-
公开(公告)号：CN108776612A
公开(公告)日：2018-11-09
申请号：CN201810321267.9
申请日：2018-04-11
申请人： 深圳大学 , 哈尔滨工业大学深圳研究生院
摘要： 本发明适用计算机技术领域，提供了一种云计算任务分配方法、装置、设备及存储介质，该方法包括：在接收到云任务分配请求时，根据云任务分配请求中待分配的云计算任务，构建云任务分配模型，通过云任务分配模型和蚁群算法，对云计算任务的分配进行第一预设数目次优化，生成第一预设数目个中间分配路径，通过遗传算法对中间分配路径进行第二预设数目次进化，生成云计算任务的最优分配路径，将云计算任务按照最优分配路径分配给云环境中的虚拟机，从而通过蚁群、遗传算法组合的混合群智能算法有效地提高了云计算任务分配的性能，保证了云计算任务较短的响应时间和完成时间，进而提高了云计算平台的服务质量和用户体验。
-
公开(公告)号：CN111429352B
公开(公告)日：2023-04-18
申请号：CN202010221409.1
申请日：2020-03-26
申请人： 深圳大学
IPC分类号： G06T3/40 , G06N3/045 , G06N3/0464 , G06N3/08
摘要： 本发明提供了一种基于神经网络的图像超分辨率重建方法及设备，通过在超分网络中构建感受野与通道融合模块，所述感受野与通道融合模块包含多个含有感受野融合单元和通道信息融合单元的信息融合组。通过各个信息融合组中的感受野融合单元和通道信息融合单元对输入的特征图进行迭代信息融合，最后得到重建出的超分辨率图像。其中，利用感受野融合单元提升网络感受野，提高了网络对输入图像信息中不同区域信息密度差别的适应性，以及通过通道信息融合单元提供更多特征信息，缓解空间特征提取的压力，加快网络训练速度，提高网络效率，因此提升网络的自适应能力和鲁棒性。
-
公开(公告)号：CN112802016B
公开(公告)日：2023-08-08
申请号：CN202110334060.7
申请日：2021-03-29
申请人： 深圳大学
IPC分类号： G06T7/00 , G06F18/20 , G06V10/82 , G06N3/0464 , G06N3/084
摘要： 本发明实施例公开了一种基于深度学习的实时布匹缺陷检测方法及系统，所述方法包括：步骤1：采集不同种类布匹缺陷图像，构建缺陷数据集；步骤2：先进行数据扩充，再使用生成对抗网络进行数据扩充；步骤3：对扩充后的缺陷数据集进行标注处理；步骤4：构建深度学习目标检测网络进行布匹缺陷检测；步骤5：训练布匹缺陷检测网络；步骤6：利用摄像机对布匹进行实时图像抓取，将抓取的图像输入到训练好的布匹缺陷检测网络中判断图中是否存在缺陷并确定缺陷类别，定位缺陷，最后将结果保存到输出文件中。本发明能够省去人工设计特征，提高缺陷检测系统鲁棒性，且大幅提升检测性能，并且能够解放人力，进一步提高纺织业智能化程度。
-
公开(公告)号：CN113077556A
公开(公告)日：2021-07-06
申请号：CN202110334262.1
申请日：2021-03-29
申请人： 深圳大学
摘要： 本发明实施例公开了一种基于行人重识别的检票系统及方法，所述系统包括游客视频采集装置、计算机、比对数据库、检票视频采集装置、通道闸，其中，游客视频采集装置采集已购票游客的视频数据；检票视频采集装置获取各个检票点的待检行人的视频；计算机读取视频数据，并对视频数据进行分帧提取行人图像，将获取到的行人图像，实时存储到比对数据库中；获取各个检票点的视频，实时检测得到行人数据，将行人数据与比对数据库中的数据对比，并将比对结果传递给通道闸；通道闸根据比对结果做出放行或警示动作。本发明将传统的检票流程进行隐藏并用计算机设备代替了人工流程，不仅能够加快购票、检票的效率，还可以保证了游客的游玩体验。
-
公开(公告)号：CN112802016A
公开(公告)日：2021-05-14
申请号：CN202110334060.7
申请日：2021-03-29
申请人： 深圳大学
