-
公开(公告)号：CN105677700A
公开(公告)日：2016-06-15
申请号：CN201510980148.0
申请日：2015-12-23
Applicant: 武汉工程大学
IPC: G06F17/30
CPC classification number: G06F17/3087
Abstract: 本发明公开了一种基于集合运算的中文地址行政区划解析方法，该方法包括以下步骤：首先利用行政区划字典和移动窗口最大匹配算法，从中文地址中提取所有可能的行政区划数据集，然后利用中文地址行政区划元素之间具有层次关系的特点，建立行政区划条件集合运算规则，最后对行政区划集合进行条件集合运算，得到信息量最完整最准确的中文地址的行政区划。本发明方法解决了在互联网中中文地址数据混乱无序的情况下快速解析出中文地址行政区划的问题，并能得到信息量最完整最准确的中文地址的行政区划解析结果。
-
公开(公告)号：CN104700078A
公开(公告)日：2015-06-10
申请号：CN201510081168.4
申请日：2015-02-13
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于尺度不变特征极限学习机的机器人场景识别算法，该方法包括以下步骤:首先，利用尺度不变特征表达机器人视觉图像的场景，其次使用K均值聚类算法实现机器人场景图像表达码本，最后利用极限学习机算法建立机器人视觉场景图像和场景标签之间的映射关系。本方法利用了极限学习机的优点，降低了传统神经网络的参数估计和优化的复杂度，进一步缩短了训练时间和提高了机器人场景图像的识别率。
-
公开(公告)号：CN104657718A
公开(公告)日：2015-05-27
申请号：CN201510078423.X
申请日：2015-02-13
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于人脸图像特征极限学习机的人脸识别方法，该方法包括以下步骤：对原始图像进行预处理；对样本进行主成分分析得到特征脸谱，将图像投影到特征域；然后利用极限学习机算法建立人脸图像和人脸标签之间的映射关系；最后利用极限学习机推导输入人脸图像的标签属性。本方法利用了极限学习机的优点，降低了传统神经网络的参数估计和优化的复杂度，进一步缩短了训练时间和提高了人脸图像的识别率。
-
公开(公告)号：CN104637060A
公开(公告)日：2015-05-20
申请号：CN201510078434.8
申请日：2015-02-13
Applicant: 武汉工程大学
CPC classification number: G06T5/002
Abstract: 本发明公开了一种基于邻域主成分分析-拉普拉斯的图像分割方法，该方法对原始图像进行主成分分析，得到每个像素的特征向量，提取图像的主要成分，有效的抑制了噪声；然后，用拉普拉斯算子对图像进行边缘检测，从而实现对图像的分割。与传统的Sobel算子和LOG算子分割算法相比，该方法通过对图像像素进行主成分分析，来估计去噪过程中的参数值，而不依赖于经验值，能有效的降低噪声对图像的干扰，简化了计算复杂度。实验结果表明，该方法能够有效的改善图像的分割效果，在准确性和稳健性上具有较强的优越性。
-
-
Patent Agency Ranking
公开(公告)号：CN114219742B
公开(公告)日：2025-02-18
申请号：CN202111055117.6
申请日：2021-09-09
Applicant: 武汉工程大学 , 武汉逸锦科技有限公司
IPC: G06T3/4038 , G06T3/4046 , G06T5/50 , G06T5/60 , G06T5/40 , G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明提供了一种联合流形约束和FB‑GAN的人脸变形方法和系统，通过使用生成对抗神经网络设计出端到端的人脸图像拼接对抗网络FB‑GAN，实现了在人脸变形过程中生成高分辨率的人脸图像的功能。本发明通过人脸变形算法生成高分辨率的人脸图像，解决了传统变形中人脸嘴巴从闭合到张开所导致的嘴巴“扭曲”或“空洞”问题。本发明解决了人脸拼接问题中的颜色差异较大而导致的拼接效果较差的问题，提高了人脸生成图像的真实性。
