-
公开(公告)号：CN115035170B
公开(公告)日：2024-03-05
申请号：CN202210535815.4
申请日：2022-05-17
Applicant: 合肥工业大学
IPC: G06T5/77 , G06T7/41 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于全局纹理与结构的图像修复方法，涉及图像处理领域，包括以下步骤：输入待修复图像，获取待修复图像的纹理参考集；利用已知区域和已经粗糙填充过的遮挡块作为条件，对后续的遮挡块进行填充，新的遮挡块粗糙填充后，放到条件里面，继续帮助后续的填充，具体包括：从纹理参考集中选取参考向量，修补所述粗糙填充块，并计算纹理参考集与粗糙填充块之间的注意力分数；利用桥接注意力模块与注意力分数重构粗糙填充块，经过多层构建后得到语料集合，从语料集合中选取关联最强的候选块，得到最终修复输出。本发明的方法得到的修复输出在语义上更加连贯。
-
公开(公告)号：CN115293109B
公开(公告)日：2024-03-19
申请号：CN202210927577.1
申请日：2022-08-03
Applicant: 合肥工业大学
IPC: G06F40/126 , G06F40/30 , G06F16/583 , G06V30/19 , G06V10/82 , G06N3/0475 , G06N3/08
Abstract: 本发明公开了一种基于细粒度语义融合的文本图像生成方法及系统，应用于计算机视觉和自然语言处理技术领域，其方法主要包括两个阶段：初始图像生成阶段和基于细粒度语义融合的细化阶段；首先从输入文本描述中提取两种粒度的语义表示，即句级和词级语义特征，并根据句级的语义特征生成模糊的低分辨率图像，之后，我们将细粒度的词级语义特征融合到视觉特征图中，并将融合后的特征与全局的句级上下文特征相结合，生成更高分辨率的清晰图像；本发明采用了一种新的细粒度融合模块，从而更充分、高效地融合文本和图像特征，并通过全局语义细化模块保证了全局语义的一致性，能够准确识别文本信息并生成符合文本语义的逼真图像。
-
公开(公告)号：CN114881928A
公开(公告)日：2022-08-09
申请号：CN202210343261.8
申请日：2022-04-02
Applicant: 合肥工业大学
IPC: G06T7/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/82 , G06V10/764
Abstract: 本发明公开了一种基于深度代价敏感学习的小麦霜冻病害检测方法及系统，涉及人工智能技术领域，包括以下步骤：通过高光谱仪采集不同小麦品种在不同生长期间的高光谱数据，作为初始样本；对所述初始样本进行预处理，获取训练数据集；构建小麦霜冻病害检测模型并引入代价敏感学习，将所述训练数据集输入小麦霜冻病害检测模型中进行训练，直至损失函数收敛，获取小麦霜冻病害检测最优模型；使用所述小麦霜冻病害检测最优模型对小麦的高光谱数据进行检测，获取病害检测结果。本发明能够在不平衡的高光谱小麦霜冻数据集上开发出适合检测小麦霜冻损害的机器学习方法，克服训练过程中类别不平衡而引发的困难。
-
公开(公告)号：CN115115879A
公开(公告)日：2022-09-27
申请号：CN202210747314.2
申请日：2022-06-29
Applicant: 合肥工业大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种可切换在线知识蒸馏的图像分类方法、装置及可存储介质，涉及机器学习技术领域，其中方法包括以下步骤：获取待处理图像；构建老师网络以及学生网络，并确定所述老师网络与所述学生网络之间的蒸馏差距；确定所述蒸馏差距的自适应切换阈值，利用所述自适应切换阈值实现所述老师网络与所述学生网络的交互学习切换，实现所述学生网络的压缩；利用经过上述处理的所述学生网络对所述待处理图像进行分类；本发明所获得的压缩学生模型具有图像识别准确率高、存储空间小以及识别速度快等优势。
-
公开(公告)号：CN115293109A
公开(公告)日：2022-11-04
申请号：CN202210927577.1
申请日：2022-08-03
Applicant: 合肥工业大学
IPC: G06F40/126 , G06F40/30 , G06F16/583 , G06V30/19 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于细粒度语义融合的文本图像生成方法及系统，应用于计算机视觉和自然语言处理技术领域，其方法主要包括两个阶段：初始图像生成阶段和基于细粒度语义融合的细化阶段；首先从输入文本描述中提取两种粒度的语义表示，即句级和词级语义特征，并根据句级的语义特征生成模糊的低分辨率图像，之后，我们将细粒度的词级语义特征融合到视觉特征图中，并将融合后的特征与全局的句级上下文特征相结合，生成更高分辨率的清晰图像；本发明采用了一种新的细粒度融合模块，从而更充分、高效地融合文本和图像特征，并通过全局语义细化模块保证了全局语义的一致性，能够准确识别文本信息并生成符合文本语义的逼真图像。
