-
公开(公告)号：CN118247605A
公开(公告)日：2024-06-25
申请号：CN202410455588.3
申请日：2024-04-16
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/774 , G06T3/04 , G06T7/11 , G06T11/60
Abstract: 本发明属于计算机视觉技术领域，公开了一种基于风格迁移的变化检测图像增广方法及系统，本发明增加了数据的多样性，扩充了数据集的规模；通过将B集图像的风格迁移到A集图像上,可以产生新的具有B集风格但内容来自A集的图像C。这种通过风格迁移生成的图像,可以有效扩充原始数据集的多样性和规模,增加了不同风格背景下的变化情况,有助于提升模型的泛化能力。保留了原始变化对象的真实性；在生成C集新图像时,直接从B集图像中裁剪出变化对象区域并覆盖到C集图像上。这种方式保留了原始变化对象的真实性和细节信息,避免了直接合成变化对象可能带来的失真。这对于保留变化对象的准确性很有帮助。
-
公开(公告)号：CN117612719A
公开(公告)日：2024-02-27
申请号：CN202311592137.6
申请日：2023-11-27
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G16H50/30 , G16H80/00 , G06V10/774 , G06V40/16 , G06V40/14
Abstract: 本发明公开了一种基于联合式深度区域特征表示的健康状态预测方法，包括以下步骤：(1)采集不同类别疾病病患者与健康状态者图像样本；(2)训练视图分类器与深度区域提取器；(3)采集待测试者的图像样本；(4)对于待测试者图像集进行特征提取；(5)健康状态预测。本发明将通过分析一组来自面部、舌头和舌下静脉的多视图图像，可以进行个人健康状态预测；本发明方法基于深度区域的特征，可准确高效地进行预测。
-
公开(公告)号：CN117496307A
公开(公告)日：2024-02-02
申请号：CN202311434063.3
申请日：2023-10-31
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/776 , G06V20/70 , G06V10/82 , G06F16/951 , G06N3/0464 , G06V10/764
Abstract: 本发明属于图像数据处理技术领域，公开了一种基于大语言模型的恐龙足迹图像数据集构建方法及系统，包括：S1，挖掘数据源：数据来源于研究成果包含的的图像数据；S2，采集恐龙足迹化石图像；S3，处理恐龙足迹化石图像；S4，标注恐龙足迹化石图像；S5，验证图像数据有效性。通过深度神经网络验证图像数据有效。本发明通过图像数据处理技术，构建出可用于训练图像识别算法的图像数据集，为后续的恐龙足迹自动化识别提供了图像数据基础。本发明利用大语言模型的语义分析能力，挖掘现有恐龙足迹理论研究成果中包含的图像数据，形成一种可用于自动构建恐龙足迹图像数据集的方法，从而更好地支持该领域的自动识别人工智能算法的设计与开发。
-
公开(公告)号：CN116662640A
公开(公告)日：2023-08-29
申请号：CN202211422819.8
申请日：2022-11-14
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06F16/9535 , G06F16/535 , G06F16/36 , G06F18/25 , G06F18/23213 , G06F18/2132 , G06F40/216
Abstract: 本发明公开了一种基于知识图谱驱动的遥感图像推荐方法，包括获取用户业务文档，构建基于文档的隐含主题模型；根据用户和隐含主题模型中的主题标签构建行业知识图谱；采用基于深度学习的表示学习方法进行知识图谱网络特征学习，构建主题融合特征模型；建立用户‑遥感影像历史交互数据矩阵，计算用户邻居集；聚合主题融合特征模型推荐结果和和用户邻居集推荐结果，得到最终的遥感图像推荐结果。本发明结合图像标签化建模的结果将知识图谱由不易计算的图状结构转换为数学向量表示，实现对各类军民用户推送潜在兴趣遥感数据，并利于缓解数据稀疏和冷启动的问题，提升推荐效果。
-
公开(公告)号：CN116206146A
公开(公告)日：2023-06-02
申请号：CN202211519407.6
申请日：2022-11-30
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/764 , G06V10/774 , G06V20/10 , G06V20/52
Abstract: 本发明提供了一种草坪物体实时检测方法、电子装置及存储介质。通过针对不同获取难度的数据采取不同的筛选标准，引入分类模型对尾部类别的样本进行扩充，同时提高整个数据集的数据集和标注的精度，在尽可能减少标注精度损失的前提下减少了人工标注的成本；在扩充的数据集上训练一个轻量级目标检测器FCOS能够较好的完成草坪实时物体检测任务。
-
Patent Agency Ranking
公开(公告)号：CN115761391A
公开(公告)日：2023-03-07
