-
公开(公告)号：CN108921192A
公开(公告)日：2018-11-30
申请号：CN201810517949.7
申请日：2018-05-25
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于测地线距离的异常点检测方法，其包括：输入数据集X；针对数据集X构建邻接图G，利用Dijkstra算法创建测地距离矩阵；针对各样本点计算测地距离ηi以及各点的度deg(xi)；计算平均测地距离设定阈值τ，计算样本点的实际度Rdeg(xi)；判断特殊点和异常点。本发明提高了异常点检测的性能，更好的反应了数据集的结构特征，且可同时检测到异常点和边缘点。此外，本发明的方法受数据分布和数据维度影响较弱，在实际应用中适用范围更广，解决了现有技术对异常点的检测精度不高和对高维数据检测性能不佳的缺陷。
-
公开(公告)号：CN116681679A
公开(公告)日：2023-09-01
申请号：CN202310683187.9
申请日：2023-06-09
Applicant: 成都信息工程大学 , 南充生物医药产业技术研究院
Abstract: 本发明提出基于双分支特征融合注意的医学图像小目标分割方法，尤其涉及医学图像癌变区域和目标器官的分割，主要针对小目标分割精度不高的问题。构建的分割模型主要包括两个核心模块：双分支特征融合模块DFFM和反向注意上下文模块RACM，首先利用双分支特征编码器提取多分辨率特征，然后构建DFFM，聚合全局和局部上下文信息，实现特征间的信息互补，为精确分割小目标提供足够的指导。为了缓解医学图像边界模糊导致的分割精度下降，提出了反向注意上下文模块来增强特征的边缘纹理，本发明采用六个不同的数据集作为训练集，通过实验证明，本发明方法在参数更少，推理速度更快，模型复杂度更低的情况下，其分割精度比现有方法有更好的表现。
-
公开(公告)号：CN113936318A
公开(公告)日：2022-01-14
申请号：CN202111218941.9
申请日：2021-10-20
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于GAN人脸先验信息预测和融合的人脸图像修复方法，本发明方法的神经网络以VAE结构为主干网络，包括两个阶段，首先经过stage‑I阶段的粗修神经网络生成具有人脸结构内容信息的粗糙图像，同时通过融合人脸轮廓，区域和关键点中间特征得到人脸生成指导信息，然后为了更好的考虑人脸结构信息，通过stage‑II阶段的精修神经网络对stage‑I的结果进行精修，在第二生成器中间引入指导信息以实现人脸细节、结构精细化，最终生成自然和谐，结构对称的人脸图像，本发明采用全局和局部两种判别器来做监督，以保证生成更高质量的人脸图像。
-
公开(公告)号：CN110046665A
公开(公告)日：2019-07-23
申请号：CN201910309830.5
申请日：2019-04-17
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明属于通信控制及通信处理技术领域，公开了一种基于孤立森林二分类异常点检测方法、信息数据处理终端；将原始数据集进行初始的静态平均分块，计算块内密度和均值密度；计算出静态分块的各块内密度后，以原数据集的均值密度作为阈值将数据集进行精简；利用节点的递归方法构建孤立森林；对原始数据集进行相应特征的提取并数据化，计算聚类中心点与其他点的空间位置距离；将由基于密度和距离算出的异常分数及由基于特证信息计算出来的异常分数相加与相对应的阈值进行比较。本发明有效提高异常点检测算法的准确率，能大幅度减少异常检测过程中的实际数据量，节省计算资源，并且提高了异常检测效率；增强了异常检测算法的鲁棒性。
-
公开(公告)号：CN109102019A
公开(公告)日：2018-12-28
申请号：CN201810907142.4
申请日：2018-08-09
Applicant: 成都信息工程大学
Abstract: 本发明涉及图像处理技术领域，具体的说是基于HP-Net卷积神经网络的图像分类方法。本发明包括以下步骤：步骤1：读取输入图像I；步骤2：将输入图像I分为大小为m×m的图像块集合，每一块用Ii表示，i＝1，2，...，n，n表示图像块的数量；步骤3：将Ii输入到卷积神经网络中进行训练；步骤4：经过若干次提取特征，再通过三层全连接层，得到一维的矩阵，然后使用丢弃正则化操作避免过拟合；步骤5：将卷积神经网络中的输出结果输入到softmax分类器里，最终得到分类结果。本发明所提出的网络模型表现出更好的性能，在RO-5和花卉数据集上比其他现有的网络模型要高。
-
Patent Agency Ranking
公开(公告)号：CN107341515A
公开(公告)日：2017-11-10
申请号：CN201710548770.3
申请日：2017-07-07
Applicant: 成都信息工程大学
