-
公开(公告)号：CN112991181A
公开(公告)日：2021-06-18
申请号：CN202110346999.5
申请日：2021-03-31
Applicant: 武汉大学
Abstract: 本发明属于计算机视觉领域，尤其涉及一种基于反应扩散方程的图像超分辨率重建方法。该方法提出了新的反应扩散模块和级联深度框架。反应扩散模块将反应扩散方程嵌入深度模型，由深度模型学习生成求解方程所需参数，进而引导图像超分辨率重建任务中局部图纹的生成，降低了超分任务的难度。级联深度框架级联了多个特征变换和反应扩散模块，使得超分任务被划分成小的部分交给模型不同深度的部分完成，降低了模型训练的难度。最后搭建了一个新的深度超分模型，在不降低超分性能的情况下，大幅减少了超分模型的参数数量与模型深度，降低了深度超分模型应用的难度。
-
公开(公告)号：CN105761273A
公开(公告)日：2016-07-13
申请号：CN201610156118.2
申请日：2016-03-18
Applicant: 武汉大学
IPC: G06T7/00
CPC classification number: G06T2207/10032 , G06T2207/20004
Abstract: 本发明公开了一种基于图构造的高光谱遥感影像异常目标探测方法，本发明将图构造方法运用于高光谱遥感影像异常目标探测可以在无需先验模型假设的情况下，对高光谱遥感影像数据从其自身特性出发进行数据自分析，从而得到高光谱遥感影像数据中的拓扑关系。通过不同的图构造方式可以得到高光谱遥感影像数据中相应的信息，如稳健背景与潜在异常目标的分割、表征数据本征维度的嵌入特征以及通过建立临近图获取影像数据中各像元异常度积分等。通过运用不同的图构造方式逐步提取高光谱遥感影像中的潜在异常信息、嵌入特征以及异常度积分，可在不需先验模型假设的情况下，通过数据自分析，对影像中的背景进行极好地抑制，同时突出异常目标。
-
公开(公告)号：CN119940349A
公开(公告)日：2025-05-06
申请号：CN202411749299.0
申请日：2024-12-02
Applicant: 武汉大学
IPC: G06F40/232 , G06N3/045 , G06F18/25
Abstract: 本申请涉及一种基于检测‑纠正平衡框架的中文拼写纠错方法及装置，其中，方法包括：通过中文拼写纠错数据文本训练语言检测器，以生成中文拼写检测器；设置精度阈值和召回率阈值，以生成初始待纠错文本数据对应的精度错误检测结果和召回错误检测结果，进而得到掩码文本数据；拼接掩码文本数据和初始待纠错文本数据得到拼接数据，且通过中文拼写纠错器提取拼接数据的嵌入特征，并对嵌入特征和精度错误检测结果进行特征融合，且结合目标损失函数训练中文拼写纠错器，以利用训练后的中文拼写纠错器进行中文拼写纠错。由此，解决了现有检测‑纠错框架下中文拼写纠错方法检测器效果具有一定的局限性，难以将错误检测结果合理应用到错误纠正中等问题。
-
公开(公告)号：CN114678070B
公开(公告)日：2025-02-21
申请号：CN202210332642.6
申请日：2022-03-30
Applicant: 武汉大学
Abstract: 本发明提供一种单细胞RNA测序数据降维方法、设备及可读存储介质。该方法包括：对N个单细胞的单细胞测序数据进行特征选取，得到特征矩阵X；根据两两单细胞间的马氏距离，构造连接矩阵A；基于A构造图自编码器模型；将X输入图自编码器模型，得到重构特征矩阵Y、重构连接矩阵#imgabs0#以及提取图自编码器模型中维度最低的层的隐变量Z；根据X、A、Y、#imgabs1#以及Z得到总损失函数；采用梯度下降法得到最小化的总损失函数以及训练完成的图自编码器模型；提取训练完成的图自编码器模型中维度最低的层的隐变量Z＇作为降维结果。通过本发明，实现了在庞大、复杂且高维的数据上展开降维任务时保持了细胞之间的结构信息。
-
公开(公告)号：CN119380679A
公开(公告)日：2025-01-28
申请号：CN202411559254.7
申请日：2024-11-04
Applicant: 武汉大学
Abstract: 本发明公开一种宋词音乐复原的模型构建方法及装置，构建方法包括：构建宋词音乐数据集；构建宋词音乐复原模型，包括：歌词到旋律生成模块，用于根据输入的宋词生成旋律；旋律到清唱生成模块，用于根据所述旋律生成清唱；旋律到伴奏生成模块，用于根据所述旋律生成伴奏；合并复原模块，用于合并所述旋律、清唱和伴奏，生成完整的音乐作品；利用所述宋词音乐数据集对构建的宋词音乐复原模型进行训练，得到训练好的宋词音乐复原模型。本发明相对于现有技术，实现了宋词音乐的高质量复原。
-
Patent Agency Ranking
公开(公告)号：CN119066543A
公开(公告)日：2024-12-03
申请号：CN202410999164.3
申请日：2024-07-24
Applicant: 武汉大学
