-
公开(公告)号：CN113642500A
公开(公告)日：2021-11-12
申请号：CN202110966894.X
申请日：2021-08-23
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于多阶段域自适应的低照度目标检测方法，所述方法包括：1）训练检测器；2）训练用于增强低照度图像的增强器；3）训练用于风格迁移的生成器；4）借助生成器对检测器进行初步微调；5）借助增强器对初步微调后的检测器进行再次微调；6）利用微调后的检测器检测增强后的低照度图像。这种方法检测精度更高，且无需有标注的低照度图像数据，与基于Faster R‑CNN的域自适应方法相比检测速度更快。
-
公开(公告)号：CN108846822B
公开(公告)日：2021-08-24
申请号：CN201810558973.5
申请日：2018-06-01
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于混合神经网络的可见光图像和红外光图像的融合方法，涉及图像识别技术领域，解决的问题是图像融合算法不需要监督学习提取特征进行分类从而实现图像融合，该方法包括如下步骤：（1）建立由基本单元堆叠而成的混合神经网络结构；（2）对训练和测试图像进行预处理；（3）使用可见光和红外光图像训练混合神经网络模型；（4）测试混合神经网络模型，得到最后的融合图像。采用本发明技术方案的图像融合算法不需要监督学习提取特征进行分类，改善了融合算法对先验知识的依赖性。
-
公开(公告)号：CN112802039A
公开(公告)日：2021-05-14
申请号：CN202110100682.3
申请日：2021-01-26
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于全局边缘注意力的全景分割方法，在原全景分割网络结构的基础上添加了一个全局边缘注意力模块，利用当前模型的全景分割网络对原始训练图像进行全景分割得到当前模型的全景分割掩码；利用当前模型的全局边缘注意力模块对全景分割掩码进行全局边缘注意力检测，得到当前模型的全景分割掩码边缘矩阵；利用当前模型的全局边缘注意力模块对原始训练图像进行全局边缘注意力检测，得到当前模型的边缘矩阵因子；利用边缘矩阵因子去引导全景分割网络的实例和语义的全景分割，有利于区分细节和边缘，增强分割效果，提高分割效率。
-
公开(公告)号：CN109088893B
公开(公告)日：2020-11-06
申请号：CN201811239107.6
申请日：2018-10-23
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种云环境下基于聚合签密的多用户群认证通信方法，通过在云服务器认证模块查出伪造身份信息并通过聚合签密对用户的签名实行高效率的验证，以及过滤非法用户访问，并且基于数学困难问题使得恶意攻击者无法获得用户的私密信息，保证通信的高效性，防止了DDOS攻击。本发明具有实现高效性，安全性，易验证等特点，适合于需要用户负载量大的网络云服务器等。
-
公开(公告)号：CN111832508A
公开(公告)日：2020-10-27
申请号：CN202010703090.6
申请日：2020-07-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于DIE_GA的低照度目标检测方法，包括如下步骤：1）采集数据源，整合数据集；2）进行低照度图像的特征提取以及光照环境预测；3）DIE_GA网络中的STN过程对得到的特征图做进一步训练与筛选；4）进行目标检测网络的候选框提取；5）DIE_GA网络对候选框进行分类与回归。这种方法使得目标检测的特征图的特征表达能力更好、这种方法能提高目标检测的精度高。
-
Patent Agency Ranking
公开(公告)号：CN104899924A
公开(公告)日：2015-09-09
申请号：CN201510333397.0
申请日：2015-06-16
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于蛙跳算法的直线射影深度估计方法，其首先将n个三维空间物体点通过q个射影矩阵投射到透视图像序列上，生成测量矩阵；然后对所得透视图像序列及测量矩阵进行归一化处理；最后生成G个青蛙，每个青蛙代表一个解，并利用蛙跳算法选出整个种群中适应度最好青蛙，并将最好青蛙所代表的解作为待求的射影深度输出。本发明具有收敛速度快，容易获得最优解的特点，其所估计出的射影深度能够使得合适的调整矩阵可以进行因数分解。
-
公开(公告)号：CN114037938B
公开(公告)日：2024-03-26
申请号：CN202111322259.4
申请日：2021-11-09
Applicant: 桂林电子科技大学
IPC: G06V20/40 , G06V10/764 , G06V10/771 , G06V10/80
Abstract: 本发明公开一种基于NFL‑Net的低照度目标检测方法，所述方法包括如下步骤：1）对低照度图像数据集进行处理和划分；2）训练NorexNet网络对输入的低照度图像进行特征提取；3）构造SM‑FPN网络对特征图进行多尺度特征的融合；4）在模型的检测头结构中添加位置注意力模块；5）对整体模型进行训练并采用逐像素检测的方式对图像进行目标检测。这种方法能够不受低光照环境下拍摄的影响，对于产生的低照度图像仍然可以进行很好地识别来检测出图像中的目标对象。
-
公开(公告)号：CN117252774A
公开(公告)日：2023-12-19
申请号：CN202311217591.3
申请日：2023-09-20
Applicant: 桂林电子科技大学
IPC: G06T5/00 , G06V10/44 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明公开一种基于TSDFF‑Net的低照度与雨叠加图像增强方法，包括：1）构建LLR‑Train与LLR‑Test数据集；2）训练雨先验特征提取模块；3）训练低照度增强模块；4）测试TSDFF‑Net。这种方法能依据雨痕信息，提高模型增强质量，对弱光雨天图像去雨及低照度增强具有良好的效果。
-
公开(公告)号：CN115496909A
公开(公告)日：2022-12-20
申请号：CN202211302977.X
申请日：2022-10-24
Applicant: 桂林电子科技大学
IPC: G06V10/26 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/04
Abstract: 本发明公开一种三分支自适应权重特征融合的语义分割方法，其语义分割网络先采用二分支全卷积网络进行特征提取，再采用三分支自适应权重融合对特征图进行融合。二分支特征提取网络对不同类型的图像进行特征提取，右分支可对输入的原始图像进行特征提取，左分支通过深度转换模块把输入原始图像变为深度图像再进行特征提取，不同类型图像可以提供不同感受野实现效果更好的特征提取。三分支自适应权重融合方式把不同图像的空间信息和语义信息按照像素级自适应权重的办法进行融合可以得到较好地定位和分割效果，并且对于物体的边界和对小物体的分割有不错的效果。
-
公开(公告)号：CN115115907A
公开(公告)日：2022-09-27
申请号：CN202210751972.9
申请日：2022-06-29
Applicant: 桂林电子科技大学
IPC: G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于CQD蒸馏的低照度目标检测方法，包括以下步骤：1）获取低照度图像数据集ExDark，并进行处理和划分得到训练集ExDark‑Train和测试集ExDark‑Test；2）将ExDark‑Train数据输入到CQD‑Net中进行蒸馏学习；3）采用CQD蒸馏方法，利用训练好的教师网络对学生网络进行低照度知识蒸馏优化学生网络；4）目标检测。这种方法能够将低光照环境下的教师网络的知识蒸馏到学生网络中，压缩了学生网络大小的同时，使得学生网络也能具备有效的低照度图像目标检测能力，提升了其在低照度环境下的目标检测准确度。本发明能够有效选取待蒸馏区域，提升蒸馏效率，且在不改变学生网络结构，不增加计算消耗的前提下提升最终的轻量化目标检测网络的检测精度。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.031 seconds)
