公开(公告)号：CN119399153A

公开(公告)日：2025-02-07

申请号：CN202411467432.3

申请日：2024-10-21

Applicant: 河北工业大学

Inventor： 樊世燕 ,  吴悠 ,  杨博 ,  高英杰 ,  张智铭 ,  陈阔

IPC: G06T7/00 ,  G06N3/0442 ,  G06N3/0455 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明属于温度预测技术领域，具体公开了一种基于深度可逆网络的时空联合温度预测方法。该方法使用的预测模型包括像素混洗层、正向编码器、反向解码器以及用于桥接正向编码器和反向解码器的长短期集成预测模块；输入图像经过一个像素混洗层进行形状变换，正向编码器用于提取深层特征，长短期集成预测模块对深层特征进一步提取时空特征，反向解码器用于时空特征的解码，解码特征经过另一个像素混洗层将分辨率还原至与输入图像相同；正向编码器和反向解码器的结构相同且参数共享，均包括多个多层级可逆仿射耦合结构；长短期集成预测模块多个长短期集成预测单元，当前长短期集成预测单元的输出特征与前一长短期集成预测单元的输入特征相加后作为下一个长短期集成预测单元的输入特征。本发明能够更加灵活地进行特征提取，实现信息丢失的最小化，并且充分保留了时空信息，提高了预测精度。

公开(公告)号：CN118193774A

公开(公告)日：2024-06-14

申请号：CN202410329878.3

申请日：2024-03-22

Applicant: 河北工业大学

Inventor： 张军 ,  王朝权 ,  张智铭 ,  刘甲鹏 ,  郭子峻 ,  康雨过 ,  徐正阳

IPC: G06F16/583 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06V10/46 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于频谱信息引导的图像检索方法，首先获取图像，对图像进行数据增强，得到成对的强、弱变换图像；然后，通过快速傅里叶变换将强、弱变换图像由空域转换至频域，得到频域图像FS和FT；提取频域图像FS和FT的频谱信息，得到频谱特征AS和AT，并对频谱特征进行归一化处理；将频谱特征AS和AT分别与强、弱变换图像进行融合，得到由频谱信息引导的强、弱变换图像；最后，构建深度哈希网络，将由频谱信息引导的强、弱变换图分别输入到深度哈希网络中，提取各自的哈希量化编码；对深度哈希网络进行训练，将训练后的教师模型或学生模型用于图像检索。通过频谱信息对空域图像进行引导，增大图像之间的差异信息，生成更加准确的哈希量化编码，提升了检索性能。

公开(公告)号：CN117370594A

公开(公告)日：2024-01-09

申请号：CN202311424869.4

申请日：2023-10-31

Applicant: 河北工业大学

Inventor： 张军 ,  张智铭 ,  杨召云 ,  张旭鹏 ,  高英杰 ,  王仪诺 ,  王朝权 ,  张程

IPC: G06F16/58 ,  G06F16/55 ,  G06N3/096 ,  G06F18/22

Abstract: 本发明为一种基于空频交互的分布差异自适应图像检索方法，首先获取训练用的原始图像，通过数据增强得到强、弱变换图像；接着，构建深度哈希网络；将强、弱变换图像分别输入到学生模型和教师模型中，得到哈希量化编码，进而得到自蒸馏差异量化损失、哈希代理损失和二进制交叉熵损失；然后，构建分布迁移模块，利用学生模型提取的哈希量化编码的分布中心和离散程度对教师模型提取的哈希量化编码进行迁移，得到得到分布迁移损失；构建频率成分提取模块，通过快速傅里叶变换提取哈希量化编码的频域信息，再通过反正切变换提取哈希量化编码的频率成分，进而得到频率成分损失；最后，基于所有损失构建目标优化函数，对学生模型和教师模型进行训练，将训练后的学生模型或教师模型用于图像检索。通过充分量化哈希编码之间的差异信息，提升检索性能。

公开(公告)号：CN116630808A

公开(公告)日：2023-08-22

申请号：CN202310632807.6

申请日：2023-05-31

Applicant: 河北工业大学

Inventor： 李妍 ,  黄若飞 ,  张军 ,  杨召云 ,  张旭鹏 ,  王仪诺 ,  张程 ,  张智铭

IPC: G06V20/10 ,  G06V20/13 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明为一种基于遥感图像特征提取的旋转船舰检测方法，首先获取遥感图像并进行归一化处理；然后，构建由特征提取、特征融合和预测三部分网络组成的检测模型；特征提取网络以ResNet网络为基本框架，利用可变形空洞卷积替代ResNet网络各个瓶颈层中卷积核大小为3×3的卷积；特征融合网络包括两个深度监督特征金字塔，每个深度监督特征金字塔均包括自下而上的下采样分支和自上而下的上采样分支，同时在深度监督特征金字塔中嵌入了自注意力模块；预测网络包括RPN网络、RoIPooling层和基于相交圆的检测头。该方法能更好地提取旋转船舰的特征，不受旋转角度的影响，深度监督特征金字塔解决了船舰尺度不一以及图像背景噪声的影响。

公开(公告)号：CN116630113A

公开(公告)日：2023-08-22

申请号：CN202310601622.9

申请日：2023-05-26

Applicant: 河北工业大学

Inventor： 张军 ,  都旭 ,  石陆魁 ,  李朝阳 ,  刘保辉 ,  曹慧博 ,  张智铭 ,  刘森亮 ,  孟彤

IPC: G06Q50/26 ,  G01N15/06 ,  G06F17/11 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种基于SCC‑RCE预测单元的预测网络及网格化PM2.5浓度预测方法，本发明设计的预测网络融合空间浓度变化捕捉模块和区域关联性增强模块，能更好的提取出时空序列数据间的关联性，利用不同区域PM2.5浓度变化的相互作用和相互影响辅助模型的预测，可以有效增强模型对全局空间上下文的表示能力。本发明预测方法采用该预测网络实现，能充分捕捉PM2.5在局部区域丰富的空间浓度变化信息，同时增强不同区域PM2.5浓度变化之间的关联性，进而提升PM2.5浓度的预测精度。同时，将PM2.5的历史空间浓度变化考虑到未来时刻PM2.5浓度的预测过程中，当PM2.5浓度在短期内发生剧烈波动时，本发明预测方法能够更快的感受到这种变化，进而提升PM2.5的浓度预测精度。

公开(公告)号：CN116543225A

公开(公告)日：2023-08-04

申请号：CN202310567528.6

申请日：2023-05-19

Applicant: 河北工业大学

Inventor： 张军 ,  李朝阳 ,  石陆魁 ,  都旭 ,  曹慧博 ,  刘保辉 ,  张智铭

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/74 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明为一种基于孪生网络对比学习的图像隐写分析方法，以SiaStegNet网络为基本框架构建隐写分析模型，隐写分析模型包括两个并行的子网络和一个分类器，待分析图像平分为左、右两张子图像输入到两个子网络中，子网络从子图像中提取特征向量，两个子网络提取的特征向量在分类器中进行分类，判断待分析图像是否为隐写图像；子网络包括预处理和特征提取两个阶段，在特征提取阶段利用残差注意传递模块帮助残差特征从浅层网络完整地传入深层网络，并赋予残差特征不同的通道权重，促使网络更加关注隐写信息所在的通道；在模型训练过程中，利用原型对比损失辅助交叉熵损失拟合网络，使隐写信息更加容易区分于图像中的其他高频信息，增强网络的表征能力，提高检测和分类的准确性。