IPC: G06F18/2431 , G10L25/63 , G10L25/57 , G10L25/30 , G06F18/22 , G06F18/25 , G06F16/35 , G06N3/094 , G06N3/0455 , G06N3/084
Abstract: 本申请涉及一种面向多模态情感分析的多粒度跨模态对比学习方法及装置，其中，方法包括：对文本模态、视觉模态和音频模态分别进行编码，得到编码后的文本模态、编码后的视觉模态和编码后的音频模态；构建样本内正负对和样本间正负对，根据样本内正负对进行样本内对比学习，并根据样本间正负对进行样本间对比学习；根据总体对比损失函数、多模态预测损失函数和单模态预测损失函数优化多粒度跨模态对比学习模型，以利用优化后的多粒度跨模态对比学习模型得到目标多模态的情感分析结果。由此，解决了相关技术将各个模态视为平等的，忽略了模态间的差异性，导致在融合过程中各模态未能充分交互，易造成重要信息丢失，影响最终结果的准确性等问题。
-
公开(公告)号：CN118898746A
公开(公告)日：2024-11-05
申请号：CN202410950994.7
申请日：2024-07-16
Applicant: 武汉大学
IPC: G06V10/764 , G06V10/40 , G06V10/58 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种用于对高光谱图像进行跨场景分类的方法、装置和设备，其中，方法包括：获取目标域图像；其中，目标域图像为需要进行跨场景分类的目标区域的高光谱图像；将目标域图像输入预设跨场景分类模型，经预设跨场景分类模型输出关于目标域图像的分类类别；其中，预设跨场景分类模型基于预设训练框架以及至少一组训练数据训练得到，至少一组训练数据中的每组训练数据包括一张源域样本图像和对应的标签值，预设训练框架能够基于每组训练数据中的源域样本图像生成对应的扩展域样本图像。利用本发明公开的方法，可以在训练阶段通过变换图像的频率特性来实现提升模型的泛化能力，从而使得训练得到的预设跨场景分类模型对高光谱图像进行跨场景分类的准确性更高。
-
公开(公告)号：CN116363363A
公开(公告)日：2023-06-30
申请号：CN202310287992.X
申请日：2023-03-22
Applicant: 武汉大学
Abstract: 本发明提供一种无监督域适应语义分割方法、装置、设备及可读存储介质。该方法包括：计算源域图像的标签与学生网络输出的第一预测标签之间的交叉熵损失；计算融合图像的伪标签与学生网络输出的第二预测标签之间的一致性损失；计算学生网络的深度损失；计算交叉熵损失、一致性损失以及深度损失的梯度，反传梯度更新学生网络的参数，并使用指数滑动平均法更新教师网络的参数；循环更新学生网络和教师网络，当循环次数达到预设次数时，采用最新的教师网络对无标注的目标域图像进行语义分割预测，得到无标注的目标域图像的伪标签。通过本发明，在保证GPU合理占用内存的同时，得到包含细节分割的分割结果，提高了目标域中的分割性能。
-
公开(公告)号：CN111028150A
公开(公告)日：2020-04-17
申请号：CN201911187313.1
申请日：2019-11-28
Applicant: 武汉大学
Abstract: 本发明提出一种快速时空残差注意力视频超分辨率重建方法，通过在神经网络模型中增加注意力上采样机制，将网络注意力集中于高频信息，从而得到更好的恢复结果；视频超分辨率重建实现过程包括训练与测试数据准备，设置神经网络模型的网络结构，训练好神经网络模型，将测试的低分辨率视频输入到训练好的神经网络模型中，模型的输出为重建后的超分辨率视频帧，将得到的连续帧合成视频得到超分辨率视频；所述神经网络模型的网络结构，包括低分辨率特征提取部分、快速时空残差块部分、高分辨率重建部分和高分辨率残差学习部分。本发明提出在高分辨率重建部分使用注意力机制，用于更好地复现高频信息。
-
公开(公告)号：CN110443273A
公开(公告)日：2019-11-12
申请号：CN201910555572.9
申请日：2019-06-25
Applicant: 武汉大学
Abstract: 本发明提供一种用于自然图像跨类识别的对抗零样本学习方法，包括在旧类的样本空间上求解初始投影学习问题，获得测试样本的初始伪标签；求解投影学习问题，使得学习到的投影能够具有更好的语义保持性质；根据学习到的投影，利用基于余弦距离的最近邻算法预测所有测试样本的伪标签；将伪标签注入投影学习问题，直到收敛；将收敛时的伪标签作为最终预测的标签，支持实现自然图像的分类。本发明通过一种新的对抗方法，有效的缓和了领域漂移问题，实现了跨类识别性能的提升。这种新的对抗方法是投影器和分类器之间的博弈。投影器期望学习一个具有好的语义保持性质的投影，而分类器期望获得高的分类准确率，两者博弈达到纳什均衡结束。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.02 seconds)
