-
公开(公告)号：CN116152490A
公开(公告)日：2023-05-23
申请号：CN202211396440.4
申请日：2022-11-04
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/26 , G06N3/0442 , G06N3/049 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于残差块和密集连接的水体分割方法。遥感图像中的水体区域通常具有多尺度特征，因为水体区域由不同类型的水体组成。因此，从遥感图像中准确检测水体仍然是一个具有挑战性的问题。UNet取得了最先进的成果，但该网络也有一些局限性。本文针对连续的卷积层序列导致学习不同的特征，在某些情况下，它也可能导致学习冗余特征，添加更多层会导致更高的训练误差以及为了避免过度拟合并加速训练过程的问题。在UNet编码器部分，增加了残差块以及批归一化处理；为了克服神经网络在训练中长期依赖的梯度消失问题，在UNet解码器部分引入了卷积长短期记忆网络并使用它将特征处理为两个方向：向前和向后，称为BConvLSTM。以此来更好地实现水体分割。
-
公开(公告)号：CN115861615A
公开(公告)日：2023-03-28
申请号：CN202211533914.5
申请日：2022-12-01
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于二维三维信息双向交互的三维点云语义分割方法。该发明可以进一步增强以U‑Net为代表的U型网络的信息利用效率，加强其在不同场景下的泛化性能。以往的工作，将点云投影到二维平面或直接利用点，只是利用单独的二维或者三维信息，忽略了规则的2D图像具有细粒度的纹理信息，而不规则的3D点云包含了丰富的几何信息，两者所携带的信息是可以相互补充的。本发明提出的基于二维与三维信息双向交互的三维点云语义分割算法，通过构建3D体素与2D像素对应的投影矩阵，在相同的解码器层级，跳跃链接2D和3D的特征，为网络提供具有丰富纹理信息的2D特征和具有丰富几何信息的3D特征，实现了2D信息与3D信息的双向交互。
-
公开(公告)号：CN115830322A
公开(公告)日：2023-03-21
申请号：CN202211546722.8
申请日：2022-12-01
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于弱监督网络的建筑物语义分割标签扩充方法。目前基于深度学习在建筑物提取方面存在着像素级注释的大型、细粒度图像分割数据集很难获得的问题。弱监督学习可以通过依赖较弱的注释形式(如标签)来训练模型。在这里，我们学习如何在对抗性游戏中使用潦草注释进行分割。使用未配对的分割掩码，我们可以多尺度生成多个分辨率的真实分割掩码，同时我们使用涂鸦来学习它们在图像中的正确位置。该模型成功的核心是一种新颖的注意力控机制，我们使用对抗信号作为形状先验，从而在多尺度上获得更好的目标定位。作为对抗条件反射的主体，这些单元学习语义性的注意力特征图，抑制物体外部的噪声激活，并减少片段更深层次的消失梯度问题。
-
公开(公告)号：CN115796071A
公开(公告)日：2023-03-14
申请号：CN202211379642.8
申请日：2022-11-04
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06F30/28 , G06F30/25 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于体表征元尺度LBM方法的气体吸附模型。该发明根据多孔介质渗流理论提出使用格子玻尔兹曼方法对多孔介质中气体吸附的过程进行模拟的方案。选择合适的多孔介质格子玻尔兹曼模型以及适当的物理吸附方程，建立多孔介质对气体吸附的物理模型，根据宏观渗流控制方程，边界处理条件使用非平衡态外推格式，编写程序，完成对体表征元尺度的多孔介质气体吸附数值模拟。
-
公开(公告)号：CN115761845A
公开(公告)日：2023-03-07
申请号：CN202211368669.7
申请日：2022-11-03
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于改进的MTCNN的人脸检测方法。我们首先在通过一种使用生成对抗网络的超分辨率技术——SRGAN，将低像素图像转换为高像素图像，SRGAN使用反学习方法，结合像素均方误差、VGG高维特征均方误差和针对训练损失的深度卷积网络来实现超分辨率恢复。在原有MTCNN网络结构中创新性地引入了InceptionV2网络结构，提高了网络的学习性能，既保留了原有网络结构的优点，又进一步提高了人脸检测算法的效率和准确性。该模块通过对特征图进行三种不同的卷积(1×1,3×3,5×5)来提取更多的特征。不同的卷积检查对不同位置的人脸具有不同的学习效果。使用不同的卷积核进行学习可以更好地达到理想的学习效果。
