一种基于双边自适应演化Transformer的遥感影像泛锐化方法及系统

    公开(公告)号:CN119379549A

    公开(公告)日:2025-01-28

    申请号:CN202411507794.0

    申请日:2024-10-28

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于双边自适应演化Transformer的遥感影像泛锐化方法及系统,该方法包括对原始遥感影像进行处理,并划分为训练集、验证集和测试集,构成遥感影像数据集;对遥感影像数据集中的影像分别进行水平和垂直维度的自注意力计算,根据自适应演化机制更新权重,构建基于双边自适应演化Transformer的网络模型;利用遥感影像数据集中的训练集训练基于双边自适应演化Transformer的网络模型,得到训练完成的网络模型,该模型对应的网络参数为全局最优的网络参数;利用训练后的网络模型,得到泛锐化后的遥感影像,完成遥感影像的泛锐化。本发明显著减少了计算量,提升了融合的精度和效率,在不同数据集上具有优异的数值指标和视觉效果。

    一种数字集成电路线延时预测方法、设备及存储介质

    公开(公告)号:CN118211542A

    公开(公告)日:2024-06-18

    申请号:CN202410406459.5

    申请日:2024-04-07

    Abstract: 本发明公开了一种数字集成电路线延时预测方法、设备及存储介质,首先,通过物理设计工具对电路进行物理设计,提取电路布线后版图寄生参数信息作为预测模型的输入特征,然后通过在spef网表中提取路径拓扑信息,进行序列特征预处理,将处理后的特征作为矩匹配模型的输入,建立起网表拓扑结构与线延时之间的联系。将矩匹配模型的输出和网表拓扑信息预处理的输出进行合并后作为XGboost模型和随机森林模型的特征输入。最后运用贝叶斯优化的方法进行超参数优化,得到鲁棒性较强的延时预测模型,输出延时预测值。本发明与传统精确模型方法相比,能够在较低的仿真开销情况下,取得更高精度的预测效果,对于数字集成电路的下时序签核具有重要意义。

    一种基于双级优化驱动高频增强的遥感影像泛锐化方法及系统

    公开(公告)号:CN119579460A

    公开(公告)日:2025-03-07

    申请号:CN202411655375.1

    申请日:2024-11-19

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于双级优化驱动高频增强的遥感影像泛锐化方法及系统,该方法包括对原始遥感影像进行处理,并划分为训练集、验证集和测试集,构成遥感影像数据集;对遥感影像数据集中的影像,在不同模态间施加互信息最大化和对比学习的双重约束以进行双极优化,构建基于双极优化驱动高频增强的网络模型;利用遥感影像数据集中的训练集训练基于双极优化驱动高频增强的网络模型,得到训练完成的网络模型,该模型对应的网络参数为全局最优的网络参数;利用训练后的网络模型,得到泛锐化后的遥感影像,完成遥感影像的泛锐化。本发明实现了精确的细节重建,提升了融合的精度和效率,在不同数据集上具有优异的数值指标和视觉效果。

Patent Agency Ranking