-
公开(公告)号：CN117973535A
公开(公告)日：2024-05-03
申请号：CN202410045363.0
申请日：2024-01-12
Applicant: 大连理工大学
Abstract: 本发明属于大数据挖掘技术领域，具体涉及一种多双曲空间的知识感知推荐方法。本发明提出了一种基于多个双曲空间的网络模型，并设计了不同双曲空间之间的特征交互，从而有效地学习到不同分布的数据。并且因为是基于双曲空间的知识感知推荐方法，继承了双曲嵌入的相关优势，例如：避免了嵌入失真的问题，获得更有层次性的嵌入结果等优点，这些都是现有的基于欧式空间的知识感知推荐方法不具备的。本发明突破了现有的基于知识感知的推荐方法的无法判断用户对商品的知识属性存在敏感性枷锁，将双曲距离信息整合到嵌入学习中，挖掘用户商品二部图的潜在层次，并对每个用户对商品的知识属性的敏感程度做出打分。
-
公开(公告)号：CN117232401A
公开(公告)日：2023-12-15
申请号：CN202311164933.X
申请日：2023-09-08
Applicant: 大连理工大学
Abstract: 本发明提供一种灵活视角下的工业零件分类测量的方法，包括：深度传感器获取放置于桌子一侧的零件的彩色图像和深度图像，并将彩色图像和深度图像对齐得到点云图；根据彩色图像获取桌子的信息；将桌子的信息输入yolact‑edge模型，yolact‑edge模型判断零件的类别；若判断零件的类别为螺栓，根据桌子的信息和点云图得到零件的尺寸；若判断零件的类别为垫片，根据桌子的信息得到零件的尺寸。通过综合彩色图像和深度图像，选用yolact‑edge模型和深度学习算法实现任意视角下的零件的判断，并在判断零件类型后，进行零件的准确测量，低成本、低功耗、高灵活性。
-
公开(公告)号：CN117132760A
公开(公告)日：2023-11-28
申请号：CN202311064182.4
申请日：2023-08-21
Applicant: 大连理工大学
IPC: G06V10/25 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/082
Abstract: 本发明提供一种用于图像伪装目标检测的方法，包括：将原始图像输入Resnet模型得到第2特征图至第4特征图和最终特征图；将原始图像输入Swin‑Transformer模型得到第9特征图；将最终特征图和第9特征图融合得到第5特征图；根据第2特征图至第5特征图生成边界；根据边界、第2特征图至第5特征图得到第2伪装对象预测图，第2伪装对象预测图为最终伪装对象预测图。通过使用Resnet模型和Swin‑Transformer模型可以很好地完成针对RGB图像的伪装目标检测任务，准确地检测出完整、轮廓准确的伪装目标。
-
公开(公告)号：CN114821050B
公开(公告)日：2024-08-13
申请号：CN202210382021.9
申请日：2022-04-13
Applicant: 大连理工大学
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，提供了一种基于transformer的指称图像分割方法，对于输入的文本和图像，算法要根据输入的文本来对图像中指定的目标进行分割，算法主要由特征提取、跨模态特征融合、跨层级信息整合三个部分组成。本发明可以在视觉特征提取和跨模态融合阶段提取全局和局部信息，在解码器阶段也可以很好地使不同层级的信息进行有效的整合，从而可以让模型根据文本描述来生成性能更好的分割结果。
-
公开(公告)号：CN117994666A
公开(公告)日：2024-05-07
申请号：CN202410251306.8
申请日：2024-03-06
Applicant: 大连理工大学
Abstract: 一种结合残差网络和边缘检测的海冰识别方法，属于图像处理及自动化检测技术领域。首先，对海冰遥感图像进行预处理获得真值图像，得到训练集海冰图像；其次，利用Res‑UNet模型的编码器对训练集图像进行下采样处理，即图像特征提取；利用Res‑UNet模型的解码器将Res‑UNet模型编码器输出的特征映射回海冰遥感图像尺寸，并输出图像识别结果；最后，利用Canny算子检测Res‑UNet模型输出图像的海冰边缘；重复训练至损失函数平稳震荡停止，最终得到训练集海冰识别结果。后续使用可将海冰遥感图像作为测试集直接输入到Res‑UNet模型中，即可获得测试集海冰图像识别结果。本发明在薄雾覆盖、冰间水道、融化碎冰和陆地接壤等不同海冰分布场景下均表现出更强的抗干扰能力，具有良好的模型泛化能力；本发明具有较高的准确性和边缘连续性，能够有效减少整块海冰识别出现孔洞现象，使得边缘提取图像展现出更为优秀的边缘连续性。
-
Patent Agency Ranking
公开(公告)号：CN116385890A
公开(公告)日：2023-07-04
申请号：CN202210905706.7
申请日：2022-07-29
Applicant: 大连理工大学 , 辽宁师范大学 , 山东纬横数据科技有限公司 , 中国船舶集团有限公司第七0九研究所
