-
公开(公告)号：CN109685820A
公开(公告)日：2019-04-26
申请号：CN201811441680.5
申请日：2018-11-29
Applicant: 济南大学
CPC classification number: G06T7/155 , G06K9/6218 , G06T5/002 , G06T2207/20024 , G06T2207/20036
Abstract: 一种基于形态学重建与带有指导滤波的FCM聚类的图像分割方法，通过使用形态学重建有效去除原始图片中的噪声，提高噪声图像的分割准确率，之后使用指导滤波弥补去噪操作对图片边缘的破环，提升图像纹理边缘区域的分类效果，最终引入一个影响因子，调节指导图像，进一步提高指导滤波的效果，有效提高了噪声图像的分割效果。
-
公开(公告)号：CN106954076B
公开(公告)日：2018-01-12
申请号：CN201710146159.8
申请日：2017-03-13
Applicant: 济南大学
IPC: H04N19/89 , H04N19/513
Abstract: 本发明一种基于视点间关系的多视点视频帧插入方法，首先，利用单向运动估计算法进行前向和后向运动估计，获取前向运动向量场和后向运动向量场；其次，根据深度信息检测出上一帧图像和当前帧图像中遮挡图像块，并进一步将遮挡图像块分成覆盖型图像块和非覆盖型图像块；然后，利用多视点视频视点间的关系进行遮挡图像块的处理；最后，对插入帧中的每个图像块进行运动向量分配，并利用双向运动补偿实现帧插入。本发明充分考虑多视点视频中不同视点在空间上的关系，利用这种空间关系解决视频帧插入中遮挡区域处理这一关键问题，减弱现有的二维视频和三维视频帧插入方法中存在的前景物体边缘模糊现象，从而明显提升了插入帧的视觉质量。
-
公开(公告)号：CN106954076A
公开(公告)日：2017-07-14
申请号：CN201710146159.8
申请日：2017-03-13
Applicant: 济南大学
IPC: H04N19/89 , H04N19/513
CPC classification number: H04N19/89 , H04N19/513
Abstract: 本发明一种基于视点间关系的多视点视频帧插入方法，首先，利用单向运动估计算法进行前向和后向运动估计，获取前向运动向量场和后向运动向量场；其次，根据深度信息检测出上一帧图像和当前帧图像中遮挡图像块，并进一步将遮挡图像块分成覆盖型图像块和非覆盖型图像块；然后，利用多视点视频视点间的关系进行遮挡图像块的处理；最后，对插入帧中的每个图像块进行运动向量分配，并利用双向运动补偿实现帧插入。本发明充分考虑多视点视频中不同视点在空间上的关系，利用这种空间关系解决视频帧插入中遮挡区域处理这一关键问题，减弱现有的二维视频和三维视频帧插入方法中存在的前景物体边缘模糊现象，从而明显提升了插入帧的视觉质量。
-
公开(公告)号：CN116361785B
公开(公告)日：2024-04-05
申请号：CN202310357449.2
申请日：2023-03-31
Applicant: 济南大学
IPC: G06F21/55 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 本发明公开的基于深度学习的推荐系统恶意攻击检测方法及系统，包括：获取目标点击行为对应的用户编号、商品编号、用户特征和商品特征；根据用户编号、商品编号和基于GCN的嵌入表示模型，获得用户嵌入和商品嵌入；根据用户嵌入、商品嵌入、用户特征、商品特征和训练好的恶意攻击识别分类器，获得目标点击行为的识别结果，其中，恶意攻击识别分类器以用户嵌入、商品嵌入、用户特征和商品特征为输入，以目标点击行为的识别结果为输出，通过集成学习构建获得。在提高目标点击行为识别准确率的基础上，能够有效解决不平衡分类问题。
-
-
Patent Agency Ranking
公开(公告)号：CN116881455A
公开(公告)日：2023-10-13
申请号：CN202310837734.4
申请日：2023-07-10
Applicant: 济南大学
IPC: G06F16/35 , G06F40/279 , G06N3/04
