-
公开(公告)号：CN107341515A
公开(公告)日：2017-11-10
申请号：CN201710548770.3
申请日：2017-07-07
Applicant: 成都信息工程大学
IPC: G06K9/62
CPC classification number: G06K9/6227 , G06K9/6218 , G06K9/6267
Abstract: 本发明涉及一种基于数据表达的特殊点检测方法，基于仿射组合中负值元素存在的位置，结合数据集中仿射组合理论，利用可逆不可达测度值NCi去判定样本点属于特殊点的程度，通过自动设定门限值γ来自动确定特殊点，提高了特殊点检测的精度和速度，更好的反应了数据集的结构特征，并同时检测到异常点和边缘点，另外本发明受数据分布和数据维度影响较弱，在实际应用中适用范围更广，解决了现有技术对特殊点的检测精度和对高维数据检测性能不佳的不足。
-
公开(公告)号：CN119888028A
公开(公告)日：2025-04-25
申请号：CN202510361546.8
申请日：2025-03-26
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种聚焦面部的数字人体重建方法，涉及数字人重建技术领域，包括对人脸识别到的人脸区域依次进行超分处理、语义分割，得到当前人脸RGB图像帧；根据初始化参数、当前RGB图像帧的表情参数，基于多层感知机得到当前RGB图像帧对应头部网格的高斯基元的新参数；通过最小化损失的训练策略，优化当前RGB图像帧对应头部网格的高斯基元的参数，迭代处理其他RGB图像帧，组合优化后的所有高斯基元，得到重建的数字头部；根据重建的数字头部和重建的数字人体渲染得到聚焦面部的人体图像。本发明不仅关注了人体整体的重建，而且对脸部的高精度重建进行了强化，在后续渲染中能够呈现出流畅且逼真的人体动画效果。
-
公开(公告)号：CN119785193A
公开(公告)日：2025-04-08
申请号：CN202510282109.7
申请日：2025-03-11
Applicant: 成都信息工程大学
IPC: G06V20/00 , G06V10/774 , G06V40/16 , G06V10/80 , G06V10/10 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了提出一种基于空频特征集成和动态边缘优化的深度伪造检测方法，通过空间‑频率特征集成模块和真实性感知边界损失函数显著提升了伪造内容的检测准确性和鲁棒性。本发明有效地结合了图像的空间域和频率域特征，使得模型能够更全面地识别伪造图像中的细微差别。此外，真实性感知边界损失函数通过动态调整边界，成功应对了类别不平衡问题，尤其在真实图像样本稀缺的情况下，显著提高了分类性能。本发明在多个具有挑战性的数据集上进行的实验验证了方法的有效性。
-
公开(公告)号：CN118052706A
公开(公告)日：2024-05-17
申请号：CN202410397562.8
申请日：2024-04-03
Applicant: 成都信息工程大学
IPC: G06T3/04 , G06V10/80 , G06V10/774 , G06V10/82 , G06V10/764
Abstract: 发明提出融合交互注意力机制的任意风格迁移方法和装置，构建的迁移网络主要包括：基于Transformer编码器和可逆神经网络的联合特征编码模块、融合通道和空间的交互注意力的风格转换模块和空间感知插值模块，首先利用联合特征编码器中的Transformer编码器提取内容图像和风格图像的全局特征，利用可逆神经网络提取内容图像和风格图像的细节特征，然后将内容图像和风格图像的全局和细节的特征分别送进通道和空间的交互注意力中进行融合，得到全局风格化的特征和细节风格化特征；最后，使用空间感知插值模块进行自适应插值融合。本发明方法捕捉序列数据中的长距离依赖关系和局部模式，具有较强的泛化能力，融合空间和通道细节信息，更好地维持了图像原本的结构。
-
公开(公告)号：CN117710508A
公开(公告)日：2024-03-15
申请号：CN202311804304.9
申请日：2023-12-26
Applicant: 成都信息工程大学 , 中国电子科技集团公司第十研究所
IPC: G06T11/00 , G06V20/13 , G06N3/0475 , G06N3/094 , G06F16/29 , G06N3/0464 , G06N3/0455 , G06N3/045 , G06V10/44 , G06F16/215 , G06N3/048 , G06N3/0895
Abstract: 本发明涉及一种基于改进条件生成对抗网络的近地表温度反演方法和装置，构建近地表温度反演装置的生成器基于U‑net框架，在编码器和解码器之间引入了多尺度残差模块，更好地提取原始输入数据的关键特征；同时在解码器内引入注意力机制，有利于引导生成器输出更接近真实温度图像的数据。在生成器和判别器中引入风云卫星FY‑4A温度图像作为条件信息，判别器在多尺度上对生成图像和真实图像进行判别，使得判别器能够捕捉到图像的全局和局部信息，并对生成图像的细节进行更准确的评估。本发明方法和装置对近地表温度进行准确估计，通过自监督方式完成模型训练，自动输出高分辨率的近地表气温数据，有效解决台站点缺失导致近地表气温数据值缺失的问题。
