-
公开(公告)号：CN114038055B
公开(公告)日：2024-08-16
申请号：CN202111254371.9
申请日：2021-10-27
Applicant: 电子科技大学长三角研究院(衢州) , 电子科技大学
IPC: G06V40/20 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0895
Abstract: 该发明公开了一种基于对比学习和生成对抗网络的图像生成方法，属于计算机视觉领域。该方法首先选择使用生成对抗网络作为基本框架，训练生成对抗网络时，需要分别为判别器和生成器的查询对象构造正负样本，目的是利用判别器将图像映射到表示空间中，使得判别器能在自监督下学习到图像的合理表示，并能减少引入额外的模型参数，而生成器则能在自监督下将相似的输入随机向量映射为相似的图像，而将不相似的随机向量映射为不同的图像，从而提升生成图像的多样性。在训练好生成对抗网络后，通过往生成器中输入噪声即可生成图像。通过上述方法，本发明充分利用了对比学习和生成对抗网络的优势，提高了现有生成方法的生成图像多样性。
-
公开(公告)号：CN114038055A
公开(公告)日：2022-02-11
申请号：CN202111254371.9
申请日：2021-10-27
Applicant: 电子科技大学长三角研究院(衢州) , 电子科技大学
IPC: G06V40/20 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 该发明公开了一种基于对比学习和生成对抗网络的图像生成方法，属于计算机视觉领域。该方法首先选择使用生成对抗网络作为基本框架，训练生成对抗网络时，需要分别为判别器和生成器的查询对象构造正负样本，目的是利用判别器将图像映射到表示空间中，使得判别器能在自监督下学习到图像的合理表示，并能减少引入额外的模型参数，而生成器则能在自监督下将相似的输入随机向量映射为相似的图像，而将不相似的随机向量映射为不同的图像，从而提升生成图像的多样性。在训练好生成对抗网络后，通过往生成器中输入噪声即可生成图像。通过上述方法，本发明充分利用了对比学习和生成对抗网络的优势，提高了现有生成方法的生成图像多样性。
-
公开(公告)号：CN119886265A
公开(公告)日：2025-04-25
申请号：CN202411966263.8
申请日：2024-12-30
Applicant: 西安电子科技大学
IPC: G06N3/086 , G06N3/084 , G06N5/04 , G06N3/096 , G06V10/20 , G06V10/40 , G06V10/82 , G06V10/26 , G06V10/764
Abstract: 本发明公开了一种基于图像组件层次结构信息的神经网络架构搜索方法，包括以下步骤；步骤1：向图像部件层次结构输入图像的特征，提取各个部件特征；步骤2：将所述部件特征作为层次信息推理规则模块的输入，用于建立层次化结构的推理逻辑，对不同层次的部件特征进行动态加权，用于传递部件之间的层次信息；步骤3：对动态加权后的部件特征进行权重分配和优化，用于在建模部件之间的交互关系并动态调整影响权重；步骤4：结合层次信息推理规则模块与损失函数模块，通过进化算法进行网络架构的优化搜索；步骤5：加速网络的收敛过程。本发明提升网络架构的搜索效率、信息传递的有效性及训练过程的性能，最终实现对复杂图像场景的更好理解和表达。
-
公开(公告)号：CN116994337B
公开(公告)日：2025-04-25
申请号：CN202310995299.8
申请日：2023-08-09
Applicant: 西安电子科技大学
IPC: G06V40/20 , G06V20/40 , G06V20/52 , G06V10/54 , G06V10/62 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/94 , G06V10/96 , G06T7/246 , G06T7/277 , G06F9/54
Abstract: 本发明提供了一种面向狭小空间密集对象的外观检测动作识别装置和方法，首次地提出了不同计算机视觉算法模型依据时序顺序对存储在共享内存的原始编码视频帧图像数据进行循环读取处理，使用多目标跟踪算法将密集对象追踪的id与该对象的外观检测行为识别结果相对应，定期将识别结果加入数据集进行模型的自训练，有效减小了系统间的耦合度和数据读取时延，大幅提高了视频处理的实时性、鲁棒性和效率。解决现有方法对密集对象外观检测效率低、主观性强的问题。
-
公开(公告)号：CN115227396B
公开(公告)日：2025-03-14
申请号：CN202210709108.2
申请日：2022-06-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了基于人造特征靶标及引导装置的口腔咽喉狭小空间视觉导航方法，S1：构建环绕口腔内部结构的人造引导辅助装置，设计附带的内壁人造纹理特征作为视觉辅助；S2：基于S1中的引导辅助装置及人造视觉特征辅助，在漫游阶段，通过组合轻量级的视觉里程计与后端优化模块，构建基于同步定位与建图技术的末端执行器自身位姿估计方法；S3；构造人造特征靶标，在执行阶段，方便S4中算法通过靶标区域对视野范围内的具体手术器械进行跟踪定位；S4：在执行阶段，构建基于目标位姿检测技术的具体手术器械位姿估计方法。本发明能有效应对手术空间的特殊运行环境下的诸多实际挑战，构建针对末端执行器自身和目标手术器械的稳定、高精度的位姿解算。