摘要： 本发明实施例公开了一种基于深度学习的实时布匹缺陷检测方法及系统，所述方法包括：步骤1：采集不同种类布匹缺陷图像，构建缺陷数据集；步骤2：先进行数据扩充，再使用生成对抗网络进行数据扩充；步骤3：对扩充后的缺陷数据集进行标注处理；步骤4：构建深度学习目标检测网络进行布匹缺陷检测；步骤5：训练布匹缺陷检测网络；步骤6：利用摄像机对布匹进行实时图像抓取，将抓取的图像输入到训练好的布匹缺陷检测网络中判断图中是否存在缺陷并确定缺陷类别，定位缺陷，最后将结果保存到输出文件中。本发明能够省去人工设计特征，提高缺陷检测系统鲁棒性，且大幅提升检测性能，并且能够解放人力，进一步提高纺织业智能化程度。
-
公开(公告)号：CN108550118B
公开(公告)日：2022-02-22
申请号：CN201810240092.9
申请日：2018-03-22
申请人： 深圳大学
IPC分类号： G06T5/00
摘要： 本发明适用图像处理技术领域，提供了一种运动模糊图像的模糊处理方法、装置、设备及存储介质，该方法包括：当接收到对运动模糊图像的模糊处理请求时，将该运动模糊图像输入到预先训练好的增强型生成对抗网络的生成器中，该生成器包括压缩激励残差网络单元和缩放卷积单元，通过压缩激励残差网络单元对运动模糊图像进行特征提取，以得到运动模糊图像对应的特征图像，通过缩放卷积单元对特征图像进行模糊处理，以得到运动模糊图像对应的清晰图像，从而降低了运动模糊图像的模糊处理中的棋盘效应，提高了运动模糊图像复原的清晰度，并提高了本发明增强型生成对抗网络的泛化性能。
-
公开(公告)号：CN111429352A
公开(公告)日：2020-07-17
申请号：CN202010221409.1
申请日：2020-03-26
申请人： 深圳大学
摘要： 本发明提供了一种基于神经网络的图像超分辨率重建方法及设备，通过在超分网络中构建感受野与通道融合模块，所述感受野与通道融合模块包含多个含有感受野融合单元和通道信息融合单元的信息融合组。通过各个信息融合组中的感受野融合单元和通道信息融合单元对输入的特征图进行迭代信息融合，最后得到重建出的超分辨率图像。其中，利用感受野融合单元提升网络感受野，提高了网络对输入图像信息中不同区域信息密度差别的适应性，以及通过通道信息融合单元提供更多特征信息，缓解空间特征提取的压力，加快网络训练速度，提高网络效率，因此提升网络的自适应能力和鲁棒性。
-
公开(公告)号：CN110390651A
公开(公告)日：2019-10-29
申请号：CN201910665515.6
申请日：2019-07-23
申请人： 深圳大学
IPC分类号： G06T5/00
摘要： 本发明公开了一种运动模糊视频复原方法和装置以及设备。其中，所述方法包括：将运动模糊视频中的多帧模糊图像共同作为卷积神经网络的输入，和采用三维变形卷积网络方式，对该作为卷积神经网络的输入的多帧模糊图像的物体特征形变进行建模，以及根据该对该作为卷积神经网络的输入的多帧模糊图像的物体特征形变进行的建模，对该运动模糊视频进行复原。通过上述方式，能够实现有效对运动模糊视频中的物体特征形变进行建模，能够有效提升运动模糊视频复原效果。
-
公开(公告)号：CN108550118A
公开(公告)日：2018-09-18
申请号：CN201810240092.9
申请日：2018-03-22
申请人： 深圳大学
IPC分类号： G06T5/00
摘要： 本发明适用图像处理技术领域，提供了一种运动模糊图像的模糊处理方法、装置、设备及存储介质，该方法包括：当接收到对运动模糊图像的模糊处理请求时，将该运动模糊图像输入到预先训练好的增强型生成对抗网络的生成器中，该生成器包括压缩激励残差网络单元和缩放卷积单元，通过压缩激励残差网络单元对运动模糊图像进行特征提取，以得到运动模糊图像对应的特征图像，通过缩放卷积单元对特征图像进行模糊处理，以得到运动模糊图像对应的清晰图像，从而降低了运动模糊图像的模糊处理中的棋盘效应，提高了运动模糊图像复原的清晰度，并提高了本发明增强型生成对抗网络的泛化性能。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.036 秒)