-
公开(公告)号：CN119514683A
公开(公告)日：2025-02-25
申请号：CN202411534652.3
申请日：2024-10-31
Applicant: 西安电子科技大学
IPC: G06N5/04 , G06N3/0455 , G06F40/289 , G06F40/30
Abstract: 本发明属于人工智能技术领域，公开了基于大语言模型和自适应对比解码的人类动作理解方法，提出了一种FLARE框架，通过引入预训练的冻结大型语言模型LLM和冻结的动作编码器，使动作和语言语义对齐，并利用自适应对比解码AdaCD方法，减少对语言先验的过度依赖，从而提升模型对动作的理解能力，使该方法能够处理多种动作理解任务，提高了人类动作理解方法的泛化能力，同时降低了现有技术中存在的任务特定性和计算资源消耗问题。
-
公开(公告)号：CN115858841A
公开(公告)日：2023-03-28
申请号：CN202211242280.8
申请日：2022-10-11
Applicant: 西安电子科技大学
IPC: G06F16/55 , G06F16/532 , G06F16/51 , G06V10/74 , G06V10/774
Abstract: 本发明公开一种哈希模型训练及噪声环境下自适应二值量化的图像检索方法，包括：获取多张样本图像，每张样本图像有自身的类别标签；获取包括初始特征提取网络、激活函数和初始分类网络的初始模型：在第z次训练时将样本图像输入初始模型中，得到各样本图像第z次的哈希编码值和第z次预测值；根据输入样本图像的数量、第z次预测值和每张样本图像的类别标签，确定第z次第一相似性保留损失；根据初始模型的超参数、输入样本图像的数量、第z次预测值和各张样本图像第z‑1次预测值，确定第z次自适应正则损失；根据得到的两个损失调整第z‑1次训练得到的模型的网络参数，直至得到第一预训练的特征提取网络、激活函数和第一预训练的分类网络，从而得到预训练的哈希模型。
-
公开(公告)号：CN106503727B
公开(公告)日：2019-09-24
申请号：CN201610872312.0
申请日：2016-09-30
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明提供了一种高光谱图像分类的方法及装置，该方法，包括：预先从高光谱图像中确定训练样本，为每个所述训练样本设置对应的类标；提取所述高光谱图像的至少两个图像特征；确定每个所述图像特征的最邻近图的相似度矩阵；确定每个相似度矩阵的图拉普拉斯矩阵；将每个所述图拉普拉斯矩阵投射在格拉斯曼流形上，在所述格拉斯曼流形上确定每两个图拉普拉斯矩阵之间的距离；根据所述每两个图拉普拉斯矩阵之间的距离和所述训练样本的类标，确定所述高光谱图像的类标矩阵；根据所述类标矩阵，确定所述高光谱图像的每个样本的类标。本发明提供了一种高光谱图像分类的方法及装置，能够提高分类的准确性。
-
公开(公告)号：CN108170755A
公开(公告)日：2018-06-15
申请号：CN201711402277.7
申请日：2017-12-22
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于三元组深度网络的跨模态哈希检索方法，用于解决现有跨模态哈希检索方法中存在的检索精率低的技术问题。实现步骤为：对数据进行预处理，将数据分成训练数据和查询数据；获取图像训练数据和文本训练数据的哈希码；采用三元组监督信息建立目标损失函数；对目标损失函数进行顺序迭代优化；计算图像查询数据和文本查询数据的哈希码；获取查询数据的检索结果。本发明提供的方案采用三元组信息构建目标损失函数，增加语义信息，同时加入模态内的损失函数，增加方法的判别性，能够有效地提高跨模态检索的精度。本发明可用于物联网信息检索、电子商务以及移动设备等的图片与文本互搜索服务。
-
公开(公告)号：CN103761723A
公开(公告)日：2014-04-30
申请号：CN201410029364.2
申请日：2014-01-22
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于多层支持向量回归机模型的图像超分辨重建方法，主要解决现有超分辨方法存在丢失高频信息、产生振铃效应等问题。其实现步骤是：（1）分别创建训练样本库和测试样本库；（2）建立训练样本的第一层支持向量回归机模型；（3）预测高分辨亮度初始图像和初始训练图像；（4）计算初始训练图像的差值训练图像；（5）建立差值训练图像的第二层支持向量回归机模型；（6）预测高分辨亮度差值图像；（7）将高分辨亮度初始图像与高分辨亮度差值图像相加得到高分辨亮度图像。本发明重建的图像具有边缘清晰、纹理丰富、更逼近真实图像的优点，可用于视频监控、高清晰电视HDTV成像。
-
Patent Agency Ranking
公开(公告)号：CN103854268B
公开(公告)日：2016-08-24
