-
公开(公告)号：CN119831877A
公开(公告)日：2025-04-15
申请号：CN202411956222.0
申请日：2024-12-28
Applicant: 河南大学 , 北京空间飞行器总体设计部
IPC: G06T5/60 , G06T5/50 , G06V10/34 , G06V10/774 , G06V10/82
Abstract: 本发明涉及人工智能图像处理技术领域，具体涉及融合背景引导约束的模糊图像扩散复原方法，该方法包括：将背景引导约束融入复原损失中，再结合预训练的扩散生成模块，实现了对模糊图像的复原。为提升复原的准确、真实性，利用生成图像与噪声图像背景之间的相似性对复原过程加以引导形成背景引导约束，改善了复原过程中背景过平滑导致的复原图像不真实的问题。为保持图像中更多的细节和轮廓信息，在复原之后图像的基础上再利用预训练好的扩散生成模块，生成更多图像的细节。最终，提出一个融合背景引导约束的模糊图像复原网络，能够有效缓解噪声、拍摄等因素导致的图像退化，改善图像质量。通过对图像进行复原能够将图像的主体变得更加清晰。
-
公开(公告)号：CN119445232A
公开(公告)日：2025-02-14
申请号：CN202411527294.3
申请日：2024-10-30
Applicant: 河南大学
IPC: G06V10/764 , G06V10/82 , G06V10/766 , G06V10/74 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于梯度平衡与Wasserstein距离的目标检测方法。该方法通过结合梯度平衡技术和Wasserstein距离，实现了对目标的精准定位和微小目标的稳定识别。首先，为提升模型对目标的定位能力，设计了一个基于梯度的样本平衡分类损失函数，通过调整样本的梯度贡献，减缓了非当前目标类的正样本造成的梯度消极影响。进一步地，为缓解模型对小目标位置偏差的敏感性，引入归一化Wasserstein距离，并将其与SIoU度量融合，提出了可调节的回归损失函数。最终，提出了一个基于梯度平衡与Wasserstein距离的损失函数，形成了一种新的目标检测方法。该方法适用于农业方面的气孔检测和医学方面的病变区域识别等任务，为解决复杂场景下的目标检测难题提供了新的思路和解决方案。
-
公开(公告)号：CN119131792A
公开(公告)日：2024-12-13
申请号：CN202411220663.4
申请日：2024-09-02
Applicant: 河南大学
IPC: G06V20/69 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/774
Abstract: 本发明公开了一种渐进融合空间和通道特征的信息智能补偿和压缩方法，并将该方法用于获取叶片气孔表型数据。该方法包括特征提取：采用卷积神经网络提取气孔图像中气孔纹理及语义特征；特征补偿和压缩：通过构建渐进的空间和通道特征补偿和压缩的颈部网络将骨干网络提取出的多尺度特征进行融合，补偿与气孔相关特征的损失并进一步压缩冗余特征。智能检测：将细化后的三个特征图引入到分支解耦的检测头中进行预测，获得气孔表型数据。该方法极大地方便了研究者获取更加准确的作物气孔表型性状数据，对智慧农业的发展起到积极的推动作用。
-
公开(公告)号：CN119493962A
公开(公告)日：2025-02-21
申请号：CN202411609822.X
申请日：2024-11-12
Applicant: 河南大学
IPC: G06F18/20 , G06F18/10 , G06F18/25 , G06F18/214 , G06N3/0895 , G06F18/22 , G06F18/2413
Abstract: 本发明提出了一种基于最优传输驱动的多模态数据整合、匹配与插补方法，该方法构建了一个由最优传输理论驱动的Wasserstein自编码器模型。该模型能够捕捉不同模态数据的复杂分布，并通过正则化潜在空间有效应对特征稀疏性问题。同时，通过基于样本类别的对比学习，模型增强了同类模态间的相似性，从而训练出一个具备强大特征提取和匹配能力的编码器，不仅优化了数据整合与匹配的过程，还显著提高了数据插补的准确性。这一创新方法成功应对了数据科学领域中多模态数据整合与分析的核心挑战，尤其在医学影像、自动驾驶和情感分析等领域，展现出广泛的应用前景和显著的实际价值。
-
-
-
Search Results
4
records
(took 0.026 seconds)