-
Patent Agency Ranking
公开(公告)号：CN119415292A
公开(公告)日：2025-02-11
申请号：CN202411574537.9
申请日：2024-11-06
Applicant: 西安电子科技大学
IPC: G06F9/54 , G06F40/126 , G06T9/00 , G06Q50/02 , H04N19/503 , H04N19/593
Abstract: 本发明公开了一种基于微服务架构的多模态油藏数据管理方法，涉及数据孪生领域，用以提升对大规模复杂油藏数据管理的高效率和可靠性。本发明包括：油藏数据处理微服务集获取油藏数据源更新的油藏数据；油藏数据处理微服务集分别对油藏数据中的文本数据、图像数据和视频数据进行压缩存储；油藏数据调度微服务集响应于油藏数据的更新，从油藏数据处理微服务集中获取经压缩的油藏数据更新到相应业务系统。本发明提升了多类型数据集中处理的效率，提升了多类型数据管理的可靠性和应用的可扩展性。
-
公开(公告)号：CN118656772A
公开(公告)日：2024-09-17
申请号：CN202411148549.5
申请日：2024-08-21
Applicant: 西安电子科技大学
IPC: G06F18/2433 , G06F18/243 , G06F18/10 , G06F18/2131 , G06N20/20 , G06F11/10 , G06F3/06 , E21B49/08 , G06F123/02
Abstract: 本发明公开了一种实时油藏数据流处理及其存储优化的方法，该方法包括，将采集的实时油藏数据进行格式转换和预处理，将预处理后的实时油藏预处理数据划分为时间序列数据和静态数据，对时间序列数据通过傅里叶变换和隔离森林模型实现实时分析和异常检测，根据访问频率将实时油藏预处理数据分为高频、中频和低频等级，将不同等级的数据存储于不同性能的存储介质上，再使用ARIMA模型进行数据访问动态预测，根据预测结果优化存储策略，提高数据的访问效率并节省存储成本。本发明所提供的方法，能够实时有效地识别异常数据点，对设备故障进行预警，通过数据动态访问预测优化存储资源配置，实现了实时数据处理、异常检测和存储优化的系列解决方案。
-
公开(公告)号：CN118229782A
公开(公告)日：2024-06-21
申请号：CN202410325018.2
申请日：2024-03-21
Applicant: 西安电子科技大学
Abstract: 本发明涉及人工智能与计算机视觉领域，提供了一种基于自然语言指令的三维点云场景目标定位方法，包括：筛选出包含三维视觉场景中物体类别的关系三元组；确定物体类别的层级属性，构建层次化知识图谱；对给定的自然语言描述进行解析，获得多个两阶语义三元组；对两阶语义三元组中的物体增加层级属性，获得层次化两阶语义三元组；确定待识别三维点云场景中物体的初始视觉特征；输出物体的预测得分；从高到低筛选出多个预测得分对应的物体，作为候选物体；输出候选物体与第一高阶语义三元组的匹配得分；确定待识别三维点云场景中的目标物体。本发明提高了预测精度，且具有更强的鲁棒性。
-
公开(公告)号：CN117876685A
公开(公告)日：2024-04-12
申请号：CN202410047934.4
申请日：2024-01-12
Applicant: 西安电子科技大学
IPC: G06V10/26 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/74 , G06V10/82 , G06N3/0895
Abstract: 本发明公开了一种联合噪声挖掘与矫正策略的弱监督点云语义分割方法。本发明基于实例相关噪声类型的噪声标签构建训练数据集；通过自监督对比学习网络，提高模型对点云数据的表征学习能力；基于神经网络的记忆效应，针对实例相关噪声类型的噪声标签，重新定义遗忘事件，对点云标签的噪声进行挖掘，将含有噪声标签的点云数据进行噪声标签以及干净标签的区分；根据计算得到的描述噪声标签筛选阶段结果的二进制矩阵，生成多语义类别平衡的原型特征队列，对噪声标签进行可信矫正。本发明以成本低廉的噪声标签的弱监督学习机制即实现了与强监督模型效果相当的点云语义分割。
-
公开(公告)号：CN116208514A
公开(公告)日：2023-06-02
申请号：CN202310281970.2
申请日：2023-03-21
Applicant: 西安电子科技大学
IPC: H04L41/147 , H04L9/40
Abstract: 一种多阶段攻击的防御趋势预测方法、系统、设备及介质，方法包括：根据当前云环境资产信息，在其包含的漏洞和脆弱性信息的基础上，构建针对当前云环境的攻击图；结合ATT&CK知识图谱，针对攻击图中每一个攻击步骤达成的必要条件所对应的漏洞及脆弱性信息，构建相对应的防御措施集合；以入侵检测系统得到的攻击事件为线索，在审计日志实时构建的溯源图上挖掘出已发生攻击的具体执行过程及后续实时攻击操作；把溯源和挖掘出的攻击操作与攻击图上的各个攻击步骤相关联，得出攻击图上的攻击路径；基于当前攻击路径，对后续的攻击趋势进行预测，并对应的防御趋势的预测；其系统、设备及介质用于实现多阶段攻击的防御趋势预测为攻防对抗智能博弈提供依据。
-
-
-
-
-
-
-
-
-
Search Results
177
records
(took 0.036 seconds)
