-
公开(公告)号：CN115496694A
公开(公告)日：2022-12-20
申请号：CN202211218289.5
申请日：2022-09-30
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于改进图像形成模型对水下图像进行恢复和增强的方法，首先在水下图像的模糊图像区域中提取BL，之后再基于水下图像模糊区域提取的BL得到了图像的场景深度和图像的TM，最后选取三种深度估计方法来估计场景深度的方法，通过得到的三个数值将水下图像进行场景恢复，得到了水下增强的图像；处理后的图像可以与当前的陆地上的目标检测识别技术相融合，实现陆地检测到水下检测的应用。
-
Patent Agency Ranking
公开(公告)号：CN118628900A
公开(公告)日：2024-09-10
申请号：CN202410865806.0
申请日：2024-07-01
Applicant: 湖南科技大学三亚研究院
IPC: G06V20/05 , G06T5/40 , G06T5/73 , G06V10/77 , G06T5/77 , G06T5/50 , G06T3/4038 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提供一种水下图像目标检测方法及系统，其方法包括对输入的水下图像进行自适应色彩均衡算法预处理，以增强光线较暗地方的细节部分并改善图像色偏问题；背景光估计，对图像的R‑G‑B通道分布特性进行特征提取，得到初步场景深度估计值，并根据最终背景光估计值和初步场景深度估计值，得到最终场景深度估计值。通过传输系数计算公式得到传输系数映射估计；经过场景亮度恢复公式进行特征融合，并采用直方图均衡算法得到高质量的水下增强图像；使用改进的YOLOv7‑tiny模型对增强后的图像进行目标检测，得到水下目标信息。其系统采用了上述目标检测方法。通过该方法可有效改进水下目标检测的精度和效率。
-
公开(公告)号：CN116543535A
公开(公告)日：2023-08-04
申请号：CN202310552708.7
申请日：2023-05-17
Applicant: 湖南科技大学
IPC: G08B21/18
Abstract: 本发明涉及一种基于深度神经网络的环水口区域报警方法，包括：以yolov7算法内原ELAN模块替换为swim‑tansformer模块的新yolov7算法为基础，加入DeepSORT跟踪算法构建的目标检测模型。本发明通过将进行标签处理的螺旋出料管相关图片格式转换为coco数据集格式，以新yolov7算法为基础构建目标检测模型，对coco数据集进行训练获得权重文件，基于权重文件进行螺旋出料管相目标检测，得到检测结果。在目标检测模型加入DeepSORT跟踪算法，对环水口区域使用掩码操作覆盖掉除环水口以外区域，只检测环水口区域，对螺旋出料管进行目标跟踪，当目标出现在区域即进行报警。本发明引入了注意力机制以及区域入侵检测的思想，实现当螺旋管目标检测框碰到人为设定环水口区域进行报警的功能。
-
公开(公告)号：CN115496694B
公开(公告)日：2023-07-25
申请号：CN202211218289.5
申请日：2022-09-30
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于改进图像形成模型对水下图像进行恢复和增强的方法，首先在水下图像的模糊图像区域中提取BL，之后再基于水下图像模糊区域提取的BL得到了图像的场景深度和图像的TM，最后选取三种深度估计方法来估计场景深度的方法，通过得到的三个数值将水下图像进行场景恢复，得到了水下增强的图像；处理后的图像可以与当前的陆地上的目标检测识别技术相融合，实现陆地检测到水下检测的应用。
-
公开(公告)号：CN120011577A
公开(公告)日：2025-05-16
申请号：CN202510089552.2
申请日：2025-01-21
Applicant: 湖南科技大学
IPC: G06F16/36 , G06F16/35 , G06F16/334 , G06F18/25 , G06F18/21 , G06F40/30 , G06F40/284 , G06F40/295 , G06N3/0455 , G06N5/022 , G06N5/04
Abstract: 本发明公开了基于多模态大语言模型对特定行业进行关系抽取的方法，包括样本信息输入Transformer编码器，利用跨模态注意力模块按照层次化融合方式进行多模态信息融合以捕捉文本中的语义关系，引入利用知识融合技术将爬取的特定行业数据构建知识图谱作为模态融合时的补充信息，使模型在处理文本、图像以及音频时，可以对比知识图谱中的内容以便于更好地理解不同模态间的潜在关系；将融合特征输入基于强化学习的奖励函数模块中，依据奖励函数的设定基于预测结果与真实实体关系的匹配程度，输出准确率较高的原始文本中两个实体间的关系。
-
公开(公告)号：CN119990297A
公开(公告)日：2025-05-13
申请号：CN202510208399.0
申请日：2025-02-25
Applicant: 湖南科技大学
IPC: G06N5/025 , G06N5/022 , G06F16/36 , G06F18/20 , G06F18/2415 , G06F18/25 , G06F40/295 , G06F40/30 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及数据处理技术领域，公开了基于大模型生成和知识图谱集成的多模态关系抽取方法，包括以下步骤：首先，利用大语言模型对图像生成描述，构建图像图，同时对文本进行解析，构建文本图，并基于标注实体链接知识图谱，构建知识图谱子图。然后，以标注实体为锚点，通过相似度计算将三者拼接，形成统一联合图，并利用图信息瓶颈技术和GCN优化图结构，提取并融合多模态特征，从而提高关系抽取的准确性和处理效率。通过多模态数据融合，显著提高了关系抽取的准确性和处理速度。利用图信息瓶颈技术和图卷积网络对图结构进行优化，消除了冗余信息，从而有效地提取和融合多模态数据中的语义特征。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
