-
公开(公告)号：CN116434024A
公开(公告)日：2023-07-14
申请号：CN202310434441.1
申请日：2023-04-21
Applicant: 大连理工大学
IPC: G06V10/80 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明属于图像信息处理技术领域，公开了一种目标特征嵌入的红外与可见光图像融合方法。本方法构建一个目标特征嵌入的红外与可见光图像融合方法，解决了目标检测任务与图像融合任务不匹配的问题，让目标检测任务有效的提升了图像融合的结果，并且目标检测元特征嵌入过程仅在训练过程中使用，训练完毕后在测试阶段并没有增加额外的计算量。
-
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。
-
公开(公告)号：CN115223057A
公开(公告)日：2022-10-21
申请号：CN202210920610.8
申请日：2022-08-02
Applicant: 大连理工大学
IPC: G06V20/13 , G06V10/40 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明属于图像信息处理技术领域，提供了一种多模态遥感图像联合学习的目标检测统一模型。本发明利用一个模型应对两种模态的图像，并且均可以获得良好的检测效果。本发明通过对比学习的方式让模型可以整合两种模态的目标信息从而形成一个多模态统一的检测网络。本发明的方法不存在这个问题，对于任一模态下的图像均可以做出有效的检测，并且对比学习仅在训练过程中开展，训练完毕后在测试阶段并没有增加额外的计算量。
-
公开(公告)号：CN108418315A
公开(公告)日：2018-08-17
申请号：CN201810186043.1
申请日：2018-03-07
Applicant: 大连理工大学
Abstract: 本发明公开了一种非接触式旋转超声加工能量传输及反馈信号采集的装置和方法，所述装置包括固定端和旋转端，旋转端包括旋转端磁芯和旋转端线圈；固定端包括超声能量传输单元和超声反馈信号采集单元；超声能量传输单元包括超声能量传输单元磁路和超声能量传输单元线圈；超声反馈信号采集单元包括超声反馈信号采集单元磁路和超声反馈信号采集单元线圈。本发明将超声能量传输信号与超声反馈信号分离，对旋转端电信号进行采集，可实时反馈并调整超声加工过程中谐振状态及快速响应失谐状态下的谐振跟踪。
-
公开(公告)号：CN115222600B
公开(公告)日：2023-04-07
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。
-
Patent Agency Ranking
公开(公告)号：CN115272880A
公开(公告)日：2022-11-01
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。
-
公开(公告)号：CN102605413B
公开(公告)日：2014-06-11
申请号：CN201210076711.8
申请日：2012-03-21
Applicant: 大连理工大学
IPC: C25D15/02
Abstract: 一种水热-电化学法制备金刚石膜，属于表面镀膜的技术领域。其特征是选用乙酸为碳源，提供金刚石膜生长需要的甲基。将乙酸稀释在去离子水中，利用去离子水中的氢和氧抑制石墨相的生长。本发明中的实验装置是将用于水热合成的反应釜进行了改进，引入电极。反应过程中溶液处于高温高压的状态，满足金刚石膜生长需要的衬底高温条件，又利用双向脉冲高电压分解乙酸和去离子水，提供金刚石膜生长所需要的甲基，氢和氧的活性粒子。本发明的效果和益处是：相对于传统的气相法而言，液相法容易实现大面积和在复杂工件表面生长金刚石膜，且生长速率快。实验中试剂无毒且价格便宜，无需复杂的真空系统。
-
公开(公告)号：CN116434024B
公开(公告)日：2023-09-12
申请号：CN202310434441.1
申请日：2023-04-21
Applicant: 大连理工大学
IPC: G06V10/80 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明属于图像信息处理技术领域，公开了一种目标特征嵌入的红外与可见光图像融合方法。本方法构建一个目标特征嵌入的红外与可见光图像融合方法，解决了目标检测任务与图像融合任务不匹配的问题，让目标检测任务有效的提升了图像融合的结果，并且目标检测元特征嵌入过程仅在训练过程中使用，训练完毕后在测试阶段并没有增加额外的计算量。
-
公开(公告)号：CN115223057B
公开(公告)日：2023-04-07
申请号：CN202210920610.8
申请日：2022-08-02
Applicant: 大连理工大学
IPC: G06V20/13 , G06V10/40 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明属于图像信息处理技术领域，提供了一种多模态遥感图像联合学习的目标检测统一模型。本发明利用一个模型应对两种模态的图像，并且均可以获得良好的检测效果。本发明通过对比学习的方式让模型可以整合两种模态的目标信息从而形成一个多模态统一的检测网络。本发明的方法不存在这个问题，对于任一模态下的图像均可以做出有效的检测，并且对比学习仅在训练过程中开展，训练完毕后在测试阶段并没有增加额外的计算量。
-
公开(公告)号：CN115272881B
公开(公告)日：2023-03-21
申请号：CN202210920420.6
申请日：2022-08-02
Applicant: 大连理工大学
IPC: G06V20/13 , G06V10/40 , G06V10/764 , G06V10/774
Abstract: 本发明属于图像信息处理技术领域，提供了一种动态关系蒸馏的长尾遥感图像目标识别方法。使用两个教师网络和一个学生网络来实现，三个网络结构相同。两个教师模型分别学习头部类和尾部类的各自的特征分布，以避免因为数据集分布不平衡导致的网络学习的倾斜问题，学生网络则通过学习两个教师网络的分类能力，从而在整个数据集上有较好的性能，提高分类的准确度。本发明的动态关系蒸馏学习方法，利用蒸馏思想，将教师网络更好的特征表达能力通过中心特征蒸馏给学生，同时学生网络动态更新中心特征，以学习到更好的特征提取能力。本发明利用长尾数据的特点，来改善因长尾问题导致的图像分类能力倾向于头部类的问题，能够提高网络分类的准确度。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.032 seconds)
