-
公开(公告)号：CN110826558B
公开(公告)日：2022-11-11
申请号：CN201911033072.5
申请日：2019-10-28
Applicant: 桂林电子科技大学
IPC: G06V10/25 , G06V10/40 , G06V10/774 , G06V10/82 , G06V10/766 , G06N3/04
Abstract: 本申请公开图像分类方法、计算机设备和存储介质，使用深度残差网络提取特征，得到特征图，解决了网络退化、梯度消失的问题，提取了更多有用的特征信息，所花费的时间也将更短；采用优化后的区域建议网络，过滤掉很多无用的候选框，使筛选下来的候选框置信度更高，对判别图像更有效；采用了稀疏化B‑CNN，提高关键特征的显著性，有效解决训练集不是很大时产生过拟合的影响，提高了识别准确度；本申请实施例将优化后的优化后的区域建议网络和稀疏化B‑CNN网络融为一体，两个网络相互协调作用，较大地提高了细粒度图像分类的准确度以及减少了花费的时间。
-
公开(公告)号：CN114859346A
公开(公告)日：2022-08-05
申请号：CN202210421101.0
申请日：2022-04-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于Insarbm3d滤波算法的迭代反演滤波方法，该方法使用反演算法，将输入的干涉相位图反演出复数配准图对，再使用Insarbm3d滤波算法进行滤波，再计算滤波前后的衡量图像质量的参数，若该参数的变化不满足迭代终止条件，则将滤波算法输出的干涉相位图送回反演算法进行再次反演、滤波，直到满足迭代终止条件；本方法只需提供干涉相位图，通过使用反演算法将干涉相位图转换成Insarbm3d滤波算法能够处理的数据类型并用其进行滤波，并引入了迭代结构改善滤波效果。通过大量数据测试证实，与当前仅需提供干涉相位图滤波的算法相比，大大提高了滤波性能。
-
公开(公告)号：CN114445793A
公开(公告)日：2022-05-06
申请号：CN202111562454.4
申请日：2021-12-20
Applicant: 桂林电子科技大学
Abstract: 本发明涉及人工智能技术领域，尤其涉及一种基于人工智能和计算机视觉的智能驾驶辅助系统，通过安装在汽车前挡风玻璃顶部中央和车身四周的数据采集模组采集汽车周边数据，再将数据送至数据处理终端处理，数据处理终端处理包括GPU和CPU，能够同时处理多个并行任务，使用CUDA和TensorRT对密集计算部分进行并行化加速，使整个系统满足实时性要求，同时采用级联网络实现小目标识别，第一级目标检测网络首先识别出红绿灯、禁令标志、警告标志以及指示标志的位置，然后裁剪下相关区域送入第二级图像分类网络进行分类，识别出具体标志内容，提高了小目标的识别准确率。
-
公开(公告)号：CN118411303A
公开(公告)日：2024-07-30
申请号：CN202410488397.7
申请日：2024-04-23
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06T5/70 , G06T5/10 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开一种基于U型多维多尺度融合神经网络的InSAR相位滤波方法(DP‑Net)。该方法采用U型网络架构，实现了在多维度上对特征的有效融合和精细处理。通过引用空洞卷积模块，增强了网络对不同尺度特征的捕获能力。同时在编码‑解码过程中实现不同层级特征的融合，使网络在保持干涉图细节的同时有效减少噪声，提高了滤波质量。通过使用数字高程模型(DEM)生成的模拟数据集进行网络训练，并通过对模拟及真实数据进行滤波实验，验证了该方法的有效性。
-
公开(公告)号：CN114859346B
公开(公告)日：2024-05-03
申请号：CN202210421101.0
申请日：2022-04-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于Insarbm3d滤波算法的迭代反演滤波方法，该方法使用反演算法，将输入的干涉相位图反演出复数配准图对，再使用Insarbm3d滤波算法进行滤波，再计算滤波前后的衡量图像质量的参数，若该参数的变化不满足迭代终止条件，则将滤波算法输出的干涉相位图送回反演算法进行再次反演、滤波，直到满足迭代终止条件；本方法只需提供干涉相位图，通过使用反演算法将干涉相位图转换成Insarbm3d滤波算法能够处理的数据类型并用其进行滤波，并引入了迭代结构改善滤波效果。通过大量数据测试证实，与当前仅需提供干涉相位图滤波的算法相比，大大提高了滤波性能。
-
Patent Agency Ranking
公开(公告)号：CN114708423A
公开(公告)日：2022-07-05
