-
公开(公告)号:CN118314353B
公开(公告)日:2024-08-30
申请号:CN202410740970.9
申请日:2024-06-11
申请人: 长春理工大学
IPC分类号: G06V10/26 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/80 , G06V10/82 , G06V20/10
摘要: 本发明属于遥感图像处理技术领域,尤其为一种基于双分支多尺度特征融合的遥感图像分割方法,包括如下步骤:步骤1,构建网络模型:整个双分支多尺度特征融合网络由双编码器‑解码器构成,编码器部分使用ResNet50作为多尺度特征提取的主干,具体包括堆叠残差模块、特征增强模块、细节保留模块、金字塔池化下采样模块和特征融合模块。本发明采用双分支多尺度融合网络,将原始编码‑解码网络中的编码器模块用CNN和Transformer两个并行分支来替代,CNN和Transformer分别提取不同分辨率下的局部特征和全局特征,用于提取多尺度特征图,高效提取和融合高分辨率遥感图像的局部信息和多尺度全局上下文信息,使全局‑局部信息整合充分。
-
公开(公告)号:CN118024927B
公开(公告)日:2024-09-17
申请号:CN202410103398.5
申请日:2024-01-25
申请人: 长春理工大学
摘要: 本发明属于充电桩控制系统领域,尤其为一种结合多目标粒子群算法的充电桩充电控制系统及装置,包括如下步骤:步骤1,信息采集:获取电动汽车信息,充电桩信息以及电网信息;步骤2,智能运算:结合充电桩的工作状态、用户的历史充电记录和充电需求得到电动汽车的充电方案。本发明提出一种结合电动汽车相关充电信息、用户充电要求信息、充电桩工作状态、区域配电网负荷状态等信息的充电桩充电控制系统与装置,在满足用户预定的条件下制定有序充电策略,对每个电动汽车进行不同的充电时间、充电方式的安排,解决了在充电高峰期区域电网负荷过载的问题,减少大量电动汽车同时充电的情况的同时满足用户的充电要求,并减小用户的充电花销。
-
公开(公告)号:CN118314353A
公开(公告)日:2024-07-09
申请号:CN202410740970.9
申请日:2024-06-11
申请人: 长春理工大学
IPC分类号: G06V10/26 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/80 , G06V10/82 , G06V20/10
摘要: 本发明属于遥感图像处理技术领域,尤其为一种基于双分支多尺度特征融合的遥感图像分割方法,包括如下步骤:步骤1,构建网络模型:整个双分支多尺度特征融合网络由双编码器‑解码器构成,编码器部分使用ResNet50作为多尺度特征提取的主干,具体包括堆叠残差模块、特征增强模块、细节保留模块、金字塔池化下采样模块和特征融合模块。本发明采用双分支多尺度融合网络,将原始编码‑解码网络中的编码器模块用CNN和Transformer两个并行分支来替代,CNN和Transformer分别提取不同分辨率下的局部特征和全局特征,用于提取多尺度特征图,高效提取和融合高分辨率遥感图像的局部信息和多尺度全局上下文信息,使全局‑局部信息整合充分。
-
公开(公告)号:CN118024927A
公开(公告)日:2024-05-14
申请号:CN202410103398.5
申请日:2024-01-25
申请人: 长春理工大学
摘要: 本发明属于充电桩控制系统领域,尤其为一种结合多目标粒子群算法的充电桩充电控制系统及装置,包括如下步骤:步骤1,信息采集:获取电动汽车信息,充电桩信息以及电网信息;步骤2,智能运算:结合充电桩的工作状态、用户的历史充电记录和充电需求得到电动汽车的充电方案。本发明提出一种结合电动汽车相关充电信息、用户充电要求信息、充电桩工作状态、区域配电网负荷状态等信息的充电桩充电控制系统与装置,在满足用户预定的条件下制定有序充电策略,对每个电动汽车进行不同的充电时间、充电方式的安排,解决了在充电高峰期区域电网负荷过载的问题,减少大量电动汽车同时充电的情况的同时满足用户的充电要求,并减小用户的充电花销。
-
公开(公告)号:CN117611445A
公开(公告)日:2024-02-27
申请号:CN202311648534.0
申请日:2023-12-05
申请人: 长春理工大学
IPC分类号: G06T3/4053 , G06T3/4007 , G06T3/4046 , G06V10/44 , G06V10/75 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
摘要: 本发明属于计算机视觉中的红外图像超分技术领域,尤其为一种跨模态超分辨率重建方法,包括如下步骤,步骤1,数据集预处理:准备相同场景的红外与可见光图像对,将可见光图像转换为灰度图像,将红外数据集使用DDE增强,提高对比度;再将所有图像进行数据增广,最后将三种图像进行粗配准,方便后续特征纹理提取任务的训练。本发明,通过基于对比学习的方法构建跨模态补充红外图像纹理信息的方法,这种方法不依赖人工设计,在红外与可见光图像之间引入灰度图像作为连接点,有效的减少色彩因素导致的可见光与红外图像纹理不匹配的影响。
-
-
-
-