-
公开(公告)号：CN119648585A
公开(公告)日：2025-03-18
申请号：CN202411791340.0
申请日：2024-12-06
Applicant: 南通大学
IPC: G06T5/77 , G06T5/60 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/096
Abstract: 本发明涉及人工智能技术领域，尤其涉及一种基于异构知识蒸馏的图像复原模型压缩方法，包括：首先分别使用高级的视觉转换模块和高效的视觉曼巴模块构建复杂的图像复原教师网络和轻量化的图像复原学生网络，然后设计曼巴导向型异构知识蒸馏将教师网络中的异构知识迁移到学生网络中。曼巴导向型知识蒸馏主要包括特征过滤模块和特征接口模块。前者能够将教师网络中的冗余特征信息进行过滤，后者通过设计双向迁移损失函数将教师网络的异构特征进行转换。最后，经过蒸馏后的学生网络执行在线的图像复原测试。本发明能够实现轻量级且快速的通用图像恢复模型，提高在资源受限的情况下图像复原模型的效率。
-
公开(公告)号：CN119006317A
公开(公告)日：2024-11-22
申请号：CN202411192908.7
申请日：2024-08-28
Applicant: 南通大学
IPC: G06T5/60 , G06T5/77 , G06T5/70 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及计算机视觉技术领域，尤其涉及一种基于金字塔转换器与信息损失正则化的图像复原单程模型方法，包括：首先对多种退回类型的图像进行多尺度底层特征提取，然后构建通道分组型多头注意力机制和空间分割型多头注意力机制；使用分组型多头注意力和空间分割型多头注意力组件视觉转换器模块，基于该模块构建多尺度编码器和多尺度解码器；接下来，将多尺度编码器和多尺度解码器的同等层进行连接，得到金字塔转换器；最后计算信息损失正则化损失函数对金字塔转换器内的参数进行优化。本发明能够充分利用多种图像复原任务之间的特异性和通用性的共同优势，从而解决多种图像复原任务集成过程中出现的跷跷板现象问题。
-
公开(公告)号：CN118298268A
公开(公告)日：2024-07-05
申请号：CN202410462258.7
申请日：2024-04-17
Applicant: 南通大学
IPC: G06V10/80 , G06N3/0464 , G06F17/16 , G06V10/82 , G06V10/74 , G06V10/764
Abstract: 本发明涉及人工智能技术领域，尤其涉及一种基于一阶和二阶无损统计自适应融合的深度表征算法，包括：对于利用深度卷积网络中的骨干网络提取的张量特征，进行粗粒度和细粒度的无损运算。然后，对于进行两阶段信息无损运算的张量特征，计算一阶和二阶统计特征，构建构建一阶和二阶自补偿转化矩阵，对一阶和二阶统计特征进行补偿运算。最后，对于完成自补偿运算的一阶统计特征和二阶统计特征，构建适配矩阵，完成一阶和二阶无损统计特征的自适应融合。本发明过张量特征的信息无损运算，一阶和二阶统计特征的补偿计算，自适应融合，能够减少张量特征中所蕴含的大量有限信息的损失，提高深度表征性能。
-
公开(公告)号：CN116957974A
公开(公告)日：2023-10-27
申请号：CN202310923594.2
申请日：2023-07-26
Applicant: 南通大学
IPC: G06T5/00 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于混合网络的图像去雨方法及设备；本发明方法包含：步骤1、构建自注意力模块；步骤2、构建基于自注意力的transformer模块；步骤3、构建可逆神经网络模块；步骤4、构建基于transformer模块和可逆神经网络模块的混合网络模块；步骤5、构建端到端的神经网络；将数据集输入步骤5中的端到端神经网络进行训练；完成训练后将真实待去雨图像输入训练好的模型，得到去雨图像。本发明基于自注意力的transformer网络结构和可逆神经网络结构，能够兼顾全局特征和局部细节，从而达到较好的去雨效果。
-
Patent Agency Ranking
公开(公告)号：CN114387474A
公开(公告)日：2022-04-22
申请号：CN202210033297.6
申请日：2022-01-12