-
Patent Agency Ranking
公开(公告)号：CN115761118A
公开(公告)日：2023-03-07
申请号：CN202211395904.X
申请日：2022-11-04
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06T17/00 , G06T3/40 , G06T17/10 , G06T5/00 , G06N3/0499
Abstract: 本发明基于SSRNet网络设计了一种可拓展的表面重建的方法，该网络将大规模点云进行分块处理，并以八叉树顶点为中心点来构造局部空间的几何感知特征，弥补了传统的表面重建方法只能处理小范围的点云，难以满足对大场景以及精细表面的重建需求。本发明首先以PointNet++网络为基础，将网络层数由2层增加为3层，提取出点云的局部特征，再用八叉树结构来划分点云，将八叉树顶点作为分块的局部空间的中心点，提取出局部空间的全局特征，并增加Dropout结构来防止过拟合，然后使用SSRNet对八叉树的顶点标签进行预测，再将分块处理的部分组合起来形成全局场景，通过Marching Cubes提取目标物的表面，最后使用拉普拉斯算法对表面进行平滑细化，最终完成表面重建的任务。
-
公开(公告)号：CN115728265A
公开(公告)日：2023-03-03
申请号：CN202211547016.5
申请日：2022-12-05
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01N21/3563 , G01N21/359
Abstract: 本发明公开了一种基于改进PLSR算法的土壤总氮检测方法。该发明在土壤理化性质检测领域有一定的通用性，并针对土壤总氮含量的预测做了一些特殊改进，该专利应用于土壤总氮含量的快速检测。普遍用于土壤中总氮分析的国家标准方法为一种基于实验室分析的化学湿法，不仅分析速度慢、操作复杂、分析成本高、容易造成二次污染，并且很难应用于野外现场分析。针对检测算法问题，首先对光谱数据进行了SG平滑滤波，然后对平滑后的数据进行PLSR建模。基于一种基于改进PLSR算法的土壤总氮检测方法，在检测速度上有明显提升，在检测准确率上也有较好的效果。
-
公开(公告)号：CN115661715A
公开(公告)日：2023-01-31
申请号：CN202211368436.7
申请日：2022-11-03
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于联合检测跟踪网络的多目标跟踪方法。本发明结合传统的检测和跟踪的算法，两个任务共享特征提取网络。本发明提出了基于代价矩阵的损失函数该损失函数有效的改善了检测任务和Re‑ID任务的不兼容问题。本发明提出了根据目标的偏移距离，对原始特征图进行调整。本发明提出了结合多帧的跟踪线索，通过求和的方式和当前帧的图像一起输入到网络中，有效的改善了检测的效果，提高了算法在部分遮挡场景下的检测效果。
-
公开(公告)号：CN115661461A
公开(公告)日：2023-01-31
申请号：CN202211390419.3
申请日：2022-11-04
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/26 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于多特征级联全卷积网络的复杂道路场景分割方法。自动车道检测是自动驾驶汽车中的一项经典任务，传统计算机视觉技术可以执行。然而，这种技术缺乏在实现高精度的可靠性，同时在复杂和动态的道路场景中实时检测的背景下保持足够的时间复杂性。深度神经网络已经证明了它们能够在手动标记的数据上训练它们时实现竞争的准确性和时间复杂性。然而，传统算法的效率低下，精度较低。本文提出将UNet网络和改进后的DensNet网络相结合，为复杂道路场景中的车道检测任务提供了一个新的思路。
-
公开(公告)号：CN114595336A
公开(公告)日：2022-06-07
申请号：CN202111479067.4
申请日：2021-12-04
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明提出一种基于高斯混合模型的多关系语义翻译模型。首先给出了贝叶斯非参数无限混合嵌入模型，并给出了相应的总体框架。其次给出了该算法的几何角度解释。然后给出了该算法的训练方法。最后，实验分析验证了该算法的有效性，实验结果表明该算法使多关系语义的问题得到有效解决。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.04 seconds)
