公开(公告)号：CN116681994A

公开(公告)日：2023-09-01

申请号：CN202310655119.1

申请日：2023-06-05

Applicant: 北京理工大学

Inventor： 张睿恒 ,  李璐 ,  徐立新 ,  杨志东 ,  余恒

IPC: G06V10/88 ,  G06V10/60 ,  G06V10/80 ,  G06V10/766 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/094

Abstract: 本发明公开了一种基于对抗学习中差分特征感知的红外可见光目标检测方法，包括：基于由KL和JS散度组成的融合散度损失函数，用非共享的特征提取网络分别提取差分的红外特征和可见光特征；使用IR‑Attention模块和RGB‑Attention模块分别对提取到的红外特征和可见光特征进行再提取，更加关注红外特征图和可见光特征图中的有效信息；使用F‑Attention模块对再提取到的差分的双模特征进行融合，保留双模特征的共性的同时追求其更多的差异信息；使用RPN对融合的双模特征进行回归与分类，完成目标检测。本发明的优点是：能够使特征提取网络产生对抗，尽可能多得提取双模独特信息，并且基于多种注意力机制的特征融合网络可以全面地融合互补的差分双模特征，从而提高模型的检测精度。

公开(公告)号：CN117194502B

公开(公告)日：2024-01-23

申请号：CN202311444981.4

申请日：2023-11-02

Applicant: 北京理工大学

Inventor： 徐立新 ,  杨志东 ,  张睿恒 ,  刘雨蒙 ,  苏毅 ,  王潮

IPC: G06F16/2455 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明涉及一种基于长短期记忆网络的数据库内容缓存替换方法，属于计算机数据库技术领域。本方法使用长短期记忆网络预测缓存替换最优解，按照先主后次、先急后缓的策略进行缓存队列更新，降低神经网络预测不确定性对整体性能的影响。通过对算法逻辑的优化，不直接将长短期记忆网络的预测结果作为最终的替换结果，而是将其视为缓存替换的重要参考项，结合当前缓存队列中现有的缓存行，决定缓存数据块的去留。本发明包括训练数据集的获取、替换缓存的具体逻辑与方式，能够灵活适应不同用户的行为模式，保证了数据访问请求指令频繁时缓存替换算法性能的下限，使计算资源的调动更加灵活，互不干扰，缓存替换过程简洁高效。

公开(公告)号：CN117194502A

公开(公告)日：2023-12-08

申请号：CN202311444981.4

申请日：2023-11-02

Applicant: 北京理工大学

Inventor： 徐立新 ,  杨志东 ,  张睿恒 ,  刘雨蒙 ,  苏毅 ,  王潮

IPC: G06F16/2455 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明涉及一种基于长短期记忆网络的数据库内容缓存替换方法，属于计算机数据库技术领域。本方法使用长短期记忆网络预测缓存替换最优解，按照先主后次、先急后缓的策略进行缓存队列更新，降低神经网络预测不确定性对整体性能的影响。通过对算法逻辑的优化，不直接将长短期记忆网络的预测结果作为最终的替换结果，而是将其视为缓存替换的重要参考项，结合当前缓存队列中现有的缓存行，决定缓存数据块的去留。本发明包括训练数据集的获取、替换缓存的具体逻辑与方式，能够灵活适应不同用户的行为模式，保证了数据访问请求指令频繁时缓存替换算法性能的下限，使计算资源的调动更加灵活，互不干扰，缓存替换过程简洁高效。

公开(公告)号：CN116664414A

公开(公告)日：2023-08-29

申请号：CN202310306064.3

申请日：2023-03-27

Applicant: 北京理工大学

Inventor： 张睿恒 ,  曹哲 ,  徐立新 ,  丁伯圣 ,  杨志东 ,  高翔

IPC: G06T5/00

Abstract: 本发明公开了一种基于无监督学习的统一图像去雾和去噪方法，涉及数字图像处理技术领域，包括以下步骤：S1、将原始雾霾图片Ihaze输入至基于暗通道先验DCP方法和生成对抗式训练的去雾模块，获得去雾含噪图像Jdehaze；S2、将原始雾霾图片Ihaze输入至基于降采样的去噪模块，获得去噪含雾图像Jnoise；S3、将S1和S2中所得图像Jdehaze和图像Jnoise输入至图像融合模块，对去雾图像和去噪图像进行以区域相似度为目标函数的融合，输出兼顾去雾、去噪的融合图像Jfused。本发明的方法主要由无监督去雾模块、无监督去噪模块和区域相似性融合策略组成，以恢复可见性并抑制去雾模块中依赖深度的噪声传播。本发明方法在PSNR、SSIM和主观视觉效果方面优于其他最先进的去雾和去噪方法。

公开(公告)号：CN117764870A

公开(公告)日：2024-03-26

申请号：CN202311843689.X

申请日：2023-12-29

Applicant: 北京理工大学

Inventor： 徐立新 ,  杨志东 ,  张睿恒 ,  丁伯圣 ,  司凌宇 ,  刘雨蒙 ,  姚懿恒

IPC: G06T5/73 ,  G06T3/04 ,  G06T5/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于域适应的图像去沙尘方法，属于计算机视觉与图像处理技术领域。在图像风格统一阶段，采用一种自适应的退化通道像素值补偿技术，将退化通道整体加上一个补偿值，矫正沙尘颗粒造成的图像失真。经过图像风格统一，不同沙尘颗粒浓度下的沙尘图像均能够调整至一个风格统一的中间域。采用基于域适应的神经网络模型训练方法，将有监督训练与无监督训练相结合，进一步对中间域图像细节进行增强，在成对雾图上训练得到模型后，采用域适应技术将其泛化至沙尘图像，使得其在沙尘图像上也能够发挥作用。本方法有效解决了现有图像去沙尘技术不够灵活，不能兼顾所有浓度的沙尘图像，以及不能在真实沙尘图像上发挥作用的问题。