IPC: G06V20/13 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/048 , G06N3/08
Abstract: 本发明属于图像信息处理技术领域，公开了一种特征分而治之的遥感图像目标识别方法。本方法在将特征学习与分类学习解耦的基础上，首先将多数类和少数类的特征空间分离，再在各自的特征空间中学习具体的类边界，以“分而治之”的方式降低多数类和少数类之间的相互影响。本方法也可以直接嵌入到其他受长尾问题影响的与分类相关的视觉任务中，并且可以起到良好的分类效果。同时本方法对于其他分类有关的视觉任务都具有良好的泛化性，可以作为长尾问题的一种有效的解决方案。
-
公开(公告)号：CN115222600A
公开(公告)日：2022-10-21
申请号：CN202210904585.4
申请日：2022-07-29
Applicant: 大连理工大学 , 辽宁师范大学 , 山东纬横数据科技有限公司 , 中国船舶集团有限公司第七0九研究所
Abstract: 本发明属于计算机视觉的图像处理领域，公开了一种本发明的对比学习多光谱图像超分辨重建方法。该方法的模型分为两个部分：教师模型部分和学生模型部分。教师模型用于输出遥感图像的细节特征，以便给学生模型作为监督，使学生模型能够得到图像的细节信息，从而增加图像的分辨率。此外，在学生模型中增加对比学习模块，将最终输出与真值高分辨图像作为正样本对，将输出与原始输入作为负样本对，使输出更接近高分辨率图像。本发明利用对比学习以及超分辨重建的方法，实现了低分辨率遥感图像转化为高分辨率的清晰遥感图像。同时本方法对于其他图像质量提升有关的视觉任务都具有良好的泛化性，可以作为图像质量提升问题的一种有效的解决方案。
-
公开(公告)号：CN118799333A
公开(公告)日：2024-10-18
申请号：CN202410759699.3
申请日：2024-06-13
Applicant: 大连理工大学
IPC: G06T7/10 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0895
Abstract: 本发明属于人工智能、深度学习、计算机视觉和图像分割内容技术领域，公开了一种跨模态弱监督的图像分割方法。本发明首先使用分类损失函数确定前景目标的大致区域，然后使用矫正损失函数对目标区域进行矫正。矫正方法可以扩大相关的前景区域，将更多的前景区域纳入考虑，并降低背景区域的噪声影响。为了减少文本和图像特征之间的差异，本发明还提出了一个双边提词注意模块来更新两个分支的特征，通过直接将两个分支的特征相乘来获得对应的伪标签。此外，针对具有多个文本描述的相同目标区域，本发明还提出了基于正样本的响应图选择策略，以选择最匹配的响应图来减少信息冗余。
-
公开(公告)号：CN117932065A
公开(公告)日：2024-04-26
申请号：CN202410045755.7
申请日：2024-01-12
Applicant: 大连理工大学
IPC: G06F16/35 , G06F40/35 , G06F18/2431 , G06F18/2415 , G06N5/025 , G06N5/04 , G06N3/045 , G06N3/0442 , G06N3/042
Abstract: 本发明属于自然语言理解技术领域，具体涉及一种基于双曲嵌入进行深度学习以面向多意图检测与语义槽位填充任务的方法。本发明提出了基于全局双曲嵌入的多意图检测与槽位填充方法，并设计了基于双曲空间之间的特征交互，从而有效地学习到意图与槽位的全局表示。现有的方法忽略了意图与槽位的全局关系，本发明通过对全局图的构建，利用了两者的先验知识，这些都是现有的多意图检测与槽位填充方法不具备的。本发明突破了现有的基于欧式空间来进行计算的框架，利用双曲空间挖掘的意图与槽位之间的潜在层级关系，提升了整体的学习效果。
-
公开(公告)号：CN115272880B
公开(公告)日：2023-03-31
申请号：CN202210905640.1
申请日：2022-07-29
Applicant: 大连理工大学
IPC: G06V20/13 , G06V10/40 , G06V10/764 , G06V10/774
Abstract: 本发明属于计算机视觉图像信息处理技术领域，一种基于度量学习的多模态遥感目标识别方法。本发明的方法重新考虑了图像风格与深度模型泛化性之间的关系，并进一步提出了一种独特的端到端的三重风格内容度量网络，该网络可以减少域泛化问题的不利影响，提高深度模型的泛化能力。具体来说，分离输入图像的风格和内容，然后对用风格转换模块替换的风格特征施加约束，以迫使我们的模型学习与内容有关与风格无关的有判别力的特征。本发明利用三重度量学习的方法，增强了遥感目标别模型提取特征的能力。目前存在的遥感目标识别方法仅对一种域的数据集有良好的效果，对未知域的表现很差。本发明的方法解决了这一问题，使模型对不同域数据集均具有泛化性。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.021 seconds)
