-
-
公开(公告)号：CN119228652A
公开(公告)日：2024-12-31
申请号：CN202411478011.0
申请日：2024-10-22
Applicant: 桂林电子科技大学
IPC: G06T3/4053 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/045 , G06T7/10
Abstract: 本发明公开了一种基于SwinIR的红树林无人机遥感超分辨率图像重建方法，本技术方案将高效通道注意ECA机制与多个卷积层结合在一起，通过自适应分配信道权值，有效地突出重要特征，抑制不重要特征，增强了特征提取能力，这种方法能提高红树林无人机遥感超分辨率图像特征表示的准确性、提高树林无人机遥感图像的物种识别效果和效率。
-
公开(公告)号：CN117576411A
公开(公告)日：2024-02-20
申请号：CN202311547248.5
申请日：2023-11-20
IPC: G06V10/44 , G06V10/25 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种基于特征融合和注意力机制的伪装目标检测方法，包括如下步骤：1）上下文特征增强CFEM：2）定位模块PM；3）反向注意力预测模块RAPM；4）损失函数。这种方法采用上下文特征增强方式能减少背景噪声引入并且获得更丰富的上下文特征信息，同时采用反向注意力预测方式关注隐藏的目标边缘信息，生成与真实分割图像更相似的预测结果，能够生成清晰无噪声的预测图像、能提高伪装目标检测准确性和真实性。
-
公开(公告)号：CN117575907A
公开(公告)日：2024-02-20
申请号：CN202311545291.8
申请日：2023-11-20
Applicant: 桂林电子科技大学
IPC: G06T3/4053 , G06T5/70 , G06T3/4046 , G06N3/0464 , G06N3/08 , G06T5/60
Abstract: 本发明公开了一种基于改进的扩散模型的单幅图像超分辨重建方法，包括如下步骤：1）构建训练模型的数据集；2）对低分辨图像LR退化处理；3）创建混合数据集；4）依据扩散模型建模去噪模型；5）对LR图像进行超分辨重建。这种方法能快速重建恢复HR图像、为图像超分辨任务提供了一种新的思路和方法。
-
公开(公告)号：CN116401547A
公开(公告)日：2023-07-07
申请号：CN202310353380.6
申请日：2023-04-04
IPC: G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及目标检测技术领域，具体涉及一种轻量化低光目标检测方法，对Exdark数据集的训练集进行离线增强，得到增强训练集；将增强训练集与原始数据集的训练集进行混合，得到混合训练集；对混合训练集进行预处理，得到处理数据集，增强处理数据集的泛化性，自适应生成匹配处理数据集样本的特征层锚框尺寸；改进YOLOv5基准网络模型，引入锚框尺寸进行训练，得到权重模型；将待检测图片输入检测框架，并基于权重模型使用NMS进行后处理，去除多余的检测框，得到检测结果，该方法在特征融合部分使用DFC注意力两个方向的解耦化FC操作聚合全局信息，同时大幅减少模型整体的参数量与计算量，从轻量化角度降低了原有目标检测网络的复杂度。
-
Patent Agency Ranking
公开(公告)号：CN111950654B
公开(公告)日：2022-07-05
申请号：CN202010860737.6
申请日：2020-08-25
Applicant: 桂林电子科技大学
IPC: G06K9/62 , G06T5/00 , G06T5/20 , G06T7/90 , G06V10/774 , G06V10/56 , G06V10/764
Abstract: 本发明公开了一种基于SVM分类的魔方色块颜色还原方法，其特征在于，包括如下步骤：1）采集魔方色块信息；2）图像预处理；3）图像色域空间转换；4）一对多分类法识别魔方色块；5）魔方颜色修补完成魔方各个色块的准确识别。这种方法能提高颜色识别的准确性和速度。
-
公开(公告)号：CN114297795A
公开(公告)日：2022-04-08
申请号：CN202111631338.3
申请日：2021-12-28
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于PR‑Trans的机械设备剩余寿命预测方法，包括离线训练和在线预测两个阶段，其中，离线训练主要任务是建立预测模型、并利用历史操作数据库中处理后的数据对模型进行训练，在线训练主要任务是基于训练模型的实时预测实时RUL，并处理实时数据，然后将相关信息反馈给控制器。这种方法采用改进Transformer的自注意力机制，能减少计算量及空间占有率、增强位置之间关系、减小模型大小、通过增大模型感受野增强模型学习能力，使模型推理速度更快、预测更精确。
-
公开(公告)号：CN112469101A
公开(公告)日：2021-03-09
申请号：CN202011248080.4
申请日：2020-11-10
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于深度与能量加权和转发区域划分的水下机会路由，首先，获取接收到的数据包的深度和能量信息，并判断所述数据包类型，包括邻居请求数据包、应答数据包和转发数据包，接着，根据所述数据包中是否有潜在节点，判断是否更新邻居表；其次，基于所述转发数据包中的所述邻居表信息，划分出一个主转发区域和两个辅助转发区域；最后，基于深度和能量加权策略计算对应的加权保活时间，并基于所述保活时间，将相同的所述转发数据包丢弃后，转发对应的所述数据包至下一跳节点，提高网络生命周期。
-
公开(公告)号：CN111918144A
公开(公告)日：2020-11-10
申请号：CN202010806036.4
申请日：2020-08-12
Applicant: 桂林电子科技大学
IPC: H04N21/8358 , G06T1/00 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种基于深度学习的去除视频水印的方法，其特征在于，包括如下步骤：1）视频处理；2）数据增强；3）模型训练；4）实现去除水印。这种方法能提高处理海量视频水印的效率，能快速批量清除视频水印，去除水印不留踪迹以及去除水印后原画质不丢失帧的优点。
-
公开(公告)号：CN115376554B
公开(公告)日：2025-04-15
申请号：CN202210863510.6
申请日：2022-07-21
Applicant: 桂林电子科技大学
IPC: G10L25/51 , G10L25/30 , G10L25/03 , G06N3/042 , G06N3/0464 , G06N3/084 , G06N3/0895
Abstract: 本发明涉及计算机技术领域，具体涉及一种域转移的自监督机器异常声音检测方法，分别设计时频域特征提取网络、动态图卷积网络和域自适应网络；通过时域特征提取网络捕获声音信号的空间特征信息和时域交互的特征信息，得到特征向量，提高了域转移下机器异常声音检测的性能稳定性，通过动态图卷积网络捕捉特征向量的域转移之间的依赖关系，提高了模型对域转移特征感知能力，基于依赖关系通过域自适应网络补偿特征向量，得到检测结果，能补偿由于域移动造成的模型性能下降，提高了自监督环境下模型对异常声音的域转移自适应能力，解决现有检测方法学习不同域转移的声音特征，检测效果不稳定的问题。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.035 seconds)
