-
公开(公告)号：CN118429622A
公开(公告)日：2024-08-02
申请号：CN202410611543.0
申请日：2024-05-16
Applicant: 安徽大学
IPC: G06V10/25 , G06V20/40 , G06V10/40 , G06V20/70 , G06V10/52 , G06V10/80 , G06V10/82 , G06V10/26 , G06V20/17 , G06N3/0499 , G06N3/048 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了基于河流信息引导的污染物高精度目标检测方法及系统，方法包括：提取含有污染问题的河流视频区段，提取视频帧；将视频帧输入SAM模型的图片编码器得到图像特征嵌入，将文本描述输入Grounding DINO模型，Grounding DINO模型的输出结果输入到SAM模型的提示编码器得到提示特征嵌入；将图像特征嵌入以及提示特征嵌入均输入区域解耦模块得到先验增强特征；将视频帧输入检测器骨干网络获得多尺度特征；将先验增强特征与多尺度特征分别采用FFM模块进行融合得到多尺度融合特征；将多尺度融合特征均输入检测头，对污染物进行识别；本发明的优点在于：减少人力物力，且检测精度高。
-
公开(公告)号：CN113837296B
公开(公告)日：2024-05-31
申请号：CN202111144930.0
申请日：2021-09-28
Applicant: 安徽大学
IPC: G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 一种基于两阶段融合结构搜索的RGBT视觉跟踪方法及系统，属于计算机视觉技术领域，解决如何为基于鲁棒实例表示的RGBT跟踪找到最佳的融合网络结构，从而进一步提高跟踪性能的问题，本发明的技术方案在离线搜索阶段，为了提取对光照变化、运动模糊和尺度变化等各种挑战具有鲁棒性的共享特征表示，引入了多域学习框架来离线搜索通用融合空间中的融合网络结构。在线跟踪阶段，从实例感知的融合空间中，在线搜索每个视频序列的融合结构以应对特定于实例的挑战；这种两阶段搜索算法可以动态更新视频融合策略，从而为基于鲁棒实例表示的RGBT跟踪找到合适的融合网络结构，进一步提高跟踪性能。
-
公开(公告)号：CN117393100B
公开(公告)日：2024-04-05
申请号：CN202311688317.4
申请日：2023-12-11
Applicant: 安徽大学
Abstract: 本发明提供一种诊断报告的生成方法、模型训练方法、系统、设备及介质。训练方法包括：获取含病变标签和诊断报告的第一类医学影像图片、含病变标签标注的第二类医学影像图片、不含病变标签标注的第三类医学影像图片；根据学生模型生成三类医学影像图片对应的第一预测诊断报告、第二预测诊断报告和第三预测诊断报告；根据教师模型生成第三类医学影像图片的第四预测诊断报告；根据文本分类模型生成第一预测诊断报告和第二预测诊断报告的预测病变标签；基于预测病变标签和病变标签、第二预测诊断报告和诊断报告、第三预测诊断报告的第四预测诊断报告，更新学生模型和教师模型的参数，将训练好的学生模型作为诊断报告生成模型。提高了模型的准确率。
-
公开(公告)号：CN117670853A
公开(公告)日：2024-03-08
申请号：CN202311716918.1
申请日：2023-12-14
Applicant: 安徽大学
IPC: G06T7/00 , G06V20/40 , G06V10/80 , G06V10/44 , G06V10/62 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开一种基于领域知识引导的帧质量评估和融合的乳腺超声视频病变检测方法，设计一种基于领域知识引导的评估模块通过充分利用放射科医生的领域知识来学习一个最佳的超声视频帧评估模型，利用超声图像质量评估模块来识别原始视频帧，通过排序后获得高质量的视频帧，以提供超声视频的全局特征；同时本发明提出多级双分支融合模块，用于超声视频病变检测任务，通过将高质量的全局帧与原始视频帧融合，从而结合原始视频帧的局部纹理信息和高质量视频帧的全局语义信息，以提高模型的检测性能。本发明在现有的乳腺超声视频病变检测数据集上取得了较好的效果。
-
公开(公告)号：CN117523357A
公开(公告)日：2024-02-06
申请号：CN202311513284.X
申请日：2023-11-14
Applicant: 安徽大学
IPC: G06V10/82 , G06V10/774 , G06V10/40 , G06V10/80 , G06V10/776 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 本发明公开一种基于自引导和部件自适应融合的多查询网络，获取车辆的图片数据集，构建基于自引导和部件自适应融合的多查询网络，使用基线车辆图片的原始特征，自引导更新模块为每组多个查询更新原始特征，自适应融合模块将更新特征自适应进行融合，通过重识别损失约束单部件融合特征和单部件更新特征，对基于自引导和部件自适应融合的多查询网络上进行训练和验证，再将训练所得最好的基于自引导和部件自适应融合的多查询网络在测试集上进行测试。发明的自引导更新模块利用同一组内多个查询的集体信息来指导单个查询，自适应融合模块能够自适应地融合来自不同查询的相同部分的有效信息；可更细粒度地处理每张照片的信息，增强特征表示并提高辨别能力。
