-
公开(公告)号：CN118052706A
公开(公告)日：2024-05-17
申请号：CN202410397562.8
申请日：2024-04-03
Applicant: 成都信息工程大学
IPC: G06T3/04 , G06V10/80 , G06V10/774 , G06V10/82 , G06V10/764
Abstract: 发明提出融合交互注意力机制的任意风格迁移方法和装置，构建的迁移网络主要包括：基于Transformer编码器和可逆神经网络的联合特征编码模块、融合通道和空间的交互注意力的风格转换模块和空间感知插值模块，首先利用联合特征编码器中的Transformer编码器提取内容图像和风格图像的全局特征，利用可逆神经网络提取内容图像和风格图像的细节特征，然后将内容图像和风格图像的全局和细节的特征分别送进通道和空间的交互注意力中进行融合，得到全局风格化的特征和细节风格化特征；最后，使用空间感知插值模块进行自适应插值融合。本发明方法捕捉序列数据中的长距离依赖关系和局部模式，具有较强的泛化能力，融合空间和通道细节信息，更好地维持了图像原本的结构。
-
公开(公告)号：CN119251509B
公开(公告)日：2025-03-14
申请号：CN202411787740.4
申请日：2024-12-06
Applicant: 成都信息工程大学
IPC: G06V10/26 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06V10/24 , G06N3/084
Abstract: 本发明提供了一种基于小目标识别网络的中尺度对流图像分割方法，属于图像处理技术领域，该方法包括获取原始云顶亮温数据；对原始云顶亮温数据进行预处理，并划分为训练集和测试集；构建并初始化基于特征对齐再分配的小目标识别网络；利用训练集对小目标识别网络进行训练；基于训练后的小目标识别网络，得到中尺度对流图像分割结果；达到训练次数的阈值后，将测试集输入至已训练后的小目标识别网络中，以判定当前小目标识别网络是否达到指标要求；将测试集输入至达到指标要求的小目标识别网络中，得到最终的中尺度对流图像分割。本发明解决了传统方法识别中尺度对流系统MCSs速度慢，只针对局部区域的问题。
-
公开(公告)号：CN119251509A
公开(公告)日：2025-01-03
申请号：CN202411787740.4
申请日：2024-12-06
Applicant: 成都信息工程大学
IPC: G06V10/26 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06V10/24 , G06N3/084
Abstract: 本发明提供了一种基于小目标识别网络的中尺度对流图像分割方法，属于图像处理技术领域，该方法包括获取原始云顶亮温数据；对原始云顶亮温数据进行预处理，并划分为训练集和测试集；构建并初始化基于特征对齐再分配的小目标识别网络；利用训练集对小目标识别网络进行训练；基于训练后的小目标识别网络，得到中尺度对流图像分割结果；达到训练次数的阈值后，将测试集输入至已训练后的小目标识别网络中，以判定当前小目标识别网络是否达到指标要求；将测试集输入至达到指标要求的小目标识别网络中，得到最终的中尺度对流图像分割。本发明解决了传统方法识别中尺度对流系统MCSs速度慢，只针对局部区域的问题。
-
公开(公告)号：CN119962380A
公开(公告)日：2025-05-09
申请号：CN202510057508.3
申请日：2025-01-14
Applicant: 成都信息工程大学
IPC: G06F30/27 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N20/00 , G06N3/08 , G06F18/213 , G06F18/25 , G06F111/04 , G06F119/08
Abstract: 本发明提出基于物理约束的自适应神经网络的湿物理参数化方法，构建一个结合物理约束的自适应湿物理参数化模型，参数化模型分为两个阶段，第一阶段通过基于双分支的特征提取网络提取来自适应聚合全局与局部信息，从而获得不同尺度的特征信息；第二阶段，为了保留大气状态、对流和云的历史数据变化，设计卷积长短期记忆模块与注意力机制的结合，学习过去时刻和当前已知的大气状态等动态变化关系，然后通过注意力机制去融合筛选学习到的特征来预测湿物理过程中湿度和温度变化趋势等，最后，在训练过程和网络推理过程中还引入湿静态能量守恒作为物理约束来避免模拟结果产生不稳定性和气候漂移等问题。本发明方法参数化过程效率和精度有明显提升。
-
公开(公告)号：CN118134809A
公开(公告)日：2024-06-04
申请号：CN202410408260.6
申请日：2024-04-07
Applicant: 成都信息工程大学
IPC: G06T5/77 , G06V40/16 , G06V10/774 , G06V10/25 , G06V10/80
Abstract: 本发明提出基于面部属性信息预测的自适应人脸修复网络和装置，通过面部解析网络的微调，从缺失人脸中预测获得完整脸部属性信息，以提供面部结构信息，如缺失人脸应有的姿势、表情和角度等；在面部修复中，区别现有人脸先验信息的方法，通过可分离自适应归一化模块自适应地提取结构信息并进行归一化，将预测的属性信息和输入人脸图像的特征信息进行自适应融合，以准确的结构指导面部结构的生成，最后通过多头判别器的身份提取器获取生成的图像和原始图像的身份信息，使用身份损失约束保证生成中身份的准确性。实验结果表明，本发明方法与现有方法相比，即使在复杂的遮挡部位不同的情况下，也能修复出具有准确结构和清晰纹理的面部图像。
