公开(公告)号：CN119962380A

公开(公告)日：2025-05-09

申请号：CN202510057508.3

申请日：2025-01-14

Applicant: 成都信息工程大学

Inventor： 李孝杰 ,  邓英杰 ,  黄占鳌 ,  杨善敏 ,  符颖 ,  俞永强 ,  吴锡 ,  黄小猛

IPC: G06F30/27 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N20/00 ,  G06N3/08 ,  G06F18/213 ,  G06F18/25 ,  G06F111/04 ,  G06F119/08

Abstract: 本发明提出基于物理约束的自适应神经网络的湿物理参数化方法，构建一个结合物理约束的自适应湿物理参数化模型，参数化模型分为两个阶段，第一阶段通过基于双分支的特征提取网络提取来自适应聚合全局与局部信息，从而获得不同尺度的特征信息；第二阶段，为了保留大气状态、对流和云的历史数据变化，设计卷积长短期记忆模块与注意力机制的结合，学习过去时刻和当前已知的大气状态等动态变化关系，然后通过注意力机制去融合筛选学习到的特征来预测湿物理过程中湿度和温度变化趋势等，最后，在训练过程和网络推理过程中还引入湿静态能量守恒作为物理约束来避免模拟结果产生不稳定性和气候漂移等问题。本发明方法参数化过程效率和精度有明显提升。

公开(公告)号：CN116704580B

公开(公告)日：2025-03-07

申请号：CN202310683248.1

申请日：2023-06-09

Applicant: 成都信息工程大学

Inventor： 杨善敏 ,  蔡爽 ,  吴锡

IPC: G06V40/16 ,  G06V40/40 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出一种基于深度信息解耦的泛化性人脸伪造检测方法，首先将人脸图像输入到人脸特征提取基础网络，提取出对应的人脸表征信息，然后传递给深度信息解耦模块，深度信息解耦模块将人脸表征信息解耦为真伪判别相关信息和真伪判别无关信息，真伪判别无关信息包括人脸图像生成方法相关信息和其他信息，如人脸表情等；同时，所述深度信息解耦模块还约束所述真伪判别相关信息与真伪判别无关信息相互独立，进而提高伪造检测模型的鲁棒性和可泛化性。

公开(公告)号：CN118134809A

公开(公告)日：2024-06-04

申请号：CN202410408260.6

申请日：2024-04-07

Applicant: 成都信息工程大学

Inventor： 李孝杰 ,  邓英杰 ,  黄占鳌 ,  彭静 ,  杨善敏 ,  吴锡

IPC: G06T5/77 ,  G06V40/16 ,  G06V10/774 ,  G06V10/25 ,  G06V10/80

Abstract: 本发明提出基于面部属性信息预测的自适应人脸修复网络和装置，通过面部解析网络的微调，从缺失人脸中预测获得完整脸部属性信息，以提供面部结构信息，如缺失人脸应有的姿势、表情和角度等；在面部修复中，区别现有人脸先验信息的方法，通过可分离自适应归一化模块自适应地提取结构信息并进行归一化，将预测的属性信息和输入人脸图像的特征信息进行自适应融合，以准确的结构指导面部结构的生成，最后通过多头判别器的身份提取器获取生成的图像和原始图像的身份信息，使用身份损失约束保证生成中身份的准确性。实验结果表明，本发明方法与现有方法相比，即使在复杂的遮挡部位不同的情况下，也能修复出具有准确结构和清晰纹理的面部图像。

公开(公告)号：CN117765378A

公开(公告)日：2024-03-26

申请号：CN202410197246.6

申请日：2024-02-22

Applicant: 成都信息工程大学

Inventor： 李孝杰 ,  张烺 ,  吴锡 ,  史沧红 ,  黄占鳌 ,  杨善敏 ,  周激流

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：CN116705186A

公开(公告)日：2023-09-05

申请号：CN202310689997.5

申请日：2023-06-12

Applicant: 成都信息工程大学

Inventor： 杨善敏 ,  任青 ,  吴锡

IPC: G16C20/30 ,  G06F30/27 ,  G06V20/10 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06F119/08 ,  G06F113/08

Abstract: 本发明涉及一种基于深度学习的风云卫星近地表空气温度反演方法，基于风云气象卫星遥感云图数据，采用Transformer网络和U型深度学习网络，利用Transformer网络多头注意力机制和U型深度学习网络将高阶与低阶特征融合的优势，通过Transformer对U形网络编码器学习到的低阶多尺度特征进行优化，然后融合到U形网络对应的高阶解码器特征中，在保持语义一致的同时，提高近地表空气温度重建结果的细节信息和精确性。本发明方法近实时地估计出对应的近地表空气温度，补足台站观测气象数据缺测地区的近地表空气温度的完整性和时效性，为天气预报预测等气象业务和研究提供基础数据支撑。