-
公开(公告)号：CN114926342B
公开(公告)日：2024-08-23
申请号：CN202210612479.9
申请日：2022-05-31
Applicant: 武汉大学
IPC: G06T3/4053 , G06T3/4046 , G06V10/25 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及一种图像超分辨率重建模型构建方法、装置、设备及存储介质，涉及计算机视觉技术领域，包括获取训练数据集，训练数据集包括高分辨率图像以及与高分辨率图像对应的低分辨率图像；构建图像超分辨率网络，超分辨率网络包括浅层特征提取模块、深层特征提取模块和图像重建模块，深层特征提取模块包括4个具有迭代作用的基于混合空洞卷积的残差特征蒸馏子模块，基于混合空洞卷积的残差特征蒸馏子模块用于迭代提取图像深层特征信息和图像细粒度信息；基于训练数据集对图像超分辨率网络进行训练，得到图像超分辨率重建模型。本申请能够在保证图像超分辨率重建结果的同时，减小模型的容量和计算消耗以及提升模型的推理速度。
-
公开(公告)号：CN110428446B
公开(公告)日：2022-06-14
申请号：CN201910579480.4
申请日：2019-06-28
Applicant: 武汉大学
IPC: G06T7/246
Abstract: 本发明提供一种基于混合核相关滤波的卫星视频目标跟踪方法，其特征在于：采用核相关滤波过程实现卫星视频目标跟踪，并在核特征空间中引入互补的两种特征，其中一个特征是梯度方向直方图HOG，用于检测目标的轮廓和纹理信息，另一个特征是光流OF，用于检测目标的变化像素；通过自适应融合策略，利用两种特征在不同卫星视频中的优势，实现对卫星视频数据集中小目标进行鲁棒且精准的跟踪，能够实现对卫星视频中运动的飞机、列车以及小车等目标进行实时精准的跟踪。
-
公开(公告)号：CN111028150B
公开(公告)日：2022-04-15
申请号：CN201911187313.1
申请日：2019-11-28
Applicant: 武汉大学
Abstract: 本发明提出一种快速时空残差注意力视频超分辨率重建方法，通过在神经网络模型中增加注意力上采样机制，将网络注意力集中于高频信息，从而得到更好的恢复结果；视频超分辨率重建实现过程包括训练与测试数据准备，设置神经网络模型的网络结构，训练好神经网络模型，将测试的低分辨率视频输入到训练好的神经网络模型中，模型的输出为重建后的超分辨率视频帧，将得到的连续帧合成视频得到超分辨率视频；所述神经网络模型的网络结构，包括低分辨率特征提取部分、快速时空残差块部分、高分辨率重建部分和高分辨率残差学习部分。本发明提出在高分辨率重建部分使用注意力机制，用于更好地复现高频信息。
-
公开(公告)号：CN110781926A
公开(公告)日：2020-02-11
申请号：CN201910935589.7
申请日：2019-09-29
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 本发明提供一种基于鲁棒辅助信息重构的支持向量机多谱段图像分析方法，包括以下步骤：从原始多谱段图像数据集中选择训练样本，分别计算所有输入多谱段图像样本和辅助图像数据的核矩阵、鲁棒约束矩阵，定义中间变量，优化求解目标函数对应的二次规划问题，得到最优的变量；基于当前最优的变量，优化求解重构系数矩阵；重复直至模型收敛，输出鲁棒分类器模型；验证分类效果，预测可能存在噪声的测试样本的标签，并与真实标签进行对比。本发明考虑了原始多谱段数据样本与辅助图像数据可能存在噪声的这一困难情况，弥补了现有方法缺乏有效解决策略的不足。
-
公开(公告)号：CN105787523B
公开(公告)日：2019-06-25
申请号：CN201610206981.4
申请日：2016-04-05
Applicant: 武汉大学
Abstract: 本发明公开了一种高光谱图像混合像元分解算法，基于非负矩阵分解模型，利用丰度的平滑和分离特征对丰度进行约束，来进行端元和丰度的估计。本发明在对丰度进行平滑约束时，考虑到边界点和异常点的存在所带来的不平滑现象，利用图像的光谱信息将这些不平滑的像元对排除在平滑约束之外，并利用光谱信息，根据热核公式计算像元对之间的平滑权值，越相似的像元其权值越大。用计算得到的权值对像元对的丰度进行平滑约束。分离约束的引入可以避免产生过平滑现象，得到一个更稳定的端元和丰度估计结果。
-
Patent Agency Ranking
公开(公告)号：CN105825529A
公开(公告)日：2016-08-03
申请号：CN201610157079.8