-
Patent Agency Ranking
公开(公告)号：CN117765378A
公开(公告)日：2024-03-26
申请号：CN202410197246.6
申请日：2024-02-22
Applicant: 成都信息工程大学
IPC: G06V20/00 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种多尺度特征融合的复杂环境下违禁物品检测方法和装置，通过加强局部特征提取和缓解特征融合的语义冲突来提高对重叠目标和小目标的检测能力，设计多尺度注意力模块主干增强网络对重叠物体的局部特征提取能力，引入挤压激励注意力机制减少目标区域的冗余信息；针对小目标的信息丢失问题，设计自适应融合特征金字塔网络，引入包含细节信息的浅层特征和包含语义信息的深层特征防止小目标信息丢失；采用自适应权重融合策略和通道注意力机制，避免直接融合造成的目标信息丢失。实验结果表明，与现有方法相比，本发明即使在物品遮挡严重、背景复杂的情况下也能准确检测出目标，同时具有更优秀的小目标检测能力。
-
公开(公告)号：CN119458318A
公开(公告)日：2025-02-18
申请号：CN202411516231.8
申请日：2024-10-29
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于大数据和智能制造的装配优化方法，包括特征分析模块根据若干装配特征点和若干组合特征点得到目标待装配面的第一装配角度特征和目标组合面的第二装配角度特征；点位关联模块根据方位相似度建立每个待装配基准点与每个组合基准点之间的空间点位映射关系；动作分解模块对装配机器人的装配动作进行实时分析以得到对应的装配运动方向和装配运动距离；误差分析模块根据装配运动方向、装配运动距离、第二装配角度特征和第一装配角度特征进行误差分析以得到组装方向偏离误差；方位修正模块对装配机器人的运动轨迹和组装角度进行实时修正以得到对应空间运动点上的方位修正参数，并将所述方位修正参数发送至对应的装配机器人。
-
公开(公告)号：CN118194961A
公开(公告)日：2024-06-14
申请号：CN202410412170.4
申请日：2024-04-08
Applicant: 成都信息工程大学
IPC: G06N3/088 , G06N3/084 , G06V10/774 , G06V10/82
Abstract: 本发明提出基于自适应语义特征的无监督解释方法，构建的可解释模型主要包括三个核心模块：特征级可解释性模块、自适应特征表达模块和特征重要性计算模块。首先将深度神经网络的深层特征映射视为其学习到的高级概念语义的抽象表达，然后使用非负矩阵分解技术从中无监督地提取出关键的语义信息，并进行特征级解释或结构化归因；通过维度缩放方案去实现自适应数量的特征提取；在特征重要性计算上，采用Shapley值算法进行计算。此外，生成显著性视觉解释来突出显示模型决策的关键区域。实验表明，本发明方法在解释准确度上更高，在不同的数据集和被解释模型的环境中，其解释准确度比现有方法有更好的表现，具有解释准确、鲁棒性和通用性的特点。
-
公开(公告)号：CN117765378B
公开(公告)日：2024-04-26
申请号：CN202410197246.6
申请日：2024-02-22
Applicant: 成都信息工程大学
IPC: G06V20/00 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种多尺度特征融合的复杂环境下违禁物品检测方法和装置，通过加强局部特征提取和缓解特征融合的语义冲突来提高对重叠目标和小目标的检测能力，设计多尺度注意力模块主干增强网络对重叠物体的局部特征提取能力，引入挤压激励注意力机制减少目标区域的冗余信息；针对小目标的信息丢失问题，设计自适应融合特征金字塔网络，引入包含细节信息的浅层特征和包含语义信息的深层特征防止小目标信息丢失；采用自适应权重融合策略和通道注意力机制，避免直接融合造成的目标信息丢失。实验结果表明，与现有方法相比，本发明即使在物品遮挡严重、背景复杂的情况下也能准确检测出目标，同时具有更优秀的小目标检测能力。
-
公开(公告)号：CN118134809B
公开(公告)日：2025-03-28
申请号：CN202410408260.6
申请日：2024-04-07
Applicant: 成都信息工程大学
IPC: G06T5/77 , G06V40/16 , G06V10/774 , G06V10/25 , G06V10/80
Abstract: 本发明提出基于面部属性信息预测的自适应人脸修复网络和装置，通过面部解析网络的微调，从缺失人脸中预测获得完整脸部属性信息，以提供面部结构信息，如缺失人脸应有的姿势、表情和角度等；在面部修复中，区别现有人脸先验信息的方法，通过可分离自适应归一化模块自适应地提取结构信息并进行归一化，将预测的属性信息和输入人脸图像的特征信息进行自适应融合，以准确的结构指导面部结构的生成，最后通过多头判别器的身份提取器获取生成的图像和原始图像的身份信息，使用身份损失约束保证生成中身份的准确性。实验结果表明，本发明方法与现有方法相比，即使在复杂的遮挡部位不同的情况下，也能修复出具有准确结构和清晰纹理的面部图像。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.016 seconds)
