-
公开(公告)号：CN113688722B
公开(公告)日：2024-03-22
申请号：CN202110971334.3
申请日：2021-08-21
Applicant: 河南大学
IPC: G06V40/20 , G06V40/10 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了基于图像融合的红外行人目标检测方法，其步骤为：1.建立红外行人目标检测数据集；2.使用训练过的Densefuse网络融合图像；3.构建并训练基于图像融合的YOLOv5红外行人目标检测模型；本发明使用Densefuse网络来融合构建的红外行人目标检测数据集中的可见光图像和红外图像对，加强了图像的质量并减少了冗余信息，得到了一个信息更加丰富的红外行人目标检测数据集；通过使用融合后的红外行人检测数据集来训练基于图像融合的YOLOv5红外行人目标检测模型，得到收敛良好的基于图像融合的YOLOv5红外行人目标检测模型，从而提高了红外图像行人目标检测精度。
-
公开(公告)号：CN117556094A
公开(公告)日：2024-02-13
申请号：CN202311733053.X
申请日：2023-12-15
Applicant: 河南大学
IPC: G06F16/901 , G06F16/903
Abstract: 本发明涉及数据处理技术领域，具体涉及一种基于二次哈希开链的图精准搜索方法，该方法包括：遍历图数据库中所有图的路径节点；利用双哈希的方法完成索引构建；遍历查询图数据库中的图路径节点；利用初始索引特征先验剪枝；采用路径合成的方法筛选出最终的候选集。本发明利用二次哈希以及开链法对所需要筛选的候选集进行筛选或定位，使得大规模图数据库的图搜索算法在很多高科技领域取得应用，极大地处理了常规哈希中存在的时间冲突，减少图搜索过程中过滤阶段产生的耗时，从而改善搜索速度，并在一定程度上减少索引构建的时间，并提高了模型整体特征提取能力。
-
公开(公告)号：CN115439565A
公开(公告)日：2022-12-06
申请号：CN202210996920.8
申请日：2022-08-18
Applicant: 河南大学
Abstract: 本发明提供了一种基于Transformer的图像压缩方法，主要包括如下步骤：构建基于Transformer的深度图像压缩模型；建立用于深度压缩模型的训练集、验证集和测试集；最后将处理好的深度图像压缩数据集送入构建好的基于Transformer深度图像压缩模型进行训练；通过预设方式对基于Transformer深度图像压缩模型进行优化，并重复迭代训练及优化的过程，直至损失函数趋近于恒定值时停止迭代训练并输出优化后的基于Transformer深度图像压缩模型；利用训练好的Transformer深度图像压缩模型对图像进行压缩和重建并对压缩结果进行评价或进一步对其进行分析和理解。本发明所述方法使用了先进的Transformer特征提取网络显著提升压缩图像的质量，并在很大程度上节省图像存储开销。本发明在图像存储、传输、分析等领域具有重要的应用价值。
-
公开(公告)号：CN111145276A
公开(公告)日：2020-05-12
申请号：CN201911313423.8
申请日：2019-12-18
Applicant: 河南大学
Abstract: 本发明提供了一种基于深度学习和分布式信源编码的高光谱图像压缩方法，包括以下步骤：步骤1：构建高光谱图像显著性检测深度学习网络模型；步骤2：提取待压缩的高光谱图像的谱段分组与关键帧；步骤3：提取待压缩的高光谱图像的谱段组局部显著性特征；步骤4：得到该谱段组的全局显著性映射图；步骤5：得到待压缩的高光谱图像的谱段组的感兴趣区域；步骤6：对谱段组的感兴趣区域进行分布式压缩；步骤7：得到高光谱图像的压缩编码；本发明克服了现有技术中难以解决的场景显著性深层次表征问题的缺点，具有精确压缩有用信息的优点；本发明克服了现有技术中高光谱图像压缩效率低缺点，具有快速实现压缩的优点。
-
公开(公告)号：CN105225841A
公开(公告)日：2016-01-06
申请号：CN201510647275.9
申请日：2015-10-09
Applicant: 河南大学
CPC classification number: Y02E10/542
Abstract: 本发明公开了一种染料敏化太阳能电池NiO光阴极的制备方法，其在NiO水溶胶中添加乙基纤维素或羧甲基纤维素等有机物，利用刮涂、丝网印刷技术制备厚度300nm－1.6μm的NiO纳米晶多孔薄膜，然后利用CdSe1-xSx量子点敏化该NiO薄膜得到染料敏化太阳能电池NiO光阴极。通过调控Se、S的比例来控制光阴极吸收太阳光的波长范围，从而制备不同光吸收波段的光阴极。制备所得光阴极经优化后，光电转换效率可达1.02%。
-
Patent Agency Ranking
公开(公告)号：CN102097216A
公开(公告)日：2011-06-15
申请号：CN201110058706.X
申请日：2011-03-11
Applicant: 河南大学
