-
公开(公告)号：CN119107240A
公开(公告)日：2024-12-10
申请号：CN202411041473.6
申请日：2024-07-31
Applicant: 江苏信息职业技术学院
Inventor： 李阳
IPC: G06T5/60 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种低照度图像增强方法和电子设备，低照度图像增强方法包括：采集低光照图像；加载已训练好的的轻量级图像增强模型的权重和参数；利用已训练好的的轻量级图像增强模型对低光照图像进行增强；输出增强后的低光照图像。本申请实施例提供的低照度图像增强方法通过使用训练好的轻量级图像增强模型对低光照图像进行增强，能够增强图强质量，同时减小计算开销，提升了计算效率。
-
公开(公告)号：CN118503445A
公开(公告)日：2024-08-16
申请号：CN202410580136.8
申请日：2024-05-11
Applicant: 江苏信息职业技术学院
IPC: G06F16/36 , G06F40/30 , G06F18/214 , G06F16/335
Abstract: 本发明公开一种基于知识图谱的多层次对比学习增强推荐算法框架的方法，包括数据预处理、数据增强、特征表示构建、动态注意力机制的图建模、多层次对比学习和联合训练步骤，本发明首次提出了一种结合用户‑用户、物品‑物品以及用户‑物品交互三个层次的对比学习策略。通过这种策略，模型能够全面理解和挖掘用户行为和物品属性之间的复杂关系。此外，通过引入非线性变换和基于动量编码器的负样本构建机制，进一步增强了模型对高质量特征表示的学习能力，从而在数据稀疏环境下仍能保持出色的推荐性能，在图神经网络架构中融入动态注意力机制，本发明能够更加灵活和准确地捕捉知识图谱中实体间的动态关系。
-
公开(公告)号：CN113763380A
公开(公告)日：2021-12-07
申请号：CN202111149510.1
申请日：2021-09-29
Applicant: 江苏信息职业技术学院
IPC: G06T7/00
Abstract: 本发明涉及一种基于矢量梯度的无参考图像清晰度评价方法，其包括如下步骤：步骤1、确定所述图像的灰度图像矩阵；步骤2、计算水平方向梯度矩阵Ix1以及垂直方向梯度矩阵Iy1；步骤3、计算所述灰度图像矩阵的水平方向矢量梯度矩阵Ix2以及垂直方向矢量梯度矩阵Iy2；步骤4、根据水平方向矢量梯度矩阵Ix2以及垂直方向矢量梯度矩阵Iy2，计算得到灰度图像矩阵内任一像素的矢量梯度Vxy；步骤5、根据上述得到灰度图像矩阵内每个像素的矢量梯度Vxy，确定灰度图像矩阵的矢量梯度总值；将所述矢量梯度总值与灰度图像矩阵内的像素总数Pixels的比值作为图像的清晰度值D。本发明能有效确定图像的清晰度值，时间复杂度小，抗噪的能力强，运算速度快且鲁棒性强。
-
公开(公告)号：CN112926466A
公开(公告)日：2021-06-08
申请号：CN202110231253.X
申请日：2021-03-02
Applicant: 江苏信息职业技术学院
Abstract: 本发明提供了一种基于差分卷积神经网络的运动目标检测方法，通过构建卷积神经网络对运动目标进行检测，其优点是将视频的当前帧与对应的背景帧进行差分，得到差分图像，将差分图像作为模型的输入，模型的输入不包含场景信息，如背景。该卷积神经网络只是学习场景的变化，其中没有关于场景的具体信息，因此该卷积神经网络具有较强的泛化能力，只需要训练一次，就可以检测出同一类型的视频，大大扩展卷积神经网络模型的使用范围，具有良好的应用前景。经测试，现有的基于深度学习的运动目标检测模型在测试与训练视频无关的视频时，F‑measure值为0.2‑0.3，而本发明在测试与训练视频无关的视频时，F‑measure值为0.73。
-
公开(公告)号：CN114841941A
公开(公告)日：2022-08-02
申请号：CN202210434154.6
申请日：2022-04-24
Applicant: 江苏信息职业技术学院
Abstract: 本发明涉及运动目标检测技术领域，具体涉及一种基于深度与彩色图像融合的运动目标检测算法，该算法需要首先进行模型训练，然后依据训练的模型判别结果并进行输出，在训练过程中，获取彩色图像序列I1和深度图像序列D1，使用图像配准得到对齐后的彩色图像序列I1和深度图像序列D1，计算得到候选前景序列Dc1，根据坐标信息得到合成梯度矩阵G1，使用超像素分割对彩色图像序列I1进行分割并得到区域分割信息A1，分别对候选前景序列Dc1中的异常值以及合成梯度矩阵G1的提督进行均值、方差和直方图特征提取，构成向量并进行分类，从而得到分类模型，检测阶段利用训练模型判别结果并进行输出。