-
Patent Agency Ranking
公开(公告)号：CN117252756A
公开(公告)日：2023-12-19
申请号：CN202310945726.1
申请日：2023-07-31
Applicant: 成都信息工程大学
IPC: G06T3/40 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于对称视觉注意力网络的高效图像超分辨率方法，利用大核卷积的大感受野来提高图像的重建质量，以瓶颈式感受野结构和对称式注意力结构提升深度特征的提取能力，使网络的学习能力进一步增强，使用不同的高效卷积组合，大大减少了参数的数量，同时保持了较大的感受野，以确保重建质量。然后根据感受野大小形成瓶颈注意力块，通过对称结构得到对称大核注意力模块。通过实验对比结果，说明本发明提出的方法可以达到减少网络参数数量，提升网络性能和效率的目的，实现了轻量化的高效图像超分辨率途径。
-
公开(公告)号：CN116840941A
公开(公告)日：2023-10-03
申请号：CN202310748101.6
申请日：2023-06-25
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于深度学习和风云卫星的模式降水预报订正方法，以风云气象卫星云图数据作为输入，搭建结合了空洞卷积和注意力机制的U型降水预报订正网络，提高了24小时降水预报的准确性和可靠性，U型降水预报订正网络包括五层编码器和与之对应的五层解码器，所述编码器用于提取云图数据中与未来降水相关的特征信息，所述解码器接收降水相关特征信息，逐渐重建降水预报信息，最终输出降水预报订正结果。充分发挥了卫星遥感的优势，避免了在地形复杂区域由于台站观测和天气雷达观测数据缺测而受到的影响和限制，同时架构简单，具有更好的时效性。
-
公开(公告)号：CN116758268A
公开(公告)日：2023-09-15
申请号：CN202310758679.X
申请日：2023-06-26
Applicant: 成都信息工程大学
IPC: G06V10/22 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于对比学习类特定编码的小样本目标检测方法，所述小样本目标检测方法构建了基于CenterNet为基础框架的检测网络，将对比分支连接到所述CenterNet网络中，对比分支对不同的新类编码出特定于该类的表征信息，所述CenterNet网络包括特征提取器和目标定位器，结合对比分支提取的表征信息来实现对少量新类样本的高效快速预测通过对新类进行编码的技术方法，以实现增量式学习，允许通少量新的类样本直接检测新类，无需对模型进行微调和二次训练，同时采用对比类特定编码模块使得小样本目标检测性能得到显著改善，减少错检和漏检。
-
公开(公告)号：CN116664892A
公开(公告)日：2023-08-29
申请号：CN202310690058.2
申请日：2023-06-12
Applicant: 成都信息工程大学
IPC: G06V10/75 , G06V10/44 , G06V10/80 , G06V10/82 , G06V20/10 , G06N3/045 , G06N3/0464 , G06N3/048 , G06V10/24 , G06T7/33
Abstract: 本发明涉及一种基于交叉注意与可形变卷积的多时相遥感图像配准方法，首先，基于主干网络VGG16引入可形变卷积构建可形变卷积块DeVgg以适应不同形状、尺度大小等发生明显几何形变的遥感图像，增强了算法的鲁棒性；其次，将主干网络提取出的特征输入到交叉注意力模块中，用以更好地捕获不同背景变化下的影像的空间对应关系，在保留特征图核心信息的同时，能够高效地识别需要关注的特征信息，进而提高整体的匹配准确性。在特征匹配阶段，为了解决特征点匹配质量不佳问题，使用暴力匹配BFMatcher算法进行粗配准，再结合自适应的约束阈值，筛选出优质匹配点。
-
公开(公告)号：CN116628626A
公开(公告)日：2023-08-22
申请号：CN202310726072.3
申请日：2023-06-19
Applicant: 成都信息工程大学
IPC: G06F18/25 , G06F18/214 , G06F18/24 , G06N20/20
Abstract: 本发明涉及一种基于特征交叉融合网络的短时降水分型方法，在降水分型任务中，设计了一个特征交叉融合ConvNeXT网络，用欧洲中期天气预报中心再分析数据ERA5的500百帕位势高度的气象数据作为训练集进行学习，学习不同天气类型的环流特征，通过交叉融合学习不同天气类型的环流特征，保存更多的细节特征，将不同类型的天气系统的差异尽可能的区分，最后根据分类结果绘制降水平面图，该方法解决了以往的方法不适用小尺度天气系统的缺点。本发明解决了主观分型带来的耗时耗力和标准不统一的问题以及以往客观分型的低准确率问题。
-
-
-
-
-
-
-
-
-
Search Results
174
records
(took 0.028 seconds)