IPC: G06K9/62
CPC classification number: G06K9/6227 , G06K9/6218 , G06K9/6267
Abstract: 本发明涉及一种基于数据表达的特殊点检测方法，基于仿射组合中负值元素存在的位置，结合数据集中仿射组合理论，利用可逆不可达测度值NCi去判定样本点属于特殊点的程度，通过自动设定门限值γ来自动确定特殊点，提高了特殊点检测的精度和速度，更好的反应了数据集的结构特征，并同时检测到异常点和边缘点，另外本发明受数据分布和数据维度影响较弱，在实际应用中适用范围更广，解决了现有技术对特殊点的检测精度和对高维数据检测性能不佳的不足。
-
公开(公告)号：CN114896826A
公开(公告)日：2022-08-12
申请号：CN202210819294.5
申请日：2022-07-13
Applicant: 成都信息工程大学
IPC: G06F30/20 , G06F30/17 , G06N3/04 , G06N3/08 , G06F111/10
Abstract: 本发明涉及一种基于物理学结合残差注意力网络的行星边界层参数化方法，设计一种同时结合物理学和深度学习的残差注意力网络，包括依次连接的八个时空结合模块，每个时空结合模块包括通道注意力模块CAB和空间注意力模块PNSAB，通过卷积、CAB模块和PNSAB模块提取重要特征和模拟具体的物理过程，CAB模块用来模拟大气湍流过程中的能量交换，让网络不断地学习大气物理常识，PNSAB模块去挑选对于预测结果比较重要的气象要素，能够有效的替换传统模式中的参数化，设计的多个模块协同作用模拟边界层中的物理过程。本发明的模型能更好地模拟边界层内的速度、温度、风速和水汽的垂直分布，同时使用较低的计算成本和较短的时间。
-
公开(公告)号：CN108921192B
公开(公告)日：2020-01-21
申请号：CN201810517949.7
申请日：2018-05-25
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于测地线距离的异常点检测方法，其包括：输入数据集X；针对数据集X构建邻接图G，利用Dijkstra算法创建测地距离矩阵；针对各样本点计算测地距离ηi以及各点的度deg(xi)；计算平均测地距离设定阈值τ，计算样本点的实际度Rdeg(xi)；判断特殊点和异常点。本发明提高了异常点检测的性能，更好的反应了数据集的结构特征，且可同时检测到异常点和边缘点。此外，本发明的方法受数据分布和数据维度影响较弱，在实际应用中适用范围更广，解决了现有技术对异常点的检测精度不高和对高维数据检测性能不佳的缺陷。
-
公开(公告)号：CN108962267A
公开(公告)日：2018-12-07
申请号：CN201810742980.0
申请日：2018-07-09
Applicant: 成都信息工程大学
IPC: G10L19/018
Abstract: 本发明涉及一种基于哈希特征的加密语音内容认证方法，其包括：输入原始语音后，通过Logistic映射和流密码RC4对原始语音进行加密以生成加密语音，对加密语音进行分帧并对每帧加密语音执行整数小波变换和离散余弦变换，通过比较低频DCT系数的均值和方差来计算哈希特征，利用差分扩展将哈希特征作为水印嵌入到IWT的细节系数的高位比特中；然后对IWT近似系数和含哈希特征的细节系数执行逆IWT变换来获得含水印的加密语音，从含水印的加密语音中提取哈希特征与重构的哈希特征进行对比来对加密语音进行内容认证。本发明提高了云计算中的语音内容认证的鲁棒性，可以准确定位篡改语音帧，在实际应用中适用范围更广。
-
公开(公告)号：CN118052706A
公开(公告)日：2024-05-17
申请号：CN202410397562.8
申请日：2024-04-03
Applicant: 成都信息工程大学
IPC: G06T3/04 , G06V10/80 , G06V10/774 , G06V10/82 , G06V10/764
Abstract: 发明提出融合交互注意力机制的任意风格迁移方法和装置，构建的迁移网络主要包括：基于Transformer编码器和可逆神经网络的联合特征编码模块、融合通道和空间的交互注意力的风格转换模块和空间感知插值模块，首先利用联合特征编码器中的Transformer编码器提取内容图像和风格图像的全局特征，利用可逆神经网络提取内容图像和风格图像的细节特征，然后将内容图像和风格图像的全局和细节的特征分别送进通道和空间的交互注意力中进行融合，得到全局风格化的特征和细节风格化特征；最后，使用空间感知插值模块进行自适应插值融合。本发明方法捕捉序列数据中的长距离依赖关系和局部模式，具有较强的泛化能力，融合空间和通道细节信息，更好地维持了图像原本的结构。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.028 seconds)
