-
公开(公告)号：CN119853983A
公开(公告)日：2025-04-18
申请号：CN202411939145.8
申请日：2024-12-26
Applicant: 国网新疆电力有限公司电力科学研究院 , 新疆大学
IPC: H04L9/40 , G06F18/2415 , G06F18/2433 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及入侵检测技术领域，具体涉及一种基于改进卷积神经网络的入侵检测方法。包括：采用自适应合成采样方法对NSL‑KDD数据集进行处理得到增强后的训练数据集；将增强后的训练数据集输入预构建的改进卷积神经网络进行训练，得到训练好的入侵检测模型；预构建的改进卷积神经网络包括：输入层、卷积层、两个SPConv模块、全连接层、Softmax层和输出层；SPConv模块包括通道分割块、两个卷积块和特征融合块；根据训练好的入侵检测模型进行入侵检测。本发明采用数据增强算法能够有效解决数据样本分布不均衡和信息冗余问题，模型中加入SPConv模块提高了模型的特征提取效率，增强了入侵检测的鲁棒性和性能。
-
公开(公告)号：CN107103587A
公开(公告)日：2017-08-29
申请号：CN201710413744.X
申请日：2017-06-05
Applicant: 新疆大学
Abstract: 本发明公开了一种生物芯片图像倾斜的校正方法及装置，涉及图像处理技术领域，主要目的是提高生物芯片图像校正的速度。所述方法包括：获取生物芯片图像对应的二值化图像；通过旋转所述二值化图像对应的外接矩形，得到旋转角度；根据所述旋转角度对所述生物芯片图像进行校正。本发明主要用于生物芯片图像倾斜的校正。
-
公开(公告)号：CN120047872A
公开(公告)日：2025-05-27
申请号：CN202510128878.1
申请日：2025-02-05
Applicant: 新疆大学
IPC: G06V20/40 , G06V30/18 , G06V30/19 , G06V10/82 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开一种基于文本重写CLIP模型的弱监督视频异常检测方法，包括：获取待检测的视频帧序列；构建视频异常检测模型，包括视觉分支、文本分支、特征融合模块和两个分类分支，其中文本分支中利用SwinBERT模型生成视频帧的密集字幕，并通过LLaMA‑7b模型产生两种不同的文本重写；将密集字幕对应文本转换为句子嵌入后，通过多尺度时态网络捕获文本之间的时间关系得到文本特征；视觉分支中使用CLIP图像编码器提取视频帧的初始视觉特征，并通过LGM‑Mamba模块处理以增强其表达能力；特征融合模块用于将最终视觉特征和文本特征进行深度融合；两个分类分支分别用于对融合的特征进行粗粒度和细粒度异常检测；利用视频帧序列，结合加权损失函数对视频异常检测模型进行训练。
-
公开(公告)号：CN119323518A
公开(公告)日：2025-01-17
申请号：CN202411469538.7
申请日：2024-10-21
Applicant: 新疆大学
IPC: G06T3/4053 , G06V10/44 , G06V10/54 , G06V10/56 , G06T3/4046 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于分层感知蒸馏的图像超分辨率方法，包括以下操作步骤：步骤一：输入低分辨率图像数据集；步骤二：浅层特征提取过程；步骤三：深层特征提取与增强过程：图像通过更深的网络层进行处理，以提取复杂的高层次特征；步骤四：图像重建与优化：在特征提取和增强之后，模型将这些提取到的特征进行整合；步骤五：输出重建结果：经过处理和重建的图像被输出为高分辨率版本，输出结果显示了显著的视觉改善。本发明与现有的技术相比的优点在于：本发明通过优化超分辨率重建模型的网络结构，通过结合卷积神经网络与视觉变压器的优势，开发出更加轻量化且高效的模型。
-
公开(公告)号：CN119515821A
公开(公告)日：2025-02-25
申请号：CN202411575777.0
申请日：2024-11-06
Applicant: 国网新疆电力有限公司电力科学研究院 , 新疆大学
IPC: G06T7/00 , G06V10/25 , G06V10/44 , G06V10/82 , G06V10/774 , G06V10/52 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及缺陷检测技术领域，具体涉及一种基于改进的YOLOv8高压输电线路缺陷检测算法。获取拍摄的多张高压输电线路图像构建高压输电线路缺陷检测数据集；将高压输电线路缺陷检测数据集输入改进的YOLOv8网络模型中进行训练；利用训练好的改进的YOLOv8网络模型对待检测高压输电线路进行缺陷检测；改进的YOLOv8网络模型包括：主干网络采用Mamba‑Block模块对高压输电线路图像进行特征提取，并引入动态权重选择机制对融合后的特征图进行权重分配；颈部网络采用聚焦扩散金字塔网络结构对提取的特征进行融合。本发明提出的改进模型能够有效提升对细小缺陷的检测能力，满足了对高压输电线路检测任务的需求。
