-
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：CN111861924A
公开(公告)日：2020-10-30
申请号：CN202010715325.3
申请日：2020-07-23
Applicant: 成都信息工程大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于进化GAN的心脏磁共振图像数据增强方法，该方法在训练生成器时，对生成器进行突变生成多个子代生成器，通过适应性分数函数来评判多个生成器的适应性分数，根据分数来选择最优的子代生成器作为下一个迭代的父代生成器，同时在判别器训练阶段，结合特征向量的线性插值合成新的训练样本并生成相关的线性插值标签，不仅拓展了整个训练集的分布，也对离散样本空间进行连续化并且提高了领域间的平滑性，从而使得模型能够更好地得到训练。本发明的方法图像增强方法，能够生成高质量且多样的样本对训练集进行扩充，最终提高了分类结果的各项指标。
-
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：CN108765332A
公开(公告)日：2018-11-06
申请号：CN201810502466.X
申请日：2018-05-23
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于非局部均值框架的图像去噪处理方法，涉及图像处理技术，采用与图像局部区域结构一致的椭圆搜索窗口，根据图像的局部结构，对椭圆搜索窗口的尺寸大小和去噪算法内平滑参数数值的进行自适应调整，以更好地对待去噪像素点的灰度值进行估计。本发明在不同噪声环境下的去噪效果有比较好的鲁棒性。本发明通过对图像局部区域的直方图信息和图像矩阵信息的分析，实现基于非局部均值算法的图像块大小自适应、平滑参数数值自适应以及搜索窗口形状自适应，从而有效地对图像细节部分进行噪声抑制并尽可能地保留住细节部分的纹理信息，实现对传统非局部均值算法的改进，实验效果证明改进算法在去噪效果和纹理部分提升明显。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN117765378B
公开(公告)日：2024-04-26
申请号：CN202410197246.6
申请日：2024-02-22
Applicant: 成都信息工程大学
IPC: G06V20/00 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种多尺度特征融合的复杂环境下违禁物品检测方法和装置，通过加强局部特征提取和缓解特征融合的语义冲突来提高对重叠目标和小目标的检测能力，设计多尺度注意力模块主干增强网络对重叠物体的局部特征提取能力，引入挤压激励注意力机制减少目标区域的冗余信息；针对小目标的信息丢失问题，设计自适应融合特征金字塔网络，引入包含细节信息的浅层特征和包含语义信息的深层特征防止小目标信息丢失；采用自适应权重融合策略和通道注意力机制，避免直接融合造成的目标信息丢失。实验结果表明，与现有方法相比，本发明即使在物品遮挡严重、背景复杂的情况下也能准确检测出目标，同时具有更优秀的小目标检测能力。
-
公开(公告)号：CN116721302B
公开(公告)日：2024-01-12
申请号：CN202311002748.0
申请日：2023-08-10
Applicant: 成都信息工程大学 , 中国气象局人工影响天气中心
IPC: G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种基于轻量级网络的冰雪晶粒子图像分类方法，属于计算机视觉技术领域，包括：使用包含多个分类的冰雪晶粒子图像的训练样本数据集对搭建好的网络模型进行训练，并使用冰雪晶粒子图像的测试数据集对网络模型进行冰雪晶粒子图像进行分类测试验证，选择性能最好的模型参数进行保存；将获取的冰雪晶粒子图像输入到经过训练和测试的网络模型中，对冰雪晶粒子图像进行特征提取和类别的推理计算，得到一个预测的类别从而实现对冰雪晶粒子图像的自动分类。本发明通过深度可分离空洞卷积层能有效融合全局和局部特征，对于冰雪晶粒(56)对比文件CN 114266898 A,2022.04.01CN 114445430 A,2022.05.06CN 110427990 A,2019.11.08CN 115049941 A,2022.09.13CN 114882234 A,2022.08.09CN 116524432 A,2023.08.01CN 115496951 A,2022.12.20CN 116229283 A,2023.06.06CN 114724019 A,2022.07.08CN 114937151 A,2022.08.23CN 111539314 A,2020.08.14CN 111553193 A,2020.08.18石强等.基于改进YOLOX的接触网U型抱箍开口销检测算法《.国外电子测量技术》.2023,第42卷(第7期),154-163.Wang, X等.End-to-end aerial scenesclassification with depthwise separableconvolution and an attention mechanism.《IEEE Journal of Selected Topics inApplied Earth Observations and RemoteSensing》.2021,第14卷10484-10499.马莉等.基于双流CNN 与Bi－LSTM的施工人员不安全行为轻量级识别模型《.西安科技大学学报》.2022,第42卷(第4期),809-817.
-
公开(公告)号：CN111861924B
公开(公告)日：2023-09-22
申请号：CN202010715325.3
申请日：2020-07-23
Applicant: 成都信息工程大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于进化GAN的心脏磁共振图像数据增强方法，该方法在训练生成器时，对生成器进行突变生成多个子代生成器，通过适应性分数函数来评判多个生成器的适应性分数，根据分数来选择最优的子代生成器作为下一个迭代的父代生成器，同时在判别器训练阶段，结合特征向量的线性插值合成新的训练样本并生成相关的线性插值标签，不仅拓展了整个训练集的分布，也对离散样本空间进行连续化并且提高了领域间的平滑性，从而使得模型能够更好地得到训练。本发明的方法图像增强方法，能够生成高质量且多样的样本对训练集进行扩充，最终提高了分类结果的各项指标。
-
公开(公告)号：CN116776731A
公开(公告)日：2023-09-19
申请号：CN202310746326.8
申请日：2023-06-25
Applicant: 成都信息工程大学
IPC: G06F30/27 , G06N3/0464 , G06N3/048 , G06N3/084 , G06F111/10 , G06F111/04
Abstract: 本发明涉及一种基于物理约束的自适应神经网络海洋垂直混合参数化方法，主要针对海洋垂直混合参数化过程精度不高的问题，本发明构建了一个自适应网络模型，在海上实际站点观测数据的基础上加入一定的人工合成数据，构成训练集进行学习，构建参数化神经网络，参数化神经网络由四个自适应全连接模块AFCM堆叠构成，学习不同深度的海洋密度ρ、剪切平方S2、分层N2、速度U与垂直扩散系数Kt的关系，然后通过融合学习到的特征预测垂直混合参数化过程中的垂直扩散系数Kt，在训练过程和网络推理过程中引入物理约束来提高网络的预测精度，使得本发明的参数化网络在精度和泛化能力方面比现有技术表现更好。
-
公开(公告)号：CN116721027A
公开(公告)日：2023-09-08
申请号：CN202310663159.0
申请日：2023-06-06
Applicant: 成都信息工程大学
IPC: G06T5/00 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种基于变分模糊核估计的运动图像去模糊方法，首先通过变分推断算法，拟合模糊核的隐式物理结构分布，将其表示为潜在变量，例如方向、范围，能够得到非参数化的模糊核特征。其次，采用模糊生成模型，以数据驱动的方式近似模糊核的预期统计分布。在模糊生成阶段采用双头解码器结构。本发明的模糊核估计方法克服了现有非均匀运动模糊估计方法的局限性，能够生成大量极其精确的运动模糊核，通过训练该模型，不仅能够实现对真实的运动模糊图像去模糊，而且够生成大量清晰‑模糊数据对，从而有效地丰富和扩充现有的基准数据集。综合实验证明，本发明方法比现有的基于端到端深度学习的方法具有更好去模糊效果。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.031 seconds)
