-
公开(公告)号：CN102867331A
公开(公告)日：2013-01-09
申请号：CN201210316717.8
申请日：2012-08-31
Applicant: 电子科技大学
Abstract: 本发明提供一种面向GPU的大规模地形快速绘制方法，包括：生成原始地形的外存文件；其中，外存文件中存储有包含原始地形数据的多个地形块、每个地形块的索引编号以及与地形块相对应的压缩纹理块，地形数据包括纹理数据和高程数据；根据预设视点参数确定地形的LOD层次分布，建立地形四叉树结构，遍历地形四叉树结构为不同的LOD层次细节选择相应的四叉树节点，将选中的四叉树节点添加到渲染调度队列；其中，地形四叉树结构的各个节点对应于外存文件中的相应压缩地形块，用于存储相应压缩地形块的LOD层次及高程数据；从渲染调度队列获取将被调度的节点，并对将被高度的节点进行渲染，完成对原始地形的绘制。
-
公开(公告)号：CN119851148A
公开(公告)日：2025-04-18
申请号：CN202411733922.3
申请日：2024-11-29
Applicant: 电子科技大学
IPC: G06V20/13 , G06V10/774 , G06V10/32 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/048 , G06N3/08 , G06N3/045
Abstract: 本发明公开了一种大模型驱动的高分辨率遥感图像解译方法，属于图像处理与分析领域。本发明包括：构建大规模的高分辨遥感图像数据集；对数据进行清洗和标注，划分训练集和验证集；构建多模态遥感信息智能提取大模型，实现多模态遥感特征的提取与协同；构建多模态遥感信息融合模块，实现可见光编码特征和热红外编码特征的融合；基于当前大语言模型的编码器来处理融合后的多模态特征，实现高分辨率遥感图像的解译。本发明所提方法的实施，能有效提升高分辨遥感图像解译的准确度。
-
公开(公告)号：CN119135849A
公开(公告)日：2024-12-13
申请号：CN202411605023.5
申请日：2024-11-12
Applicant: 电子科技大学
Abstract: 本发明提供了一种机场航站楼视频数字孪生方法、装置、设备及介质，首先获取多传感器采集的数据，然后构建高精度机场航站楼静态三维模型，并以世界坐标系为基准，构建二维图像坐标系、航站楼静态三维模型坐标系、摄像机坐标系之间的映射关系，获取航站楼空间初始布局，以二维布局估计为关键点，对图像纹理进行重建，实现单摄像机下二维图像纹理至航站楼静态三维模型的注册，最后计算融合渲染过程中的缝合线，将多摄像机二维图像与构建的静态三维模型进行融合，以实现航站楼三维全景数字孪生。通过本发明方案，实现了航站楼多摄像头、结构化数据、航站楼室内模型融合大场景下三维实景可视化，实现了全面实时监测，保障了机场的安全运行。
-
公开(公告)号：CN115100540B
公开(公告)日：2024-05-07
申请号：CN202210778771.8
申请日：2022-06-30
Applicant: 电子科技大学
Abstract: 本发明涉及视频图像处理技术领域，尤其涉及一种高分辨率遥感影像道路自动提取的方法，本发明通过加入多Agent系统，在深度卷积神经网络模型的训练过程中，在输入的高分辨率遥感影像上分区域创建生成Agent，由生成Agent随机生成大量的提取Agent，不同的提取Agent负责遍历不同的区域，再将路图迭代生成算法模型加入每个提取Agent的运行周期中，通过同一区域内不同提取Agent间、提取Agent和生成Agent间，以及不同区域的生成Agent间的信息共享、协同合作完成整张遥感影像的道路提取任务。本发明通过多Agent技术实现模型高效训练，又能利用深度学习的强大特征学习能力，实现高效率和高准确性的高分辨率遥感影像道路提取。
-
公开(公告)号：CN114613004B
公开(公告)日：2023-08-01
申请号：CN202210206087.2
申请日：2022-02-28
Applicant: 电子科技大学
IPC: G06V40/20 , G06V10/764 , G06V10/82 , G06N3/047 , G06N3/0464 , G06N3/08
Abstract: 本发明属于视频处理技术领域，具体涉及一种人体动作的轻量化在线检测方法，本发明包括：步骤1：采集视频数据并标注分块；步骤2：对视频块预处理并生成在线检测数据集；步骤3：基于SlowFast构建特征提取网络，得到视频块特征；步骤4：构建基于双路孪生网络对特征进行辨别性映射；步骤5：构建基于Informer概率稀疏注意力与注意力蒸馏的时序编码器，得到时序编码特征；步骤6：构建基于Informer概率稀疏注意力的时序解码器进行时序解码，将解码结果送入分类器得到人体动作在线检测结果,基于多时态检测结果对整体网络联合优化；本发明通过上述技术方案，极大减少了时序推理运算量，提高了在线动作检测效率和精度。
-
Patent Agency Ranking