申请号：CN201410116030.9
申请日：2014-03-26
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于多核高斯过程回归的图像超分辨重建方法，主要解决现有超分辨方法产生边缘锯齿效应和重建纹理不丰富的问题。其实现步骤是：1）获取低分辨亮度图像和插值图像，并进行分块；2）提取低分辨亮度图像块的中心像素和八邻域来训练高斯过程回归上采样模型；3）使用上采样模型预测初始高分辨亮度图像块的像素值；4）将所有的初始高分辨亮度图像块组合得到初始高分辨亮度图像；5）获取模拟低分辨图像，并进行分块；6）提取模拟低分辨图像块的中心像素训练高斯过程回归去模糊模型；7）使用去模糊模型预测高分辨亮度图像块的像素值；8）将所有的高分辨亮度图像块组合得到高分辨率亮度图像。本发明可用于视频监控、高清电视成像。
-
公开(公告)号：CN108537731B
公开(公告)日：2020-04-14
申请号：CN201810315128.5
申请日：2018-04-10
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于压缩多尺度特征融合网络的图像超分辨率重建方法，用于解决现有技术中存在的重建后的高分辨率图像峰值信噪比和结构相似性较低的技术问题。实现步骤为：获取由高低分辨率图像对组成的训练样本集；构建多尺度特征融合网络；对多尺度特征融合网络进行训练；获取压缩多尺度特征融合网络；用压缩多尺度特征融合网络对待重建RGB图像进行超分辨率重建。本发明在多尺度特征融合网络中采用多个依次层叠连接的多尺度特征融合层提取低分辨图像的多尺度特征，并对其进行非线性映射，有利于提高重建后的高分辨率图像峰值信噪比和结构相似性。可用于遥感成像、公共安全、医学诊断等领域。
-
公开(公告)号：CN108170755B
公开(公告)日：2020-04-07
申请号：CN201711402277.7
申请日：2017-12-22
Applicant: 西安电子科技大学
IPC: G06F16/583 , G06F16/35 , G06K9/62 , G06N3/08
Abstract: 本发明提出了一种基于三元组深度网络的跨模态哈希检索方法，用于解决现有跨模态哈希检索方法中存在的检索精率低的技术问题。实现步骤为：对数据进行预处理，将数据分成训练数据和查询数据；获取图像训练数据和文本训练数据的哈希码；采用三元组监督信息建立目标损失函数；对目标损失函数进行顺序迭代优化；计算图像查询数据和文本查询数据的哈希码；获取查询数据的检索结果。本发明提供的方案采用三元组信息构建目标损失函数，增加语义信息，同时加入模态内的损失函数，增加方法的判别性，能够有效地提高跨模态检索的精度。本发明可用于物联网信息检索、电子商务以及移动设备等的图片与文本互搜索服务。
-
公开(公告)号：CN106548450A
公开(公告)日：2017-03-29
申请号：CN201610874409.5
申请日：2016-09-30
Applicant: 西安电子科技大学
IPC: G06T3/40
CPC classification number: G06T3/4061
Abstract: 本发明提供一种高光谱图像超分辨方法、装置及计算机可读介质，方法包括：获取待重建的低分辨率高光谱图像，以及获取与所述低分辨率高光谱图像对应的高分辨率低光谱图像；生成所述低分辨率高光谱图像对应的第一矩阵，以及生成所述高分辨率低光谱图像对应的第二矩阵；根据所述第一矩阵和所述第二矩阵，确定端元矩阵和丰度系数矩阵对应的第一约束条件和第二约束条件；根据所述第一约束条件和第二约束条件，估计端元矩阵和丰度系数矩阵；根据所述端元矩阵、所述丰度系数矩阵和所述高分辨率低光谱图像，将所述低分辨率高光谱图像重建出高分辨率高光谱图像。根据本方案，可以降低重建误差。
-
公开(公告)号：CN106547826A
公开(公告)日：2017-03-29
申请号：CN201610872056.5
申请日：2016-09-30
Applicant: 西安电子科技大学
IPC: G06F17/30
CPC classification number: G06F17/30268 , G06F17/30628
Abstract: 本发明提供了一种跨模态检索方法、装置及计算机可读介质，通过确定至少两种模态的数据样本，为每一种模态的数据样本中每一个数据计算对应的第一哈希码，设置距离阈值，确定待检索信息，并从所述待检索信息提取检索特征；利用所述检索特征，计算所述待检索信息的第二哈希码；分别计算所述第二哈希码与所述每一种模态的数据样本中每一个数据对应的第一哈希码之间的汉明距离；在每一种模态的数据样本中，确定并输出汉明距离小于所述距离阈值的数据。本发明提供的方案能够有效地提高检索的准确性。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.023 seconds)
