-
公开(公告)号：CN118411356A
公开(公告)日：2024-07-30
申请号：CN202410611201.9
申请日：2024-05-16
Applicant: 西安电子科技大学杭州研究院 , 西安电子科技大学
IPC: G06T7/00 , G06N3/0464 , G06N3/08 , G06N3/0455
Abstract: 本发明公开了基于语义自适应融合的盲图像质量评价方法，包括以下步骤；步骤1：将动态激活函数ACON引入到ResNet50中，构建动态特征编码器；步骤2：将语义特征和质量特征融合；将得到的融合特征用于在质量特征编码器中继续进行前向推理；步骤3：利用二阶池化捕捉低级特征中的失真信息；将捕捉到的低级特征中的失真信息与质量特征编码器第四层池化后的全局特征向量拼接成多尺度特征，作为质量分数回归器的输入；步骤4：进行对比实验和消融实验。本发明利用动态激活函数ACON和局部失真模块与特征融合的操作，实现了具有参数自适应能力的动态网络ResNet50‑ACON，构建了低级特征与深度特征互补、语义信息与质量信息融合的多尺度融合特征。
-
公开(公告)号：CN117224149A
公开(公告)日：2023-12-15
申请号：CN202310698195.0
申请日：2023-06-13
Applicant: 西安电子科技大学 , 西安电子科技大学杭州研究院
IPC: A61B5/372 , G06F18/213 , G06F18/2415 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , A61B5/378 , A61B5/00 , G06F123/02
Abstract: 本发明公开了基于时空卷积和残差连接的脑电信号解码方法，包括以下步骤；步骤1：构建视觉诱发脑电信号数据集，收集的脑电信号的时空特征，用于刺激被试者视觉产生脑电信号；步骤2：构建基于时空卷积和残差连接的脑电信号解码分类网络CR‑model，用于提取步骤1中所收集的脑电信号的时空特征，并将时空特征进行深度融合提取，充分利用脑电信号的高时间分辨率以及多信道所体现的空间上的联系，提高视觉刺激脑电信号的分类准确率。本发明用于解决现有方法针对脑电信号多通道信号之间空间信息利用不充分以及时间信息与空间信息联系不紧密的问题。
-
公开(公告)号：CN118799355A
公开(公告)日：2024-10-18
申请号：CN202410788069.9
申请日：2024-06-18
Applicant: 西安电子科技大学 , 西安电子科技大学青岛计算技术研究院
IPC: G06T7/246 , G06V10/774 , G06V10/764 , G06T5/50 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于时空信息联合感知的目标跟踪方法，解决现有技术面对目标被局部遮挡、相机视角变化等干扰容易跟踪失败的问题。其实现方案是：从公开网站上获取训练集和测试集；构建由时空特征表示模块、混合注意力编解码模块、目标定位模块级联组成的目标跟踪网络，并利用时空特征表示模块、混合注意力编解码模块强化当前跟踪目标的特征，使得目标跟踪网络能抵御跟踪中环境变化的干扰；将训练集输入该目标跟踪网络中进行训练，直到达到最大训练轮次；将测试图像输入训练好的目标跟踪网络中得到分类响应图和回归响应图，对分类响应图和回归响应图进行后处理得到目标跟踪结果。本发明有效提高了目标跟踪的成功率和准确率，可用于视频监控或无人机自主飞行。
-
公开(公告)号：CN118799277A
公开(公告)日：2024-10-18
申请号：CN202410788070.1
申请日：2024-06-18
Applicant: 西安电子科技大学 , 西安电子科技大学青岛计算技术研究院
IPC: G06T7/00 , G06V10/774 , G06V10/764 , G06V10/82 , G06V10/80 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N5/04 , G06T5/50
Abstract: 本发明公开了一种基于可逆流形排序优化的无参考图像质量评价方法，主要解决现在技术不能有效捕捉图像内容的全局依赖关系，且图片评分主客观一致性差的问题。其实现方案为:从公开网站上获取L幅RGB图像及每幅图像的主观质量分数标签组成训练集和测试集；构建包括特征提取模块、多轴MLP模块、可逆流形模块、排序优化模块的无参考图像质量评价模型，并设定其损失函数；将训练集输入该图像质量评价模型中通过反向传播进行模型参数的迭代更新；将测试图像输入到训练好的图像质量评价模型中，得到每个测试样本的质量预测分数。本发明能有效捕捉图像内容的全局依赖关系，提高了图像质量评分的准确性与主客观一致性，可用于影音娱乐、医疗影像、航空遥感场景。
-
公开(公告)号：CN118799276A
公开(公告)日：2024-10-18
申请号：CN202410788068.4
申请日：2024-06-18
Applicant: 西安电子科技大学 , 西安电子科技大学青岛计算技术研究院
IPC: G06T7/00 , G06V10/774 , G06V10/764 , G06V10/74 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08 , G06T5/50
Abstract: 本发明公开一种基于视觉线索关联解析的无参考图像质量评价方法，其步骤为：构建局部非平等交互的转置注意力子网络；构建视觉线索关联解析模块；生成无参考图像质量评价网络；对生成训练集中的所有图像进行线性编码；训练无参考图像质量评价网络；对待评价无参考图像进行质量评价。本发明的局部非平等交互的转置注意力子网络能够模仿人类视觉系统对图像的感知过程，视觉线索关联解析模块能够融合不同粒度层级的语义信息之间的相关性。本发明提高了失真图像质量的预测精度，具有评价无参考图像质量时与人眼视觉感知一致性更高、泛化性能更强的优点。
