公开(公告)号：CN117765312A

公开(公告)日：2024-03-26

申请号：CN202311736691.7

申请日：2023-12-18

申请人： 烟台大学 ,  烟台新旧动能转换研究院暨烟台科技成果转移转化示范基地

发明人： 宋永超 ,  王璇 ,  毕季平 ,  刘兆伟 ,  胡小林 ,  王莹洁 ,  孙丽俊 ,  王傲然 ,  齐泉智 ,  文志东

IPC分类号： G06V10/764 ,  G06V10/82 ,  G06V20/17 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种基于航拍数据集的地物图像分类方法，该方法能够解决航拍数据图像分类存在的低效率、低准确性以及难以应对大规模数据的难点问题，设计的模型与VGG16相比，准确率提升了16％，训练时间减少了约50％，推理速度是原来的4倍且参数量降低了35％；与现有的分类性能较好的轻量级网络EfficientNet‑B3相比，本文提出的模型将Top1准确率提高了5％，训练时间减少了18％。

公开(公告)号：CN118863468A

公开(公告)日：2024-10-29

申请号：CN202411320580.2

申请日：2024-09-23

申请人： 烟台大学

发明人： 逄锦伟 ,  邹馨慧 ,  王莹洁 ,  王璇 ,  徐树振 ,  迟浩坤 ,  韩爽 ,  李晓会

IPC分类号： G06Q10/0631 ,  G06Q10/04 ,  G06N3/006 ,  G06N20/00

摘要： 本发明属于众包任务分配技术领域，具体涉及极限学习机协同樽海鞘群优化算法的任务分配方法、系统，基于工作者和任务的属性，构建目标函数，依次经三个阶段任务分配，得到使目标函数最大化的众包任务分配方案，其中，第一阶段分配中，将多维众包任务分配优化问题转化为一维优化问题，经樽海鞘群优化算法得到第一阶段分配结果；第二阶段分配中，将相关性高的维度合并为一个种群，经樽海鞘群优化算法或训练后的极限学习机进行更新，得到第二阶段分配结果；第三阶段分配中，经训练后的极限学习机或局部聚集法进行更新，得到第三阶段分配结果，即最优任务分配方案，最大化完成任务数量的期望。

公开(公告)号：CN118799206A

公开(公告)日：2024-10-18

申请号：CN202411281160.8

申请日：2024-09-13

申请人： 烟台大学

发明人： 郑强 ,  王晴 ,  王璇

IPC分类号： G06T5/50 ,  G06T5/70 ,  G06T5/60

摘要： 本发明涉及图像合成技术领域，具体为CT图与MRI图的相互合成方法、系统和相关装置；为解决现有技术中医学图像合成质量低和适应性差的问题，本申请根据材料完整程度提供不同的图像合成方法，当有CT图也有MRI图时，从CT数据中生成具有MRI特征的图像以及从MRI数据中生成具有CT特征的图像，并进行对抗性区分，且基于峰值信噪比、均方误差和结构相似度控制合成质量，实现CT图与MRI图的相互合成；当缺少CT图或MRI图时，基于条件语义生成器、去噪、鉴别器，峰值信噪比和特征相似度，得到MRI合成图或CT合成图；本申请方法应用在医学图像合成领域，适应性强，图像合成的质量高、效率也高。

公开(公告)号：CN118780987A

公开(公告)日：2024-10-15

申请号：CN202411267055.9

申请日：2024-09-11

申请人： 烟台大学

发明人： 宋永超 ,  孙丽俊 ,  毕季平 ,  李湘南 ,  王璇 ,  刘兆伟 ,  马文明 ,  童向荣

IPC分类号： G06T3/4053 ,  G06T3/4046 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094

摘要： 本发明涉及图像数据处理技术领域，尤其是涉及一种基于细节恢复的遥感图像超分辨重建方法及系统。方法，包括获取遥感图像；构建生成对抗网络模型，包括生成器和判别器；对生成器和判断器进行模型训练；利用生成器对遥感图像进行特征提取，生成重建图像；利用判别器对重建图像和遥感图像的高分辨率图像进行判别，得到判别结果；根据判别结果设定损失函数对生成器和判断器进行调优。通过采用动态密集残差块和动态卷积技术，它能显著提升图像的分辨率和细节，从而提供更清晰、更高质量的遥感图像。

公开(公告)号：CN118760913A

公开(公告)日：2024-10-11

申请号：CN202411237176.9

申请日：2024-09-05

申请人： 烟台大学

发明人： 阎维青 ,  杨廷玉 ,  刘兆伟 ,  徐金东 ,  王璇 ,  宋永超

IPC分类号： G06F18/23 ,  G06F18/25 ,  G06N3/0895 ,  G06N3/0455

摘要： 本发明涉及深度学习技术领域，尤其是涉及一种基于特征融合和标签对齐的多模态聚类方法及系统。方法，包括获取多视图样本数据和真实聚类标签；构建多视图对比学习神经网络模型；利用多视图样本数据对多视图对比学习神经网络模型进行训练，得到训练好的多视图对比学习神经网络模型；利用训练好的多视图对比学习神经网络模型对多视图样本数据进行特征提取，通过计算损失来优化模型输出的标签质量，得到多视图聚类模型；通过自我监督的方法有效地嵌入特征学习和标签学习任务到一个单一的框架。这种方法比两阶段深度多视图聚类方法更简单、更快，而且它还有效地利用了视图特定的信息来协助视图共识语义的生成。

公开(公告)号：CN118470333B

公开(公告)日：2024-10-01

申请号：CN202410939567.9

申请日：2024-07-15

申请人： 烟台大学 ,  山东(烟台)中日产业技术研究院(烟台市产业技术研究院)