-
Patent Agency Ranking
公开(公告)号：CN115035170A
公开(公告)日：2022-09-09
申请号：CN202210535815.4
申请日：2022-05-17
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于全局纹理与结构的图像修复方法，涉及图像处理领域，包括以下步骤：输入待修复图像，获取待修复图像的纹理参考集；利用已知区域和已经粗糙填充过的遮挡块作为条件，对后续的遮挡块进行填充，新的遮挡块粗糙填充后，放到条件里面，继续帮助后续的填充，具体包括：从纹理参考集中选取参考向量，修补所述粗糙填充块，并计算纹理参考集与粗糙填充块之间的注意力分数；利用桥接注意力模块与注意力分数重构粗糙填充块，经过多层构建后得到语料集合，从语料集合中选取关联最强的候选块，得到最终修复输出。本发明的方法得到的修复输出在语义上更加连贯。
-
公开(公告)号：CN114358206A
公开(公告)日：2022-04-15
申请号：CN202210033086.2
申请日：2022-01-12
Applicant: 合肥工业大学
Abstract: 本发明公开了二值神经网络模型训练方法及系统、图像处理方法及系统，属于人工智能技术领域，其中训练方法具体包括：构建在线知识蒸馏增强的二值神经网络训练框架，其中在线知识蒸馏增强的二值神经网络训练框架中教师网络为初始实值神经网络模型以及初始辅助神经网络模型，学生网络为初始二值神经网络模型；对这三个网络模型使用在线蒸馏方法进行训练，从而提升二值神经网络的性能，同时，利用本发明二值神经网络模型对待处理图像进行图像分类处理，从而提高了图像分类的准确性。
-
公开(公告)号：CN119323715A
公开(公告)日：2025-01-17
申请号：CN202411413492.7
申请日：2024-10-10
Applicant: 合肥工业大学
IPC: G06V10/82 , G06V10/54 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于全局和局部视角的结构化纹理重建的图像修复方法及系统，涉及图像处理领域。提取图像的纹理特征图和全局结构特征图，从纹理特征图中提取残余的局部结构特征图；采用空间自适应归一化和反归一化策略，通过全局结构特征图重建全局纹理特征图和局部纹理特征图；全局纹理特征图和局部纹理特征图通过元素加法，根据归一化策略将输出分成两个流，并为下一层准备通过全局结构特征图和局部结构特征图重构；将重构的全局结构特征图增强两次，使重构的全局结构特征图与局部结构特征图保持平衡；将重构的全局和局部结构特征图分成两组，并在跨层平衡模块中进行特征均衡，完成图像修复。本发明在低分辨率到高分辨率图像方面都有优势。
-
公开(公告)号：CN115115879B
公开(公告)日：2024-03-19
申请号：CN202210747314.2
申请日：2022-06-29
Applicant: 合肥工业大学
IPC: G06V10/764 , G06V10/82 , G06N3/045 , G06N3/042 , G06N3/0495 , G06N3/096
Abstract: 本发明公开了一种可切换在线知识蒸馏的图像分类方法、装置及可存储介质，涉及机器学习技术领域，其中方法包括以下步骤：获取待处理图像；构建老师网络以及学生网络，并确定所述老师网络与所述学生网络之间的蒸馏差距；确定所述蒸馏差距的自适应切换阈值，利用所述自适应切换阈值实现所述老师网络与所述学生网络的交互学习切换，实现所述学生网络的压缩；利用经过上述处理的所述学生网络对所述待处理图像进行分类；本发明所获得的压缩学生模型具有图像识别准确率高、存储空间小以及识别速度快等优势。
-
公开(公告)号：CN114358206B
公开(公告)日：2022-11-01
申请号：CN202210033086.2
申请日：2022-01-12
Applicant: 合肥工业大学
Abstract: 本发明公开了二值神经网络模型训练方法及系统、图像处理方法及系统，属于人工智能技术领域，其中训练方法具体包括：构建在线知识蒸馏增强的二值神经网络训练框架，其中在线知识蒸馏增强的二值神经网络训练框架中教师网络为初始实值神经网络模型以及初始辅助神经网络模型，学生网络为初始二值神经网络模型；对这三个网络模型使用在线蒸馏方法进行训练，从而提升二值神经网络的性能，同时，利用本发明二值神经网络模型对待处理图像进行图像分类处理，从而提高了图像分类的准确性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.028 seconds)
