-
公开(公告)号：CN117252774A
公开(公告)日：2023-12-19
申请号：CN202311217591.3
申请日：2023-09-20
Applicant: 桂林电子科技大学
IPC: G06T5/00 , G06V10/44 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明公开一种基于TSDFF‑Net的低照度与雨叠加图像增强方法，包括：1）构建LLR‑Train与LLR‑Test数据集；2）训练雨先验特征提取模块；3）训练低照度增强模块；4）测试TSDFF‑Net。这种方法能依据雨痕信息，提高模型增强质量，对弱光雨天图像去雨及低照度增强具有良好的效果。
-
公开(公告)号：CN117408924A
公开(公告)日：2024-01-16
申请号：CN202311355875.9
申请日：2023-10-19
Applicant: 桂林电子科技大学
IPC: G06T5/90 , G06T5/70 , G06T5/73 , G06T5/60 , G06V20/70 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0475 , G06N3/0464 , G06N3/045 , G06N3/0455 , G06N3/09
Abstract: 本发明公开了一种基于多重语义特征融合网络MSFF‑Net的低光照图像增强方法，该网络能在光照较差的环境下结合多种语义特征作为图像的先验信息来进行低光照图像的增强，包括如下步骤：1）构建MSFF‑Tarin与MSFF‑Test低光照图像增强数据集；2）训练多重语义特征生成网络；3）训练多重语义信息融合网络MSFF‑Net的编码器；4）训练多重语义信息融合网络MSFF‑Net的解码器；5）测试低照度增强网络MSFF‑NET。这种方法利用多种语义信息进行先验指导，使增强后的低光照图像既能提供准确语义，又能重构细节，同时能去除噪声和伪影，并能保留原图像的细节，从而能提升低光照环境下的图像视觉质量。
-
公开(公告)号：CN117197016A
公开(公告)日：2023-12-08
申请号：CN202311183190.0
申请日：2023-09-14
Applicant: 桂林电子科技大学
IPC: G06T5/50 , G06N3/0455 , G06N3/0442 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于TF‑GAN的低照度下的雨雾图像增强方法，所述方法包括如下步骤：1）重构加工现有的数据集；2）基于边缘提取器（Edge Extractor）的结构估计的生成；3）图像结构估计网络（ISE Block）的训练；4）基于Transformer的生成器的训练；5）基于Transformer的鉴别器的训练；6）对基于transformer的生成对抗网络低照度雨雾图像增强网络的测试。这种方法能缩小低照度雨雾图像和正常照度图像之间结构的差距，从而更好的对低照度雨雾图像进行增强，综合解决了现有图像增强技术对气候等复杂环境适应能力弱、稳定性差等问题，同时该网络模型具有较好泛化性能。
-
公开(公告)号：CN118918035A
公开(公告)日：2024-11-08
申请号：CN202410935035.8
申请日：2024-07-12
Applicant: 桂林电子科技大学
IPC: G06T5/73 , G06T5/50 , G06V10/764 , G06V10/774 , G06T3/4038 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于DFLLOD‑Net的低照度叠加雾天气下的目标检测方法，所述方法包括如下步骤：(1)构建低照度有雾图像数据集ExDark‑fog；(2)设计了低照度增强模块，提升图像在低光照条件下的亮度和对比度；(3)设计了去雾增强模块，有效去除雾气对图像清晰度的影响；(4)设计了去噪增强模块，减少图像噪声，增强图像质量；(5)设计了条件自适应模块，能够基于图像中的雾密度和光照强度等条件，自适应地调整权重，以优化协同以上三个不同增强处理模块的功能表现；(6)经过增强处理后的图像输入检测模块。DFLLOD‑Net网络通过这些高度专业化的模块和端到端的训练策略，实现了从图像预处理到目标检测的全流程自动化和最优化，极大提升了模型在复杂视觉条件下的性能和鲁棒性，为低照度叠加雾天气下的目标检测提供了一种创新的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN117456330A
公开(公告)日：2024-01-26
申请号：CN202311333750.6
申请日：2023-10-16
Applicant: 桂林电子科技大学