-
Patent Agency Ranking
公开(公告)号：CN119251253A
公开(公告)日：2025-01-03
申请号：CN202411333666.9
申请日：2024-09-24
Applicant: 新疆大学
IPC: G06T7/246 , G06V10/80 , G06V10/764 , G06V10/774 , G06V20/40
Abstract: 本发明提供了一种基于聚合令牌感知特征的单目标跟踪方法，具体涉及视觉与图像处理技术领域。一种基于聚合令牌感知特征的单目标跟踪方法，方法包括如下步骤，步骤1：基于聚合令牌感知特征的单目标跟踪下，构建得到由ViT‑B主干网络、聚合令牌感知特征模块、多尺度特征融合模块和定位头组成的整体模型；步骤2：初始化：给定数据集X包含N个视频序列，选定第一帧图像和目标的初始边界框位置，使用预训练ViT‑B主干网络的目标检测模型或手工标注的边界框来初始化跟踪模型，特征提取与增强过程，通过聚合令牌感知特征模块获得模版重点信息，利用深度神经网络精确提取当前帧图像和目标区域的特征表示，将裁剪好的目标区域输入到特征提取网络中。
-
公开(公告)号：CN118674751A
公开(公告)日：2024-09-20
申请号：CN202410871163.0
申请日：2024-07-01
Applicant: 新疆大学
IPC: G06T7/246 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了基于连续时序信息融合的单目标跟踪方法，属于目标跟踪技术领域，包括以下步骤：S1：使用骨干网络，对模板图片进行特征提取；S2：利用目标模板特征细化模块从模板图片特征中获取目标的全局和局部信息，通过骨干网络处理搜索图片的特征提取阶段后，将上一帧搜索图片和当前帧搜索图片的特征输入时序信息融合模块；S3：搜索图片和模板图片的特征被串联起来，在异步交互阶段，采用骨干网络进行特征交互，与用于从搜索图片中提取特征的骨干网络以及用于从模板图片中提取特征的骨干网络之间共享权重；S4：利用定位头实现目标定位。本发明示例的跟踪方法，通过连续时序信息融合方法和网络结构，为目标跟踪领域带来了一种既高效又高效能的解决方案。
-
公开(公告)号：CN118334345A
公开(公告)日：2024-07-12
申请号：CN202410575828.3
申请日：2024-05-10
Applicant: 新疆大学
IPC: G06V10/26 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明公开了基于局部‑全局特征动态融合的医学图像分割系统，主要涉及计算机视觉领域。包括LG‑DFNet网络结构、局部静态增强模块、全局动态增强模块、转置注意力、动态交叉融合模块。本发明的有益效果在于：增强了网络对局部信息的建模能力，而且突出了重要位置元素的影响，消除了无关元素的影响，提高了网络的泛化能力，能用更少的参数获得更好的性能，在模型参数和分割性能之间实现了良好的平衡。
-
公开(公告)号：CN119313901A
公开(公告)日：2025-01-14
申请号：CN202411371563.1
申请日：2024-09-29
Applicant: 新疆大学
Abstract: 本发明提供了一种医学图像分割的相似度记忆先验网络分割方法及系统，具体涉及图像处理技术领域。一种医学图像分割的相似度记忆先验网络分割方法，包括以下步骤：(1)通过第一级编码器和第二级编码器完成特征提取，从医学图像中提取关键特征；(2)通过网络融合第一级编码器和第二级编码器对应的阶段特征，将其传递给跳跃连接和解码器；(3)在跳跃连接中，使用通道注意和空间注意融合第一级编码器、第二级编码器的相应特征；(4)解码使用DMW‑LA提取深层语义信息。本发明的有益效果在于：可高效地捕捉和利用医学图像中的关键信息，进而在分割任务中达到更高的准确性与鲁棒性，以提升特征间的全局关联性和内部一致性，从而增强网络的表示能力。
-
公开(公告)号：CN118505508A
公开(公告)日：2024-08-16
申请号：CN202410663490.7
申请日：2024-05-27
Applicant: 新疆大学
IPC: G06T3/4053 , G06T3/4046 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于多维信息感知的图像超分辨率方法，主要涉及图像处理领域。包括网络框架，所述网络框架包括多级分层蒸馏块、分层空间扩散注意模块、快速通道感知注意力，还包括以下步骤：S1.输入低分辨率图像数据集；S2.特征提取与增强；S3.图像重建与优化；S4.输出结果。本发明的有益效果在于：增强了网络对输入低分辨率图像的特征提取能力，也为图像重建提供了丰富的细节信息，从而实现更精确的高分辨率图像重建。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.018 seconds)
