公开(公告)号：CN118784826A

公开(公告)日：2024-10-15

申请号：CN202410821964.6

申请日：2024-06-25

申请人： 长春理工大学重庆研究院

发明人： 葛微 ,  范晶晶 ,  李国宁 ,  李光日 ,  刘妍妍 ,  王春阳 ,  于国栋 ,  刘云清 ,  于永吉 ,  冯国旭 ,  韩登 ,  张萌

IPC分类号： H04N17/02

摘要： 本发明属于图像处理技术领域，是一种基于视觉补偿感知的无参考质量评价方法，其过程如下：首先，设计包含视觉补偿感知特征提取和图像感知增强模块的网络模型，以更好地捕捉和补偿图像中的视觉失真。该模型通过模拟人眼视觉系统，对图像的细节和整体感知进行优化，提升模型对失真图像的敏感度和处理能力。其次，通过传入失真图像及其高质量参考图像，训练网络模型。模型通过学习这些图像之间的差异，逐步调整网络参数，以最小化质量评分的预测误差，确保模型在各种失真情况下的鲁棒性。训练过程中采用了多种优化算法和损失函数，以提高模型的收敛速度和预测精度。最后，通过一系列评估指标全面评估模型性能，确保其质量和一致性。

公开(公告)号：CN116739880A

公开(公告)日：2023-09-12

申请号：CN202310684651.6

申请日：2023-06-09

申请人： 长春理工大学重庆研究院

发明人： 詹伟达 ,  姜靖恒 ,  郭人仲 ,  朱德鹏 ,  刘大鹍 ,  李国宁

IPC分类号： G06T1/20 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/774

摘要： 本发明属于硬件加速技术领域，尤其为一种基于FPGA的红外车辆检测加速器的加速方法，该方法包括以下步骤：步骤1，构建卷积神经网络模型：整个卷积神经网络结构是由五个卷积块和一个上采样块组成，其中第一到第三个卷积块由卷积层、最大池化层和激活函数组成，第四个卷积块和第五个卷积块由卷积层、归一化层和激活函数组成。本发明，将计算量大，耗时久的卷积运算替换成计算量小、计算复杂度低的矩阵乘法运算，考虑到FPGA中加法的运算速度快于乘法运算，再将矩阵乘法运算中出现的乘法用速度更快的加法代替，大大提升运算速度，进而提升加速器的运算速度，实现更好的加速效果。

公开(公告)号：CN116485934A

公开(公告)日：2023-07-25

申请号：CN202310477749.4

申请日：2023-04-28

申请人： 长春理工大学重庆研究院

发明人： 詹伟达 ,  陈宇 ,  葛薇 ,  唐雁峰 ,  李国宁

IPC分类号： G06T11/00 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/094 ,  G06N3/088

摘要： 本发明属于图像处理技术领域，尤其为一种基于CNN和ViT的红外图像彩色化方法，该方法包括如下步骤：S1，构建网络模型：整个生成对抗网络包括生成器和鉴别器；S2，准备数据集：对整个生成对抗网络先用红外图像数据集一进行训练；S3，训练网络模型：训练红外图像彩色化模型，将S2中准备好的数据集进行预处理，调整数据集中每个图像的尺寸，固定输入图像的大小，将处理好的数据集输入到S1中构建好的网络模型中进行训练。本发明采用的网络结构是基于CNN和ViT的生成对抗网络结构，结合了CNN获取局部特征和ViT捕获长程依赖关系的优点，获得更大的感受野，降低了计算复杂度，充分利用了全局信息和局部信息，提高了彩色化能力，能够生成高质量的彩色化图像。