申请号：CN202211247848.5
申请日：2022-10-12
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06T7/00
Abstract: 本发明公开了一种基于YOLO的数据集半自动标注方法、电子装置及存储介质，通过获取YOLO预训练模型提供的第一类别，并确定待识别的应用场景中目标所属的第二类别；判断第二类别与第一类别的包含关系，并基于包含关系划分已标注集、待标注集；根据已标注集并使用YOLO预训练模型训练，得到基础模型；根据基础模型对待标注集进行检测，以确定临时标注集；对临时标注集中的图片进行人工标注调整，并将完成标注调整的中的图片添加进已标注集，并已标注集中的图片数量稳定。相比于现有技术，本发明在保证标注精度的同时，能明显提升标注速度；同时，目标检测模型在一次次迭代中检测效果会越来越好直至达到稳定，保证后续新增数据集的新增图片的检测结果。
-
公开(公告)号：CN115690848A
公开(公告)日：2023-02-03
申请号：CN202211396059.8
申请日：2022-11-09
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V40/10 , G06V40/14 , G06V10/422 , G06V10/44 , G06V10/46 , G06V10/54 , G06V10/56 , G06V10/764 , G06V10/80
Abstract: 本发明提供了一种基于舌下区域图像的身份识别方法，包括模型训练阶段和实施判别阶段；其中，模型训练阶段包括以下步骤：训练舌下关键区域提取模型使用舌下关键区域提取模型提取舌下图像中的舌下关键区域；基于舌下关键区域进行多特征表示；使用多特征表示训练数据训练判别模型其中，实施判别阶段包括以下步骤：使用视觉采集设备采集待判别的舌下图像使用舌下关键区域提取模型从获取舌下关键区域对舌下关键区域进行多特征表示；使用判别模型进行预测判断。本发明以舌下图像为主体对象，结合人工智能与特征提取，可用于较高精度的个人身份信息识别领域。
-
公开(公告)号：CN115618913A
公开(公告)日：2023-01-17
申请号：CN202211388226.4
申请日：2022-11-08
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06K19/077
Abstract: 本发明提供了一种增强型超高频天线，包含顺序层叠配置的天线基板、间隙层与谐振基板；谐振基板远离天线基板的一面设有接地金属层，谐振基板靠近天线基板的一面设有平行微带谐振结构；平行微带谐振结构包含有三个处于UHF频段的谐振频率点；天线基板包含曲折偶极子、谐振匹配条所构成的天线网络，且在915MHz处对应的阻抗实部在10Ω到20Ω之间，阻抗虚部在135Ω至155Ω之间；间隙层在曲折偶极子与平行微带谐振结构之间为气隙层或聚苯乙烯泡沫塑料层。本发明还提供了一种平台容错优化的RFID标签，包含增强型超高频天线。本发明的RFID标签有效识别率、识别效率和识别范围都展现了更好的特性。
-
公开(公告)号：CN118587525A
公开(公告)日：2024-09-03
申请号：CN202410631541.8
申请日：2024-05-21
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/774 , G06V10/26
Abstract: 本发明属于计算机视觉技术领域，公开了一种基于普通分割图像的变化检测图像数据集构建方法及系统，包括：选取一张目标风格的图片style；构造差异变化，生成时序图片；构造变化检测标注；转化时序图片风格；构造变化检测数据集。本发明利用普通的单张分割图像数据集进行构建，简化了数据集的构建流程，减少了获取和标注变化检测图像的工作量和成本；结合风格迁移技术和随机擦除技术，构建更多样化和时序化的变化检测图像数据集，提高变化检测算法的性能和准确度。
-
公开(公告)号：CN118447413A
公开(公告)日：2024-08-06
申请号：CN202410420556.X
申请日：2024-04-09
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V20/17 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于图像分割和数据增广技术领域，公开了一种基于视觉通用大模型的地理航拍影像分割数据增广方法，获取原始地理航拍影像数据集；对于原始地理航拍影像数据集中的每一张影像，使用零样本分割大模型和原始标注进行数据增广；将生成的增广标注命名上添加aug后缀，将原始图像数据复制一份并添加aug后缀，然后合并两份数据形成一个增广后的地理航拍影像数据集；使用深度学习模型对增广后的地理航拍影像数据集进行训练和分割，得到最终的地理航拍影像分割模型；利用地理航拍影像分割模型，对新的地理航拍数据进行自动分割。本发明降低了人工操作的复杂度；减少了计算的复杂度，降低了计算资源的消耗，提高了地理分割的准确度。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.034 seconds)