-
Patent Agency Ranking
公开(公告)号：CN117115630A
公开(公告)日：2023-11-24
申请号：CN202311117117.3
申请日：2023-08-30
Applicant: 安徽大学
IPC: G06V20/00 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于循环一致性的强光下多光谱车辆重识别方法，属于车辆重识别技术领域，解决解决强光下的车辆重识别问题；本发明对光谱图像进行数据预处理，提取光谱对应的高维特征，采用强光标签预测器对受到强光污染的图像标记强光伪标签；利用去光斑生成器将强光污染的热红外光谱和受损的光谱融合成去光斑的光谱，以替换受损的光谱；利用强光标签预测器获取的伪标签训练一个图像质量预测器，设计强光感知的交互融合模块，根据图像质量动态调节特征融合过程进行特征级融合；对多光谱进行了图像级融合，并提出了有效的图像级融合框架，使用强光感知的预测模块来自适应调节多分支特征之间的关系，以增强强光不变的有效特征并抑制易受强光干扰的无效特征。
-
公开(公告)号：CN116433536A
公开(公告)日：2023-07-14
申请号：CN202310692966.5
申请日：2023-06-13
Applicant: 安徽大学
Abstract: 本发明提供一种全景图像高精度修复的处理方法，包括：获取全景图像；对所述全景图像依次进行掩膜分割处理、待修复裁剪处理，生成待修复区域图像；对所述全景图像中的所有像素进行分类标记处理，生成分类像素数据集；对窄边边界像素数据集进行邻域像素选取处理，生成窄边邻域像素数据集；对待修复像素以及邻域像素数据集分别依次进行权值函数处理，分别对应生成多个待修复像素灰度值以及多个邻域像素灰度值；以及对所述待修复区域图像进行修复填充处理，生成目标全景图像。通过本发明公开的一种全景图像高精度修复的处理方法以及系统，能够提升全景图像的修复精度，提高全景图像的利用率。
-
公开(公告)号：CN115965956A
公开(公告)日：2023-04-14
申请号：CN202211283052.5
申请日：2022-10-20
Applicant: 安徽大学
IPC: G06V20/62 , G06V10/764 , G06V10/82 , G06V10/77 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于位置注意力的车牌识别方法，属于车牌识别技术领域，包括：将车牌图像输入到卷积神经网络中提取特征得到特征T，使用自适应平均池化将特征T转换成特定大小的第一特征序列T1；将T1降维后得到第二特征序列z；为每个字符位置计算生成一个注意力图αij,将位置注意力图αij与第二特征序列z进行高维矩阵乘得到最终的图片特征ci，将ci经过一个神经网络进行多类别分类操作，得到车牌识别结果。该方法可以高效对车牌字符进行识别。
-
公开(公告)号：CN111274988B
公开(公告)日：2023-03-24
申请号：CN202010085045.9
申请日：2020-02-10
Applicant: 安徽大学
IPC: G06V20/58 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多光谱的车辆重识别方法及装置，所述方法包括：获取可见光特征图、近红外特征图以及热红外特征图；获取各光谱下的类激活图，将各光谱下的类激活图分别通过全局平均池化得到各光谱下的类得分向量；将各光谱下的类得分向量分别通过归一化得到各光谱下的类别预测可能性向量，利用各光谱下的类别预测可能性向量获取各光谱下的损失函数，将各光谱下的损失函数融合获取多流的类别约束损失函数；获取异质协作身份损失函数；获取最终损失函数；训练异质协作感知的多流卷积神经网络，利用训练好的异质协作感知的多流卷积神经网络对车辆进行重识别；本发明的优点在于：能够解决恶劣环境中车辆重识别问题。
-
公开(公告)号：CN115588110A
公开(公告)日：2023-01-10
申请号：CN202211233932.1
申请日：2022-10-10
Applicant: 安徽大学
IPC: G06V10/75 , G06V10/762
Abstract: 本发明提供了一种基于特征匹配的车辆车脸图像对齐方法，属于车脸图像对齐技术领域，包括：获取车脸图像数据集；提取车脸图像数据集中每一张图像的图像特征点，得到每一张车脸图像的车脸图像特征点集合，并对多个车脸图像特征点集合进行特征点匹配；利用DBSCAN算法对车脸图像进行聚类；从每一个类别中选取与本类中其它车脸图像的距离之和最小的样本作车脸模板图像；将待对齐的车脸图像与多个车脸模板图像进行特征点匹配,选取与待对齐的车脸图像相似度最高的车脸模板图像；计算这两组图像特征点集合之间的单应性矩阵；利用单应性矩阵对待对齐的车脸图像进行几何变换，得到车脸图像的对齐结果。该方法可以实现车脸图像的对齐。
-
-
-
-
-
-
-
-
-
Search Results
182
records
(took 0.041 seconds)