申请日：2016-03-18
Applicant: 武汉大学
IPC: G06T9/00
CPC classification number: G06T9/00 , G06T2207/10036 , G06T2207/20081
Abstract: 本发明公开了一种基于非局部和低秩分解的高光谱图像压缩方法，利用非局部相似性对高光谱图像进行分块，获得大小相同的高光谱小块，之后根据相似性，相似的块将被聚为一类，同一类的块组成的4阶数据可以被低秩分解，因为分解后的数据大小远小于原始数据大小，从而实现对高光谱数据的压缩，并且可以充分利用高光谱数据的空间结构特征和光谱结构特征。
-
公开(公告)号：CN114334013B
公开(公告)日：2025-03-21
申请号：CN202111671817.8
申请日：2021-12-31
Applicant: 武汉大学
IPC: G16B40/30 , G06F18/23213 , G06F18/213 , G06F18/2413 , G06N3/0464 , G06N3/042 , G06N3/047 , G06N3/08
Abstract: 本发明提供一种单细胞聚类方法、装置、设备及可读存储介质。该方法包括：基于单细胞样本点和簇中心的相似度构造分布Q和目标分布P；基于分布Q与目标分布P构造第一损失函数；对样本特征矩阵进行降维，得到降维后的样本特征矩阵；将降维后的样本特征矩阵和连接矩阵传入低通滤波图卷积模块，得到概率矩阵；基于目标分布P和概率矩阵构造第二损失函数；根据第一损失函数和第二损失函数得到新的概率矩阵；从新的概率矩阵中获取单细胞样本点的聚类结果。通过本发明，降维后的样本特征矩阵在低通滤波图卷积模块传输的过程中同一簇类的特征表示变得更光滑，使得从新的概率矩阵中获取单细胞样本点的聚类结果更好。
-
公开(公告)号：CN110781926B
公开(公告)日：2023-09-19
申请号：CN201910935589.7
申请日：2019-09-29
Applicant: 武汉大学
Abstract: 本发明提供一种基于鲁棒辅助信息重构的支持向量机多谱段图像分析方法，包括以下步骤：从原始多谱段图像数据集中选择训练样本，分别计算所有输入多谱段图像样本和辅助图像数据的核矩阵、鲁棒约束矩阵，定义中间变量，优化求解目标函数对应的二次规划问题，得到最优的变量；基于当前最优的变量，优化求解重构系数矩阵；重复直至模型收敛，输出鲁棒分类器模型；验证分类效果，预测可能存在噪声的测试样本的标签，并与真实标签进行对比。本发明考虑了原始多谱段数据样本与辅助图像数据可能存在噪声的这一困难情况，弥补了现有方法缺乏有效解决策略的不足。
-
公开(公告)号：CN114678070A
公开(公告)日：2022-06-28
申请号：CN202210332642.6
申请日：2022-03-30
Applicant: 武汉大学
Abstract: 本发明提供一种单细胞RNA测序数据降维方法、设备及可读存储介质。该方法包括：对N个单细胞的单细胞测序数据进行特征选取，得到特征矩阵X；根据两两单细胞间的马氏距离，构造连接矩阵A；基于A构造图自编码器模型；将X输入图自编码器模型，得到重构特征矩阵Y、重构连接矩阵以及提取图自编码器模型中维度最低的层的隐变量Z；根据X、A、Y、以及Z得到总损失函数；采用梯度下降法得到最小化的总损失函数以及训练完成的图自编码器模型；提取训练完成的图自编码器模型中维度最低的层的隐变量Z＇作为降维结果。通过本发明，实现了在庞大、复杂且高维的数据上展开降维任务时保持了细胞之间的结构信息。
-
公开(公告)号：CN114334013A
公开(公告)日：2022-04-12
申请号：CN202111671817.8
申请日：2021-12-31
Applicant: 武汉大学
Abstract: 本发明提供一种单细胞聚类方法、装置、设备及可读存储介质。该方法包括：基于单细胞样本点和簇中心的相似度构造分布Q和目标分布P；基于分布Q与目标分布P构造第一损失函数；对样本特征矩阵进行降维，得到降维后的样本特征矩阵；将降维后的样本特征矩阵和连接矩阵传入低通滤波图卷积模块，得到概率矩阵；基于目标分布P和概率矩阵构造第二损失函数；根据第一损失函数和第二损失函数得到新的概率矩阵；从新的概率矩阵中获取单细胞样本点的聚类结果。通过本发明，降维后的样本特征矩阵在低通滤波图卷积模块传输的过程中同一簇类的特征表示变得更光滑，使得从新的概率矩阵中获取单细胞样本点的聚类结果更好。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.024 seconds)