IPC: G06V10/82 , G06V10/774 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/25 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于MSFAF‑Net的低照度目标检测方法，包括如下步骤：1）整合构建数据集；2）特征提取网络模块的训练；3)特征增强网络模块FEN的训练；4)特征融合网络模块FFM‑ECA的训练；5）对目标检测网络进行训练；6)对低照度目标模型进行训练测试。本发明方法使得低照度图像目标检测的特征图的特征表达能力更好、能提高低照度图像目标检测的精度。
-
公开(公告)号：CN117112828A
公开(公告)日：2023-11-24
申请号：CN202311298039.1
申请日：2023-10-09
Applicant: 桂林电子科技大学
IPC: G06F16/583 , G06F16/58 , G06F40/126 , G06T5/00
Abstract: 本发明公开了一种基于分支预测的低照度图像描述方法，包括如下步骤：1）处理图像描述数据集；2）建立图像描述词库；3）使用CLIP对图像及文本数据进行编码；4）对编码得到的特征通过语义筛选器得到图像的单词池；5）对图像进行增强和分支预测得到一组针对不同主体优化的注意力特征图；6）对每个注意力特征图结合单词池得到与特征图匹配度高的文本特征；7）对得到文本特征和图像特征解码生成描述语句。本发明采用分支预测的方法降低了模型对低照度图像特征的依赖程度，能够有效提高在低照度环境下图像描述模型的性能。
-
公开(公告)号：CN119027755A
公开(公告)日：2024-11-26
申请号：CN202410884498.6
申请日：2024-07-03
Applicant: 桂林电子科技大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于APL‑Net三阶段蒸馏的低照度叠加雾环境下的图像目标检测方法，包括以下步骤：1)对数据集进行处理和划分。2)训练教师网络一。3)利用教师网络一对教师网络二进行指导训练，优化教师网络二。4)利用教师网络一和教师网络二联合对学生网络进行指导训练。5)测试学生网络。这种方法通过多级师生网络让学生网络具有低照度叠加雾环境下图像的目标检测能力。本发明模型能够对图像进行自适应增强，并通过多阶段的训练，使模型能够有效提取出清晰图像和模糊图像的有利于检测的共同特征，提高了模型在低照度叠加雾天环境条件下的性能，使其能更准确地识别和定位图像中的目标。
-
公开(公告)号：CN118691485A
公开(公告)日：2024-09-24
申请号：CN202410832334.9
申请日：2024-06-26
Applicant: 桂林电子科技大学
IPC: G06T5/50 , G06T5/60 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于偏振特征的低照度图像辉光效应抑制的方法。偏振提供了与强度无关的额外信息，可以用来有效地帮助图像去除大气中的散射光，利用估计的光源层作为导向，使网络注意力聚焦于光效区域，从而对光效进行去除，并在增强时针对性的增强暗区，抑制亮区。包括如下步骤：1)制作合成数据源，建立学习图像集；2)使用Stokes参数表示偏振光图像；3)光源分解网络模块的构建；4)大气偏振图像分解网络(APID‑net)的构建；5)多输入注意力增强模块(MIAE)的构建；6)对整个卷积神经网络进行构造与训练。这种方法能更好的抑制夜间图像的光效应(辉光、眩光)，在增强黑暗区域亮度的同时抑制强光区域的亮度增强。
-
公开(公告)号：CN117409244A
公开(公告)日：2024-01-16
申请号：CN202311355555.3
申请日：2023-10-19
Applicant: 桂林电子科技大学
IPC: G06V10/764 , G06V10/25 , G06V10/774 , G06V10/52 , G06V10/80 , G06V10/44 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种SCKConv多尺度特征融合增强的低照度小目标检测方法，包括：（1）构建数据集；（2）训练SCKConv多尺度及特征融合模块；（3）训练低照度特征增强模块；（4）训练小目标检测模块；（5）对整个SCKConv多尺度特征融合增强的低照度小目标检测网络的测试，该方法首先对低照度图像进行多尺度特征提取，然后把提取的多尺度特征图添加SCKConv通道注意力后输入增强模块进行特征增强，再然后把增强后的特征图输入小目标检测模块进行小目标检测，最后得到具有较好检测效果的低照度小目标检测效果。这种方法能对低照度图像的小目标特征进行更好地提取和增强，提高检测网络对小目标的检测性能。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.028 seconds)