CPC classification number: Y02E10/542 , Y02E10/549
Abstract: 本发明提供了一种制备染料敏化太阳能电池新型光阳极-Bi4Ti3O12光阳极的方法。该方法采用溶胶沉淀法与高压水热法相结合，制备Bi4Ti3O12粉末颗粒。将Bi4Ti3O12粉末、乙基纤维素与正丁醇混合制备浆料，涂敷在透明导电玻璃衬底上(ITO)，之后利用N3染料敏化，制备Bi4Ti3O12光阳极。本发明所制备的Bi4Ti3O12光阳极的I-V特性与TiO2、ZnO、SnO2等简单半导体氧化物相似，表明Bi4Ti3O12可以用作染料敏化太阳能电池的光阳极材料。
-
公开(公告)号：CN101866758A
公开(公告)日：2010-10-20
申请号：CN201010172036.X
申请日：2010-05-10
Applicant: 河南大学
CPC classification number: Y02E10/542 , Y02E10/549
Abstract: 本发明提供了一种染料敏化太阳能电池光阳极电子传输性能的评价方法。该方法的关键在于采用三明治结构薄层电池，在一定的负偏压下，测定纳晶TiO2多孔薄膜光阳极的交流阻抗，通过提出的新型交流阻抗模型对阻抗图谱进行模拟，得到光阳极电子传输阻抗，可以实现对纳晶TiO2多孔薄膜的电子传输性能进行评价。本发明克服了现有光阳极电子传输阻抗测试需要大型测试仪器和严格实验环境的弊端。可以对染料敏化太阳能电池采用的纳晶多孔光阳极进行在线、原位监测。
-
公开(公告)号：CN119149482A
公开(公告)日：2024-12-17
申请号：CN202411014573.X
申请日：2024-07-26
Applicant: 河南大学
IPC: G06F15/78 , G06V10/764 , G06V10/40 , G06V10/774
Abstract: 本发明公开了一种面向YOLOv5枣类创伤目标检测的FPGA硬件加速系统、方法、存储介质和电子设备，包括ARM端、FPGA端、AXI总线以及外部存储设备SD卡；ARM端负责读取DDR中的数据、各个模块初始化、调度整个YOLOv5算法网络的前向推理、Yolo Head检测和非极大值抑制得到检测框；FPGA端主要包括步长为2和1的3×3卷积IP、步长为1的1×1卷积IP、上采样IP、步长为2的5×5最大池化IP以及矩阵加法IP；ARM端和FPGA端通过AXI总线连接。本发明通过采用了单个计算单元分时复用的架构，同时采用了最大分块传输计算的策略，极大地减少了FPGA资源量的占用，具有较高的可靠性和实时性。
-
公开(公告)号：CN113688723B
公开(公告)日：2024-03-19
申请号：CN202110971335.8
申请日：2021-08-21
Applicant: 河南大学
IPC: G06V40/20 , G06V40/10 , G06V10/762 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种基于改进YOLOv5的红外图像行人目标检测方法，通过拓展和迭代特征提取网络浅层CSP模块、在残差块中加入改进的注意力模块、增加多尺度目标检测层，接下来下载并处理KAIST数据集，构建用于模型训练的训练集、验证集和测试集，最后将预处理后的KAIST数据集送入构建好的基于改进YOLOv5的红外行人目标检测模型进行模型的训练、测试、评估；在模型构建阶段，拓展的CSP和引入的注意力机制更有利于提取行人特征，增加的检测层，有助于实现对远距离小目标的检测。在训练阶段，将送入的数据集中不包含行人目标的红外图像进行删除，以免干扰模型的训练，加速网络收敛。在评估阶段，通过调整模型的宽度和深度，优化模型的精确度和速度，以满足实际应用的需求。
-
公开(公告)号：CN114463176B
公开(公告)日：2024-03-01
申请号：CN202210098160.9
申请日：2022-01-25
Applicant: 河南大学
IPC: G06T3/4053 , G06T3/4046 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0499 , G06N3/084 , G06N3/0475 , G06N3/094 , G06N3/048
Abstract: 本发明公开一种基于改进ESRGAN的图像超分辨重建的方法，其步骤为：建立超分辨图像数据集；构建基于改进ESRGAN的图像超分辨重建深度学习模型；训练改进ESRGAN的图像超分辨重建深度学习模型；测试模型的性能；评估模型；判断模型评估结果；修正基于改进ESRGAN的图像超分辨重建深度学习模型的参数；调用模型进行检测。本发明通过在ESRGAN的生成器（G）中加入胶囊网络，使其更能“理解”图像，表达能力较强，通过胶囊建立了图像三维之间的关系，输出的向量也可以反应图像状态。通过加入残差注意力机制，使模型生成的特征更具判别度，能持续提高模型的性能。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.022 seconds)