Abstract: 本发明属于自然语言处理领域，提供了基于对比学习及图嵌入优化的文本聚类方法及系统，其技术方案为：采用对比学习并结合图嵌入方法，既考虑了数据的全局结构，又结合了特征的局部图结构。图嵌入充分利用原始高维样本空间的近邻先验信息，对低维表示空间的嵌入施加约束，以保证原始样本的连接强度在隐层特征中得到反映。利用样本和最近的邻居之间的相关性来弥补只依靠全局结构所造成的聚类中心偏差，达到提高聚类精度的目的，从而从高数据量、高稀疏的文本数据集中得到准确的聚类结果。
-
公开(公告)号：CN116644327A
公开(公告)日：2023-08-25
申请号：CN202310638508.3
申请日：2023-05-30
Applicant: 济南大学
IPC: G06F18/23213 , G06F18/214 , G06F18/213 , G06F18/22
Abstract: 本发明提出了一种基于协同训练的深度多视图聚类方法及系统，涉及数据挖掘和机器学习领域，具体方案包括：获取待聚类的多视图，用每个视图预训练自己的深度自编码模型；计算每个视图的亲和矩阵，设置每个视图的初始权重和视图间的初始动态学习因子；对每个视图的深度自编码模型进行迭代的正式训练，更新每个视图的权重和视图间的动态学习因子，直到满足预设的迭代停止条件，输出最终的隐层特征和聚类中心；基于最终的隐层特征和聚类中心，得到聚类结果；本发明设计了基于动态协同训练的深度多视图加权图嵌入聚类算法，针对多视图数据，采用动态协同训练思想，深入挖掘多视图间的互补信息，提高面向于多视图数据集的聚类效果。
-
公开(公告)号：CN116469082A
公开(公告)日：2023-07-21
申请号：CN202310485306.X
申请日：2023-05-04
Applicant: 济南大学
IPC: G06V20/58 , G06V10/80 , G06V10/762
Abstract: 本申请公开了一种基于道路点云的障碍物及坑洼多目标聚类方法，涉及点云处理领域，用以解决道路障碍物和坑洼检测过程复杂，处理缓慢的问题。本申请发明了一种新的道路障碍物及坑洼多目标聚类方法，可以根据检测出的道路边界，对道路点云上的障碍物和坑洼进行多目标聚类，提高了道路障碍物和坑洼聚类精确度。本申请基于道路点云对可能存在的道路障碍物和坑洼进行检测，进而使得无人驾驶系统能够对道路障碍物和坑洼风险进行分析和预警，更好的有效规避或者降低道路障碍物和坑洼的影响，提高驾驶时的舒适性和安全性。
-
公开(公告)号：CN116361785A
公开(公告)日：2023-06-30
申请号：CN202310357449.2
申请日：2023-03-31
Applicant: 济南大学
IPC: G06F21/55 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 本发明公开的基于深度学习的推荐系统恶意攻击检测方法及系统，包括：获取目标点击行为对应的用户编号、商品编号、用户特征和商品特征；根据用户编号、商品编号和基于GCN的嵌入表示模型，获得用户嵌入和商品嵌入；根据用户嵌入、商品嵌入、用户特征、商品特征和训练好的恶意攻击识别分类器，获得目标点击行为的识别结果，其中，恶意攻击识别分类器以用户嵌入、商品嵌入、用户特征和商品特征为输入，以目标点击行为的识别结果为输出，通过集成学习构建获得。在提高目标点击行为识别准确率的基础上，能够有效解决不平衡分类问题。
-
公开(公告)号：CN109685820B
公开(公告)日：2022-09-30
申请号：CN201811441680.5
申请日：2018-11-29
Applicant: 济南大学
IPC: G06T7/155 , G06V10/762 , G06T5/00
Abstract: 一种基于形态学重建与带有指导滤波的FCM聚类的图像分割方法，通过使用形态学重建有效去除原始图片中的噪声，提高噪声图像的分割准确率，之后使用指导滤波弥补去噪操作对图片边缘的破环，提升图像纹理边缘区域的分类效果，最终引入一个影响因子，调节指导图像，进一步提高指导滤波的效果，有效提高了噪声图像的分割效果。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.031 seconds)