Applicant: 南通大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及计算机视觉领域中的小样本图像分类技术领域，具体涉及一种基于高斯化原型分类器的小样本图像分类方法，本发明首先对从主干卷积神经网络中提取的特征进行高斯化操作，从而使图像样本的特征服从高斯分布；然后，将基类数据的原型特征作为先验信息，并利用最大后验估计方法为每类新类得到可靠的高斯化原型特征；最后，新类中的查询样本被分类为与其最相似的原型所属于的类别。本发明在不借助于额外的标注信息或者复杂的优化过程的情况下，能够实现原型的一步校正，从而提高小样本图像分类性能。
-
公开(公告)号：CN107145890B
公开(公告)日：2019-05-10
申请号：CN201710301502.1
申请日：2017-05-02
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
IPC: G06K9/46
Abstract: 本发明公开了一种远距离多视角环境下的指针式仪表盘自动读数方法，包括表盘区域确定、分割处理、指针提取拟合和读数估算几个步骤。首先通过匹配待识别图像和模板表盘的关键点确定图像中的表盘区域，然后根据直方图分布二值化表盘，通过对二值图形态学处理得到表盘内部信息，之后对采用概率霍夫变换拟合得到的直线归纳合并得到指针角度，最后根据先验指针计算出指针读数。本发明解决了远距离斜视角度下表盘变形严重、刻度模糊至肉眼无法完全识别读数的问题，并且具有较高的准确率。
-
公开(公告)号：CN109493275A
公开(公告)日：2019-03-19
申请号：CN201811364228.3
申请日：2018-11-16
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
Abstract: 本发明涉及图像处理以及多媒体技术领域，尤其是一种融合显著图与深度图的缝切割重定向方法。包括：利用GBVS算法获取图像显著图；结合图像梯度图与提出的通过SIFT匹配方法获取图像深度图构建更精确的重要度图；根据重要度图的能量分布，获取能量较低位置的切割缝，记录每条缝的位置与运动过程，对原始图像进行处理，得到最终的重定向结果。本发明同时考虑了图像的显著图和深度图，能够最大程度的保留图像的显著部分，并且改善原有缝切割方法中的扭曲及失真问题。
-
公开(公告)号：CN106874877A
公开(公告)日：2017-06-20
申请号：CN201710090721.X
申请日：2017-02-20
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
IPC: G06K9/00
CPC classification number: G06K9/00268
Abstract: 本发明提供一种结合局部和全局特征的无约束人脸验证方法，首先整理人脸样本库，每个人包含不同姿态、不同环境和不同时间的多张人脸照，提取人脸的68个特征点；然后根据人脸特征点提取人脸的局部特征和整体特征共5种特征，并将这5种特征映射到核空间；然后在训练集上使用这5种特征分别使用级联贝叶斯方法训练得到5组模型；在人脸验证阶段，首先提取输入图像的人脸特征，然后根据训练的模型分别计算5组特征对的相似度，最后以5组相似度的平均值作为最终相似度，从而判断两人是否为同一个人。本发明结合考虑了人脸的局部特征和整体特征，解决了室外无约束环境下的人脸验证问题。
-
公开(公告)号：CN105868163A
公开(公告)日：2016-08-17
申请号：CN201610173971.5
申请日：2016-03-24
Applicant: 南通大学
IPC: G06F17/17
CPC classification number: G06F17/17
Abstract: 本发明公开了一种多变量差分方程模型的极大似然递推最小二乘辨识算法，包括根据现有极大似然原理，构建出一种多变量差分方程模型中子系统极大似然准则函数；以多变量差分方程模型中子系统最大似然准则函数为基础，构建出多变量差分方程模型的极大似然递推最小二乘辨识算法的实现流程；构建一套多变量差分方程模型的极大似然递推最小二乘辨识算法。本发明采用极大似然原理和递推辨识方法，应用于线性多变量系统的参数估计。
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.021 seconds)