-
Patent Agency Ranking
公开(公告)号：CN118799275A
公开(公告)日：2024-10-18
申请号：CN202410788067.X
申请日：2024-06-18
Applicant: 西安电子科技大学 , 西安电子科技大学青岛计算技术研究院
IPC: G06T7/00 , G06V10/774 , G06V10/764 , G06V10/82 , G06N5/04 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T5/50
Abstract: 本发明提出了一种基于因果配对干预的无参考图像质量评价方法。其步骤为：生成训练集和测试集；对训练集和测试集中的样本进行线性编码；构建特征提取子网络；构建因果推理子网络；构建基于因果配对干预的无参考图像质量评价网络；训练图像质量评价网络；输入待评价图像得到图像质量评价结果；本发明通过构建基于因果配对干预的无参考图像质量评价网络，利用训练好的网络对图像失真和内容对图像质量的映射关系的学习，并根据学习到的映射关系对无参图像质量评价，能够有效的解决无参图像质量评价准确度低的问题，本发明具有泛化能力强，图像评估准确性高的优点。
-
公开(公告)号：CN116127132B
公开(公告)日：2025-04-11
申请号：CN202310199160.2
申请日：2023-03-03
Applicant: 西安电子科技大学
IPC: G06F16/783 , G06V20/40 , G06F40/289 , G06V10/80 , G06V10/82 , G06F40/30 , G06N3/08 , G06N3/0442
Abstract: 本发明公开了一种基于跨模态文本相关注意力的时序语言定位方法，主要解决现有技术在的文本与视频跨模态融合中缺乏语义相关性的问题。其方案为：获取训练数据集和测试数据集，并提取训练数据集的视频及文本特征；构建基于跨模态文本相关注意力的时序语言定位模型，利用文本特征与视频特征进行融合获取融合特征，使用文本语义信息与融合特征注意力的交互，实现视频的时序定位；使用训练数据集的视频及文本特征对时序语言定位模型进行训练；将测试数据集输入到训练好的时序语言定位模型得到跨模态文本相关注意力的时序语言定位结果。本发明能在各种复杂的跨模态视频中检索出丰富的相关特征信息、提高了检索精度，可用于检索视频中对应于文本的片段。
-
公开(公告)号：CN119785034A
公开(公告)日：2025-04-08
申请号：CN202411988517.6
申请日：2024-12-31
Applicant: 西安电子科技大学
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0895 , G06N3/0464 , G06N3/0455
Abstract: 本发明提出了一种基于交叉伪监督的医学图像分割方法，实现步骤为：获取训练和测试样本集；构建基于强弱扰动一致性的交叉伪监督的医学图像分割网络模型并对其进行迭代训练；获取医学图像分割结果。本发明通过第一支网络对弱扰动后的样本进行强扰动再进行图像级强扰动分割，同时第二支网络对弱扰动后的样本进行特征级强扰动分割，并通过交叉伪监督模块分别计算图像级和特征级强扰动分割子网络的交叉伪监督损失，实现了强弱扰动一致性，避免了现有技术过分依赖弱扰动导致的训练偏差累积的缺陷，能够更好地学习图像中复杂的边缘特征，与现有技术相比，有效提高了分割精度。
-
公开(公告)号：CN119672001A
公开(公告)日：2025-03-21
申请号：CN202411760781.4
申请日：2024-12-03
Applicant: 西安电子科技大学
IPC: G06T7/00 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于信息传递VIT的无参考图像质量评价方法，包括以下步骤；步骤1：从公开图像质量评价数据集中随机选取图像；图像作为训练样本集B和测试样本集C；步骤2：构建基于信息传递VIT的无参考图像质量评价网络模型S，将所述图像输入无参考图像质量评价网络模型S中，用于预测图像质量分数；步骤3，对基于信息传递VIT的无参考图像质量评价模型进行迭代训练；步骤4，获取图像的无参考质量评价结果，得到图像质量分数。本发明将图像特征信息在各层之间完成交互及整合，并在此基础上预测图像质量分数。
-
公开(公告)号：CN114565594B
公开(公告)日：2024-11-01
申请号：CN202210209818.9
申请日：2022-03-04
Applicant: 西安电子科技大学
IPC: G06T7/00 , G06T5/70 , G06T5/50 , G06T7/11 , G06T9/00 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/088
Abstract: 本发明公开了一种基于软掩膜对比损失的图像异常检测方法，主要解决现有技术异常检测种类少，检测精度差的问题。其方案是：利用超像素分割算法与高斯噪声对MVTec数据集进行处理，得到合成图像训练数据集；搭建由重建自编码器和掩膜自编码器组成的异常检测模型，并使用L2误差损失作为掩膜自编码器的损失函数，使用L2误差损失与软掩膜对比损失作为重建自编码器的损失函数；利用合成图像训练数据集对其掩膜编码器和重建自编码器进行交替训练，直至各自的损失函数收敛；将测试图像输入到训练好的图像异常检测模型，得到图像异常检测与定位的结果。本发明异常识别种类多，检测精度高，可用于工业品瑕疵检测、医疗辅助诊断、视频违规行为检测。
-
-
-
-
-
-
-
-
-
Search Results
171
records
(took 0.061 seconds)