-
Patent Agency Ranking
公开(公告)号：CN112561949A
公开(公告)日：2021-03-26
申请号：CN202011540986.3
申请日：2020-12-23
Applicant: 江苏信息职业技术学院
Abstract: 本发明涉及目标检测算法技术领域，具体涉及一种基于RPCA和支持向量机的快速运动目标检测算法，它包括：首先使用RPCA对视频矩阵进行分解得到视频的前景信息，同时通过超像素分割对视频进行分割，再提取前景和背景超像素块对应的稀疏矩阵的异常值的特征，并通过SVM进行模型训练；在进行检测时，提取前景和背景超像素块对应的稀疏矩阵的异常值的特征，再使用已经训练好的模型进行判断超像素块是否属于前景。本发明的有益效果为：在保证检测结果F‑measure值在0.85左右的情况下，检测速度是已有RPCA扩展模型的50倍左右，可以用于智能安防监控中实时提取出运动目标，可以作为后续的图像分类、目标检测、目标识别的基础工作。
-
公开(公告)号：CN119827362A
公开(公告)日：2025-04-15
申请号：CN202510023528.9
申请日：2025-01-07
Applicant: 江苏信息职业技术学院
IPC: G01N15/0205 , G01N3/56 , G01N3/06 , G01M9/06
Abstract: 本发明公开了一种闭口六角管内空泡动力学特性的探测装置及方法，涉及光电探测技术领域，该方法通过凹凸透镜组、扩束镜和圆形光阑的组合，截取了激光光强分布较为均匀的中心区域作为探测光束，并结合立方体分束镜与反射镜，在闭口六角管内构建了探测区；再经立方体分束镜反射后由聚焦透镜汇聚至光电传感器，并由示波器示出；对示波器得到的电信号进行分析，即可得到闭口六角管内空泡的空泡最大泡半径和脉动周期。本发明解决了难以对闭口六角管内较大空泡或非中心位置产生空泡的动力学特性进行探测的问题，方法操作简单且成本低廉。
-
公开(公告)号：CN119603726A
公开(公告)日：2025-03-11
申请号：CN202411705989.6
申请日：2024-11-26
Applicant: 江苏信息职业技术学院
IPC: H04W28/084 , H04W28/08 , H04W4/46 , G06N3/092
Abstract: 本发明涉及物联网技术领域，具体为一种面向车辆边缘计算的分布式任务协同卸载方法，包括：构建系统模型；所述系统模型包括：网络模型、边缘服务器卸载模型、V2V卸载模型、V2V链路状态模型、任务迁移模型和车辆激励模型；基于多智能体的分布式任务卸载方法，包括计算V2V链路质量和车辆卸载意愿，选择最优服务车辆以及基于反事实多智能体强化学习方法选择最优边缘节点；有效降低整个系统的计算延迟，降低系统平均延迟和迁移成本，精准地选择出成本效益最高的边缘节点进行任务卸载。
-
公开(公告)号：CN115393585B
公开(公告)日：2023-05-12
申请号：CN202210962818.6
申请日：2022-08-11
Applicant: 江苏信息职业技术学院
Abstract: 本发明涉及目标检测技术领域，具体涉及一种基于超像素融合网络的运动目标检测方法，它包括训练阶段与检测阶段两个主要部分，利用中值滤波提取候选前景，并对图像序列进行超像素分割。然后提取候选前景超像素的直方图特征，然后将像素特征和超像素特征分别作为找像素融合网络的输入，整个过程运算速度快，鲁棒性强。
-
公开(公告)号：CN118887112A
公开(公告)日：2024-11-01
申请号：CN202410907364.1
申请日：2024-07-08
Applicant: 江苏信息职业技术学院
IPC: G06T5/60 , G06T5/90 , G06T5/10 , G06N3/0464
Abstract: 本发明公开了一种基于小波变换与深度学习的轻量级图像增强方法包括基于深度学习建立的四个残差模块、由多个不同方向的小波变换层组成的小波变换模块、特征融合层和输出卷积层；包括基于深度学习建立的四个残差模块分别提取输入图像的特征；通过特征融合层将小波变换模块提取的特征与四个残差模块提取的特征进行融合，形成综合的特征图；通过输出卷积层对综合的特征图进行卷积操作，得到图像增强模型，并输出经过图像增强的图像。将小波变换与深度学习相结合，提出了一种轻量级的图像增强方法，充分利用了小波变换的频域分解能力和深度学习的特征学习能力，实现了对图像的高效、高质量增强处理。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.036 seconds)