申请号：CN202210152576.4
申请日：2022-02-18
Applicant: 桂林电子科技大学
Abstract: 本发明涉及计算机视觉技术领域，尤其涉及一种基于改进Faster RCNN的水下目标检测方法，由残差网络Resnet50和改进的FPN组成的特征提取网络，通过改进的FPN在原始FPN的基础上去除了最大池化和选取了适合检测小物体的第一、二层融合特征图，节省时间成本同时还保证目标检测的准确性，在区域建议网络以及后续目标回归定位中使用了软非极大值抑制算滤除了重叠的候选框，保证重叠在一起的小目标也能够识别到，最后通过RoiAlign在操作中保留其浮点数，使用双线性插值的方法得到固定大小的特征图，解决了现有的水下卷积神经网络目标检测模型的检测小目标准确率较低的技术问题。
-
公开(公告)号：CN113268701A
公开(公告)日：2021-08-17
申请号：CN202110515742.8
申请日：2021-05-12
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于网络流的枝切法相位解缠方法，基于获取的缠绕相位计算对应的残差点，并根据所述残差点之间枝切线的连接方式将枝切线进行分类，其中，所述枝切线类型包括第一类枝切线和第二类枝切线；对第一类枝切线进行二级划分，并基于搜索顺序对所有所述第一类子枝切线进行优先连接，之后连接所有第二类子枝切线；整幅缠绕图像的第一类枝切线全部连接以后，构建目标函数，利用网络流算法对所述目标函数进行求解，即对第二类枝切线进行连接；若所有所述第一类枝切线和所述第二类枝切线均连接完成，对除所述第一类枝切线和所述第二类枝切线外的区域进行泛洪积分，完成相位解缠，提高实验精度。
-
公开(公告)号：CN108089431B
公开(公告)日：2019-11-08
申请号：CN201810068313.9
申请日：2018-01-24
Applicant: 桂林电子科技大学
IPC: G04R20/04
Abstract: 本发明提供一种自适应卫星导航授时方法及装置，该授时装置包括：基带信号处理模块，用于获取各个通道的观测量信息；最小二乘定位解算模块，以各个通道的观测量信息为输入量，并利用最小二乘进行定位解算，得到用户位置、用户速度和本地接收机钟差；自适应调整模块，以本地接收机钟差为输入，通过运算及判决，实现RTC模块中的频率字修正量的自适应调整；RTC模块，利用自适应调整模块所输出频率字修正量对频率字进行修正。本发明采用自适应的方式对本地接收机时钟进行调节，可有效的解决本地接收机时钟过度调节或者欠调节的问题，极大的提高授时精度，并且方法清晰易实现，无需增加卫星导航接收机任何硬件成本。
-
公开(公告)号：CN116524174A
公开(公告)日：2023-08-01
申请号：CN202310236356.4
申请日：2023-03-13
Applicant: 桂林电子科技大学
IPC: G06V10/25 , G06V10/77 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种多尺度注意力融合的FasterRCNN的海洋生物检测方法，包括：1)采用MSRCR图像增强算法对输入图像进行增强处理；2)采用MSAFPN网络提取增强处理后的图像的特征，得到多尺度特征图；3)将所述多尺度特征图输入RPN网络，获得候选框；4)将所述候选框映射到所述多尺度特征图上并进行截取，并将截取的所述特征图固定为统一的大小，再将所述特征图展平为一维向量，并通过全连接层进行目标分类与边框回归，从而实现精确定位检测。本发明采用图像增强算法提升海洋生物图像质量，并通过MSAFPN中的多尺度融合以及注意力模块获得目标更精确的特征信息，在检测目标时，能够检测到更多的海洋生物，有效提高目标检测的准确率。
-
公开(公告)号：CN111815520A
公开(公告)日：2020-10-23
申请号：CN202010288113.1
申请日：2020-04-14
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于GPU-CUDA编码模型的遥感影像快速处理方法，首先利用GPU-CUDA编程模型对获取的遥感图像进行处理，然后基于分布式递归最小二乘法的自适应滤波对处理后的所述遥感影像进行滤波降噪，提高遥感图像的质量和准确度；再次，通过基于GPU的全局配准并行算法对降噪后的所述遥感影像进行配准，除去重叠边界的裂缝，提高图像处理的效率；最后，通过并行分割处理对遥感影像进行分割，使得获得的分割单元内部呈现高度的一致性，且单元之间的相异性程度也尽可能呈现比较高的水平，从而输出较好的遥感影像。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.023 seconds)
