-
公开(公告)号：CN117876282A
公开(公告)日：2024-04-12
申请号：CN202410268067.7
申请日：2024-03-08
Applicant: 昆明理工大学
IPC: G06T5/90 , H04N23/951 , G06T5/60
Abstract: 本发明涉及基于多任务交互促进的高动态范围成像方法，属于数字图像处理技术领域。本发明包括步骤：获取低动态范围图像，并对图像进行预处理；构建单曝光重建网络，将预处理好的低动态范围图像送入单曝光重建网络进行高动态范围图像的重建；构建多曝光融合网络，将预处理好的低动态范围图像序列送入多曝光融合网络进行多曝光图像的融合，从而生成高动态范围图像；构建交互学习块，让单曝光图像的曝光良好信息促进单曝光重建网络，让单曝光网络的无伪影特征促进多曝光融合网络；构建交互学习块，让两个网络相互促进；构建整合块对单曝光重建网络和多曝光融合网络的重建特征进行整合。本发明通过多任务之间的相互促进，提升了高动态范围成像的性能。
-
公开(公告)号：CN113743133B
公开(公告)日：2023-10-17
申请号：CN202110958255.9
申请日：2021-08-20
Applicant: 昆明理工大学
IPC: G06F40/58 , G06F40/30 , G06F40/289 , G06F40/242 , G06N3/048 , G06N3/0499 , G06N3/084
Abstract: 本发明涉及融合词粒度概率映射信息的汉越跨语言摘要方法，属于自然语言处理技术领域。本发明包括步骤：语料收集；对收集的语料进行分词预处理；并利用fast‑align工具及统计的思想获得汉越概率映射对；并采用编解码注意力机制，以此获取基于汉语文章摘要的关键词；概率映射机制的构建；词级概率映射信息的融入；本发明对汉越词粒度的信息和其篇章级的文本进行表征；其次，基于注意力机制对词粒度的信息和篇章级文本进行联合表征；最后，通过融合词粒度的对齐信息到目标语言的摘要，提高摘要的准确性。本发明在汉‑越跨语言摘要数据集上进行了实验，实验证明了本发明的有效性和优越性。
-
公开(公告)号：CN116664605B
公开(公告)日：2023-10-10
申请号：CN202310954604.9
申请日：2023-08-01
IPC: G06T7/11 , G06T7/00 , G06T5/00 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及基于扩散模型和多模态融合的医学图像肿瘤分割方法，属于医学图像处理技术领域。本发明包括步骤：获取多模态MRI医学图像，并对图像进行预处理；构建去噪网络，将预处理好的多模态图像分别送入不同的去噪网络，该网络通过正向扩散过程对输入图像进行破坏，然后预测噪声并修复出正常区域；将每个模态的原始输入图片和噪声图像的预测值被级联输入到不同的分割网络编码器中；构建自适应融合模块，预测每个模态的重要性，自适应融合不同模态的编码特征；构建分割网络解码器，将编码器的输出特征通过跳越连接送入到解码器并输出分割结果图。本发明通过网络自适应学习不同模态的贡献程度，提升了融合效率和分割精度。
-
公开(公告)号：CN110442618B
公开(公告)日：2023-04-18
申请号：CN201910677191.8
申请日：2019-07-25
Applicant: 昆明理工大学
IPC: G06F16/2458 , G06F16/28 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及融合专家信息关联关系的卷积神经网络评审专家推荐方法，属于数据处理技术领域。本发明通过构造多名专家信息之间的关联关系矩阵，并与已经转化为向量的专家信息向量拼接成为专家相关性矩阵，最后通过卷积神经网络构建融合专家关联关系的评审专家推荐模型。通过项目与专家之间的得分关系，从而训练出来专家推荐模型。实验结果表明本发明提出的专家推荐模型在实际任务中取得了较好的效果，相较于不考虑专家关系的方法在推荐效果上有一定的提升。
-
公开(公告)号：CN111709230B
公开(公告)日：2023-04-07
申请号：CN202010366742.1
申请日：2020-04-30
Applicant: 昆明理工大学
IPC: G06F40/284 , G06F40/30 , G06F40/117 , G06F40/169 , G06F40/186 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及基于词性软模板注意力机制的短文本自动摘要方法，属于自然语言处理技术领域。本发明首先对文本进行词性标记，将标出的词性序列视为文本的词性软模板，指导模型学习构造摘要句的结构规范，在模型的编码端实现词性软模板的表征，然后引入词性软模板注意力机制，将文中名词、动词等词性序列以注意力的方式增强模型对核心词性的关注，最后在解码端联合词性软模板注意力与传统注意力产生摘要句；本发明提出在构建神经网络摘要生成框架时，加入词性软模板注意力机制，指导模型学习合理的词性组合方式，辅助生成结构清晰且语义完整的摘要。本发明有效提升了生成式摘要的性能，在当前ROUGE评价指标上取得了较好的效果。