-
公开(公告)号：CN119180997A
公开(公告)日：2024-12-24
申请号：CN202311519338.3
申请日：2023-11-13
Applicant: 武汉工程大学
IPC: G06V10/774 , G06V10/40 , G06V10/80 , G06V20/13 , G06V20/40
Abstract: 本申请提供一种目标检测模型训练方法、装置、电子设备及存储介质，涉及计算机处理技术领域。方法包括：获取用于模型训练的数据集，将数据集输入待训练的初始检测模型中的特征提取网络，以对样本图像进行多尺度特征提取和注意力特征提取，得到每个样本图像对应的多个多尺度特征图；将各个多尺度特征图输入初始检测模型中的检测头，得到样本图像对应的检测结果，然后获取检测结果中每个待检测目标和每个待检测目标对应的真实目标之间的损失值，判断损失值是否满足预设模型收敛条件，若满足，则将满足预设模型收敛条件的初始检测模型作为目标检测模型。如此，可以改善传统目标识别类模型对视频卫星图像中的小目标检测精度低、效果差的问题。
-
公开(公告)号：CN113850720B
公开(公告)日：2024-12-24
申请号：CN202111051524.X
申请日：2021-09-08
Applicant: 武汉工程大学
IPC: G06T3/4053 , G06T3/4046 , G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明提供了一种基于元学习优化网络的人脸超分辨率方法及系统，通过元学习优化网络将训练阶段学到的多种降质过程的内在特征联系用在测试的未知降质过程，解决了目前人脸超分辨率重建算法在图像退化类型未知时，人脸图像重建性能存在一定的局限性的技术问题，提高了人脸图像的重建性能。本发明利用元学习能够快速学习一项新任务的特性，使网络通过对训练任务的经验学习来达到在新的测试任务上的良好超分性能。本发明能够应对降质过程未知时人脸图像超分辨率性能下降问题，生成更高质量的人脸高分辨率图像。
-
公开(公告)号：CN119169402A
公开(公告)日：2024-12-20
申请号：CN202311515863.8
申请日：2023-11-13
Applicant: 武汉工程大学
Abstract: 本申请提供一种船舶检测模型训练方法、装置、电子设备及存储介质，涉及计算机处理技术领域。方法包括：获取用于模型训练的数据集；将数据集中的样本图像输入待训练的初始检测模型中的骨干网络进行多尺度特征提取，得到每个样本图像对应的不同尺度的多个尺度特征图；将多个尺度特征图输入初始检测模型中的特征提取网络，得到第一特征图和第二特征图；将各个第一特征图和第二特征图输入检测头，得到样本图像对应的检测结果，最后根据检测结果对初始检测模型进行参数调整和迭代训练，直至初始检测模型满足预设模型收敛条件。如此，改善传统船舶检测方式存在小目标检测结果不准确、易漏检的问题。
-
公开(公告)号：CN118443028A
公开(公告)日：2024-08-06
申请号：CN202410625022.0
申请日：2024-05-20
Applicant: 武汉工程大学 , 武汉市烽视威科技有限公司 , 武汉烽火技术服务有限公司
Abstract: 本申请提供一种巡检机器人导航方法、装置、电子设备及存储介质，涉及机器人导航技术领域。方法包括：通过部署在巡检机器人上的感知设备进行数据采集，以获取不同感知设备对周边环境感知得到的环境感知数据，并根据环境感知数据构建巡检地图；对环境感知数据进行预处理，得到每种感知设备对应的里程计数据；根据各个里程计数据对巡检机器人进行状态评估，得到巡检机器人的第一位姿状态；获取不同环境感知数据转换为里程计数据时产生的预设误差，并根据预设误差对第一位姿状态进行优化，确定第二位姿状态；从位置信息中获取目标路径，并控制巡检机器人沿目标路径移动。如此，可以改善传统的机房巡检方式存在效率低、易出错的问题。
-
-
-
-
-
-
-
-
-
Search Results
188
records
(took 0.028 seconds)