公开(公告)号：CN112633378B
公开(公告)日：2022-06-28
申请号：CN202011550220.3
申请日：2020-12-24
Applicant: 电子科技大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/22 , G06V10/44 , G06K9/62 , G06V10/82 , G06N3/04
Abstract: 本发明提出了一种多模态影像胎儿胼胝体智能检测方法及系统，所述检测方法包括：对多模态切面医学影像进行胼胝体目标框标注和影像模态‑切面位信息标注，形成胼胝体目标检测数据集；对胼胝体目标检测数据集中的多模态切面医学影像进行预处理，对多模态切面医学影像的模态‑切面信息进行编码；建立包括特征提取网络模型和Transformer网络模型的胎儿胼胝体智能检测模型；对胎儿胼胝体智能检测模型进行训练，获得训练后的胎儿胼胝体智能检测模型；利用训练后的胎儿胼胝体智能检测模型对待检测的多模态切面医学影像进行胎儿胼胝体智能检测，获得胎儿胼胝体检测结果。本发明利用特征提取网络模型和Transformer网络模型实现多模态影像中胎儿胼胝体的准确定位。
-
公开(公告)号：CN114359202A
公开(公告)日：2022-04-15
申请号：CN202111638766.9
申请日：2021-12-29
Applicant: 电子科技大学
IPC: G06T7/00 , G06T7/10 , G06K9/62 , G16H50/20 , G06V10/774
Abstract: 本发明公开了一种基于交互式半监督的胎儿胼胝体分割系统及方法，解决了传统技术中制作数据过程需要进行大量标注、浪费医生时间的问题，其中系统包括：超声图像语义分割网络模块、半监督标注模块、噪声标注模块、数据集存储模块，所述超声图像语义分割模块连接半监督标注模块，所述半监督标注模块连接噪声标注模块，所述噪声标注模块连接数据集存储模块，所述数据集存储模块的数据输出端连接超声图像语义分割网络模块，实现了提高数据标注效率、降低医生工作量的技术效果。
-
公开(公告)号：CN109241972B
公开(公告)日：2021-10-01
申请号：CN201810947587.5
申请日：2018-08-20
Applicant: 电子科技大学
Abstract: 本发明公开一种基于深度学习的图像语义分割方法，涉及图像语义分割和深度学习领域，包括如下步骤：选择训练数据集；构建基于深度学习的语义分割模型；语义分割模型包括：语义监督模块、语义嵌入分值模块、特征重校正模块、上采样层和卷积层；通过分类模型对训练数据集进行预处理，并将分类模型的中间层输出的不同尺度的特征图输入构建好的语义分割模型中的语义监督模块中；对整个图像语义分割模型进行训练；步骤5：输入新的图像，在已训练好的深度神经网络模型中进行一次前向传播，端到端地输出预测的语义分割结果。本发明解决了现有技术中的图像语义分割准确率较低的问题。
-
公开(公告)号：CN110503053A
公开(公告)日：2019-11-26
申请号：CN201910794952.8
申请日：2019-08-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于循环卷积神经网络的人体动作识别方法，属于图像分类、模式识别与机器学习领域，解决因动作类别内部以及类别之间的变化或视频是由连续帧组成会造成人体动作识别精度低等问题。本发明构建数据集，即从公开数据集中随机选择长度相同的序列对，各序列中的每帧包括RGB图像和光流图像；构建孪生网络，孪生网络中的各网络依次包括CNN层、RNN层和Temporal Pooling层；构建“识别-验证”联合损失函数；基于数据集训练构建好的深度卷积神经网络和“识别-验证”联合损失函数；基于待识别的人体动作序列对，依次经过训练好的深度卷积神经网络和训练好的“识别-验证”联合损失函数，得到序列对的动作类别识别结果。本发明用于图像中的人体动作识别。
-
公开(公告)号：CN110490136A
公开(公告)日：2019-11-22
申请号：CN201910769040.5
申请日：2019-08-20
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于知识蒸馏的人体行为预测方法。属于人体行为预测领域，具体涉及一种基于知识蒸馏的人体行为预测方法。解决了现有技术中人体行为预测难度的增大，从而引起人体行为预测准确率低的问题。本发明的技术方案：对已知人体行为数据集中的视频逐个分成一段完整视频和一段部分视频，并分别对其进行提取视频图像帧的操作，再对得到的视频图像帧进行数据处理，并按照部分观测率的不同将视频分成完整视频图像帧以及部分视频图像帧集合，接着引入教师网络和学生网络，最后通过引入知识蒸馏以来对教师网络和学生网络进行学习，从而能对部分视频的行为进行识别和预测。本发明可以有效提高人体行为预测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.03 seconds)