-
Patent Agency Ranking
公开(公告)号：CN115908855A
公开(公告)日：2023-04-04
申请号：CN202310028118.4
申请日：2023-01-09
Applicant: 昆明理工大学
IPC: G06V10/44 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于CNN和Transformer的素描图像‑可见光图像的检索方法，该方法包括利用多粒度特征提取网络、跨模态共有特征增强网络、多粒度交互网络构建跨模态检索模型。素描图像和可见光图像输入到基于CNN的多粒度特征提取网络得到两个模态的多粒度特征；跨模态共有特征增强网络利用跨模态注意力对多模态特征在共有特征上进行增强，这样不仅可以减小两个模态之间的差异，同时还能增强共有特征的判别性，有利于最后的检索；增强后的特征通过多粒度交互网络进行特征交互来建立多粒度特征之间的上下文关系，来增强多模态特征的判别性表示。通过本发明的方法，能有效减小模态之间的差异，提高检索的精度和效率。
-
公开(公告)号：CN114890021B
公开(公告)日：2023-03-31
申请号：CN202210525531.7
申请日：2022-05-14
Applicant: 昆明理工大学
Abstract: 本发明涉及一种快递纸箱回收柜及快递纸箱单面信息消除方法，属于快递回收装置技术领域。包括主柜及位于主柜左侧、右侧且结构相同的侧柜，主柜及侧柜上方设有供电装置，侧柜上设有投入口，侧柜内部设有侧柜控制装置及与其连接的检测装置、传输装置、快递纸箱单面信息消除装置，主柜内部设有主柜控制装置、左侧压缩装置、右侧压缩装置、分拣传输装置、纸箱存储装置、储能装置，快递纸箱经过投入口后依次经过检测装置、传输装置、快递纸箱单面信息消除装置、左侧压缩装置或右侧压缩装置、分拣传输装置后被送入纸箱存储装置。本发明可以解决快递纸箱单面信息泄露的问题，有利于用户对纸箱的回收与利用。
-
公开(公告)号：CN114119420B
公开(公告)日：2022-12-13
申请号：CN202111457187.4
申请日：2021-12-01
Applicant: 昆明理工大学
IPC: G06T5/00 , G06T7/00 , G06V10/80 , G06V10/776 , G06V10/82 , G06V10/774
Abstract: 本发明涉及基于雾迁移和特征聚合的真实场景下有雾图像去雾方法，属图像处理领域。本发明设计了一种将真实场景下的有雾图像中的雾迁移到清晰图像上以生成数据集，然后再利用一种以特征聚合为基础的去雾网络实现图像去雾的方法。在雾迁移的过程中，设计了一种多层次特征分块鉴别方法将真实场景中的雾迁移到清晰图像上以生成有雾图像训练数据集，该数据集中图像拥有与真实有雾场景下的雾图像相似的风格和在雾图像中的雾的分布特性。此外，通过细粒度细节信息和语义信息聚合的方式实现提取特征的补充以实现图像去雾。该方法在真实场景下的有雾图像上取得了良好的去雾效果，极大克服了合成数据集训练的去雾模型在真实有雾图像上泛化性能较差的问题。
-
公开(公告)号：CN113239142B
公开(公告)日：2022-09-23
申请号：CN202110451650.8
申请日：2021-04-26
Applicant: 昆明理工大学
IPC: G06F16/33 , G06F40/211 , G06F40/30 , G06N3/04
Abstract: 本发明涉及融合句法信息的无触发词事件检测方法，属于自然语言处理技术领域。本发明首先获取预处理语料的句法依存信息以及进行BPE编码获取子词单元；将基于BPE子词单元的句子转为ID之后，再通过随机初始化获取句子中每个子词单元的向量表示；根据句子BPE编码后的子词单元数量来计算出每个单词的中间位置，然后将每个单词映射为其父词的中间位置表示；采用transformer作为编码器，将句法信息与文本的语义信息进行融合；最后通过类型感知器获取局部的触发词特征，再将局部的触发词特征与全局的语义表征进行联合，来完成事件检测任务。本发明的检测方法更简便有效。
-
公开(公告)号：CN111784572B
公开(公告)日：2022-06-28
申请号：CN202010425926.0
申请日：2020-05-19
Applicant: 昆明理工大学
Abstract: 本发明涉及一种基于判别字典学习的图像融合与超分辨率联合实现方法，属于数字图像处理技术领域。具体来说，首先联合训练两对低秩、稀疏字典和一个高、低分辨图像编码系数转换矩阵。其中一对字典用于表示输入图像的低秩和稀疏分量，另一对用于重构高分辨率融合低秩和稀疏分量，转换矩阵用于建立高分辨率图像和低分辨率图像之间的潜在关系。然后构造了一个稀疏和低秩分离模型，有效地对输入图像分解为低秩和稀疏分量，从而可以通过不同词典构建高分辨率融合图像。该发明联合实现了图像的融合和超分辨率重构。实验结果表明，无论在视觉效果还是在客观指标上，本发明都具有更好的融合性能。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.029 seconds)
