公开(公告)号：CN113962926A

公开(公告)日：2022-01-21

申请号：CN202111000467.2

申请日：2021-08-29

Applicant: 安徽大学

Inventor： 刘政怡 ,  朱斌 ,  张子森 ,  李炜 ,  姚晟

IPC: G06T7/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T7/13 ,  G06T7/194 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种边缘指导的伪装物体检测神经网络模型，对输入图像进行前景和背景特征提取，产生前景图和背景图，受伪装前景真值图和伪装背景真值图监督；对所述提取的前景特征和背景特征进行减法操作，获得边缘特征；所述边缘特征进行边缘解码产生边图，受边缘真值图监督；所述边缘解码采用的方式为高层边缘特征上采样后与相邻低层边缘特征级联后卷积，逐层解码；所述前景特征结合边缘特征进行边缘指导的前景解码产生伪装图，受伪装前景真值图监督；所述边缘指导的前景解码采用的方式为边缘特征与前景特征级联后乘以高层伪装图，逐层解码。所述模型经过伪装物体检测训练集的训练，用于检测任意图像中的伪装物体，输出第一层的伪装图。

公开(公告)号：CN104361295A

公开(公告)日：2015-02-18

申请号：CN201410648782.X

申请日：2014-11-14

Applicant: 安徽大学

Inventor： 谢晴晴 ,  仲红 ,  王良民 ,  姚晟 ,  常芬 ,  龚冉 ,  陆尤静

IPC: G06F21/62 ,  G06F21/64 ,  G06F17/30

CPC classification number: G06F21/6227 ,  G06F17/30964 ,  G06F21/64

Abstract: 本发明公开一种基于云平台的车联网RSU数据查询验证方法，包括以下步骤：数据采集并树形处理、数据签名、将数据上传至云服务器、数据证据生成、数据不可否认交互、数据验证和交互纠纷仲裁。本发明中的数据验证流程能够高效使用计算资源，尤其在签名不合法的情况下更是能够大幅度减少无意义的计算代价，在云服务器和客户端的交互阶段引入可信任的隐藏方，采用不可否认协议解决客户端雨云服务器之间由不诚信所带来的纠纷问题，使得客户端无法抵赖其已收到相应服务，同时避免了云服务器否认向客户端提供了错误结果的情况，从而保障了云服务器和客户端的合法权益。

公开(公告)号：CN113822855B

公开(公告)日：2024-10-15

申请号：CN202110933152.7

申请日：2021-08-11

Applicant: 安徽大学

Inventor： 刘政怡 ,  张志立 ,  谭亚诚 ,  唐彬 ,  姚晟 ,  李炜

IPC: G06T7/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06T5/50 ,  G06T9/00

Abstract: 本发明公开了一种RGB‑T图像显著目标检测方法，包括以下步骤：从RGB‑T图像中提取RGB特征和Thermal特征，产生对应初始显著图，利用初始显著图增强所述RGB特征和Thermal特征后，实施独立解码，产生RGB和Thermal独立解码特征、独立解码显著图；融合所述RGB和Thermal独立解码特征，形成RGB‑T融合特征后，实施联合解码，产生联合解码显著图；利用显著图真值监督独立解码显著图、联合解码显著图，通过训练数据集的训练，形成RGB‑T图像显著目标检测模型，所述模型检测任意一张RGB‑T图像，输出联合解码显著图。所述方法通过独立解码兼顾RGB颜色图像和Thermal热红外图像各自的独特性，通过联合编码减少RGB颜色图像和Thermal热红外图像二者之间的差异，提高检测性能。

公开(公告)号：CN113537326B

公开(公告)日：2024-06-25

申请号：CN202110760504.3

申请日：2021-07-06

Applicant: 安徽大学

Inventor： 刘政怡 ,  汪远 ,  张志立 ,  檀亚诚 ,  姚晟

IPC: G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种RGB‑D图像显著目标检测方法，包括以下步骤：提取RGB和Depth图像特征，同时实施融合形成RGBD融合特征，将其划分为高层RGBD融合特征及低层RGBD融合特征；利用三个Transformer增强所述高层RGBD融合特征，形成高层RGBD增强特征；三流解码所述高层RGBD增强特征，通过与低层RGBD融合特征的结合，形成RGBD细化特征；融合所述RGBD细化特征形成显著图；本发明检测方法利用Transformer增强高层特征，准确获取显著物体的位置信息，并利用三流融合，融入低层特征，细化显著物体轮廓细节；通过卷积神经网络和Transformer的结合、全局和局部的优化，产生精度高的显著图。

公开(公告)号：CN116433969A

公开(公告)日：2023-07-14

申请号：CN202310303332.6

申请日：2023-03-24

Applicant: 安徽大学

Inventor： 赵鹏 ,  薛惠慧 ,  姚晟 ,  李麟

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/088

Abstract: 本发明提供了一种零样本图像识别方法、系统及可存储介质，包括：获取数据集；设计注意力机制提取可见类图像的鉴别性视觉特征；对属于同一个可见类别的所有图像做均值操作以获得该可见类的视觉原型；通过迁移可见类和不可见类之间的语义属性关系来获得不可见类的视觉原型；利用类视觉原型之间的关系构建视觉原型图，并初始化节点表示；设计编码器进行节点信息的传播和聚合以获得新的潜在空间；利用可见类图像以及标签训练模型；利用训练好的模型对不可见类图像进行预测。本发明通过注意力机制以及类别之间的语义关系获得所有类的视觉原型表示，再经过视觉原型图传播获得判别潜在空间，在潜在空间中进行分类，提高了分类准确率。