)