发明人： 宋永超 ,  王璇 ,  刘兆伟 ,  孙丽俊 ,  胡小林 ,  李湘南 ,  王莹洁 ,  毕季平 ,  文志东

IPC分类号： G06V10/26 ,  G06V20/70 ,  G06V10/44 ,  G06V10/52 ,  G06V10/42 ,  G06V10/80 ,  G06V10/764 ,  G06V20/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/048

摘要： 本发明涉及深度学习应用领域，尤其是涉及一种基于遥感图像的地理环境语义分割方法及系统。所述方法，包括获取遥感图像数据集，并对获取的遥感图像数据集进行预处理；基于获取的遥感图像数据集进行编码器构建，并利用编码器进行图像数据集的特征提取和编码；根据编码器的特征提取进行解码器构建，将构建完成的编码器和解码器组合为语义分割模型；利用遥感图像数据集对语义分割模型进行训练和优化，包括利用交叉熵损失函数计算输出值与预测值之间的误差，利用训练完成的语义分割模型进行预测结果输出。通过本发明的技术方案，能够提高遥感图像语义分割的精度、鲁棒性和泛化能力，为环境检测和城市规划提供更加高效和准确的技术。

公开(公告)号：CN118334098A

公开(公告)日：2024-07-12

申请号：CN202410471856.0

申请日：2024-04-19

申请人： 烟台大学

发明人： 王璇 ,  孙兆杰 ,  宋永超 ,  郑强

IPC分类号： G06T7/50 ,  G06T7/246 ,  G06V20/40 ,  G06V10/74 ,  G06F17/16 ,  G06V10/764

摘要： 本发明属于图像处理技术领域，具体涉及基于深度关联的多目标跟踪方法、系统、设备和存储介质，针对视频中的图像数据，充分考虑到检测目标的检测准确度和外观清晰度，根据检测目标的检测置信度和分类置信度，结合深度值，进行四层关联，其中，根据检测集合中检测目标的深度值和跟踪集合中轨迹目标的深度值，划分深度区间，处理密集遮挡下的目标，以将密集遮挡下的目标集划分为具有不同深度级别的稀疏的子集，从而对不同情况下的检测目标实现了全面的关联和匹配。

公开(公告)号：CN118015569B

公开(公告)日：2024-06-07

申请号：CN202410424270.9

申请日：2024-04-10

申请人： 烟台大学

发明人： 王璇 ,  王傲然 ,  宋永超 ,  郑强

IPC分类号： G06V20/54 ,  G06V10/80 ,  G06V10/82 ,  G06V10/10 ,  G06N3/0499 ,  G06V10/766 ,  G06V10/764

摘要： 本申请涉及图像数据提取和识别技术领域，具体为一种基于特征增强的遥感图像目标检测方法、系统和设备；为解决遥感图像目标检测过程中检测结果准确度较低的问题，本申请首先将待检遥感图像进行感受野扩大处理，得到有利于提高目标检测准确度的感受野增强遥感图像；然后，将感受野增强遥感图像进行不同通道维度特征提取，获得多通道维度特征图；接着，将多通道维度特征图进行基于低维通道和高维通道的特征处理和融合，得到全局增强特征图；最后，对全局增强特征图进行边界框回归和边界框分类处理，进一步提高遥感图像目标检测结果的准确度，应用在自动驾驶和智能交通领域，可进一步提高便利性和安全性。

公开(公告)号：CN117975041A

公开(公告)日：2024-05-03

申请号：CN202410369852.1

申请日：2024-03-29

申请人： 烟台大学

发明人： 郑强 ,  南朋志 ,  王璇

IPC分类号： G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/26 ,  G06V10/75 ,  G06V10/74 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/042 ,  G06N3/084 ,  G06N3/048

摘要： 本发明涉及图像数据分析技术领域，具体为基于图卷积神经网络的脑网络特征提取方法、系统和设备；该特征提取方法首先将T1加权成像的灰质体积图进行多维残差特征提取，得到残差特征；然后，将关键脑区对应的影像组学特征与维度特征映射后的残差特征进行融合，得到综合影像组学特征，用于获得增强形态学脑网络；接着，将增强形态学脑网络进行多层图数据特征提取处理后，提取关键脑区对应的数据特征，得到关键节点特征；最后，将表达能力强的全连接处理后的关键节点特征，与保留了脑网络连通性信息的一维拓扑特征向量进行拼接处理，得到关键特征明显，信息丰富的脑网络增强特征向量，用于脑网络分类时，可提高分类结果的准确度。

公开(公告)号：CN117853858A

公开(公告)日：2024-04-09

申请号：CN202410256686.4

申请日：2024-03-07

申请人： 烟台大学

发明人： 郑强 ,  姜敏博 ,  王璇

IPC分类号： G06V10/80 ,  G06V10/42 ,  G06V10/44 ,  G06V10/74 ,  G06V10/764

摘要： 本发明涉及图像处理技术领域，具体为基于全局和局部信息的磁共振图像合成方法、系统和设备；该合成方法，首先将含有不同序列的磁共振成像数据转化为二维切片图；然后，基于最大池化、平均池化和卷积等处理获取二维切片图的局部特征，并基于空间线性投影处理和通道线性投影处理获取二维切片图的全局特征后，将二维切片图的局部特征和全局特征进行融合，得到切片融合特征图，并将切片融合特征图进行特征提取处理，得到初始磁共振图像合成图；最后，根据细节特征提取后的初始磁共振图像合成图与标准磁共振图像之间的相似度，获取初始磁共振图像合成图的评分，并通过控制评分与准特征图的标签值的差值大小，得到高质量的磁共振图像合成结果。