-
公开(公告)号：CN110517352B
公开(公告)日：2022-06-03
申请号：CN201910797141.3
申请日：2019-08-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种物体的三维重建方法、存储介质、终端及系统，属于图片重建3D模型技术领域，方法包括：提取单张任意角度图片的高维特征，根据高维特征还原物体第一固定视角图像；根据第一固定视角图像生成形状遮罩进而生成物体的3D模型。系统包括U型生成式对抗网络和3D条件生成式对抗网络。本发明通过提取单张图片的高维特征以还原物体固定视角即第一固定视角视图，能够降低信息扰动；根据固定视角视图生成形状遮罩，有利于提高三维重建的效率、准确度，适用于任意视角图片、效果逼真的特点，满足了任意视角的单张物体图片实时重建3D模型的需要。
-
公开(公告)号：CN112927357B
公开(公告)日：2022-04-19
申请号：CN202110244678.4
申请日：2021-03-05
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于动态图网络的3D物体重建方法，物体的二维图像I首先经过图像特征提取；然后进行图网络输入数据准备：预定义一个由N个顶点以及多条边组成椭球体网格模型，并填充初始特征得到特征输入X，并构建对应的关系矩阵A；然后将特征输入X及对应的关系矩阵A送入动态图网络对每个顶点的特征进行融合和推理，融合生成新的关系矩阵最后根据动态图网络输出的特征输出Z经过3D坐标回归层回归出每个顶点的位置。本发明解决了图网络中初始关系矩阵A缺少必要邻居节点信息以及不能适应于对应物体的网格关系的缺点，这样提升重建的准确率以及效果，重建出来的3D网格模型具有完整、光滑等特点，能够适用于游戏，无人机，动画等实际应用中。
-
公开(公告)号：CN112927357A
公开(公告)日：2021-06-08
申请号：CN202110244678.4
申请日：2021-03-05
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于动态图网络的3D物体重建方法，物体的二维图像I首先经过图像特征提取；然后进行图网络输入数据准备：预定义一个由N个顶点以及多条边组成椭球体网格模型，并填充初始特征得到特征输入X，并构建对应的关系矩阵A；然后将特征输入X及对应的关系矩阵A送入动态图网络对每个顶点的特征进行融合和推理，融合生成新的关系矩阵最后根据动态图网络输出的特征输出Z经过3D坐标回归层回归出每个顶点的位置。本发明解决了图网络中初始关系矩阵A缺少必要邻居节点信息以及不能适应于对应物体的网格关系的缺点，这样提升重建的准确率以及效果，重建出来的3D网格模型具有完整、光滑等特点，能够适用于游戏，无人机，动画等实际应用中。
-
公开(公告)号：CN109038862B
公开(公告)日：2020-05-12
申请号：CN201810766193.X
申请日：2018-07-12
Applicant: 杭州电子科技大学
IPC: H02J50/20
Abstract: 本发明公开了移动受电体及应用该受电体的行波式非接触供电系统。接触网为移动体输电会占用大量空间区域，且遇到不良气候时容易出现各类故障。本发明移动受电体，包括n个接收行波耦合段。接收行波耦合段包括两个受电开放式波导。两个受电开放式波导的两个输入端均悬空。应用该移动受电体的行波式非接触供电系统，包括供电模块和受电模块。供电模块包括交流电源和发射行波耦合段。发射行波耦合段包括供电开放式波导。受电模块包括移动受电体和功率管理组件。功率管理组件包括n个整流电路组。n个整流电路组与移动受电体内的n个接收行波耦合段分别对应。本发明能够在移动受电体进行长距离高速移动的过程中，保证持续高效的电能耦合。
-
公开(公告)号：CN110555420A
公开(公告)日：2019-12-10
申请号：CN201910848205.8
申请日：2019-09-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于行人区域特征提取和重识别融合模型网络及方法，它包括：区域提取模块：用于根据全局特征图搜索行人出现的区域，并从中生成提取区域，以获得行人目标的检测结果并对这些提取区域的特征进行收集和整合处理。通过一个深度卷积神经网络即可实现对行人特征的提取和识别，并通过区域特征的提取避免了在原场景图片中对行人图片的截图、存储和预处理操作，使得整体网络处理速度更加快速，整体网络模型体积更小，能够部署到硬件条件更低的环境中。
-
Patent Agency Ranking
公开(公告)号：CN102882287A
公开(公告)日：2013-01-16
申请号：CN201210365825.4
申请日：2012-09-28
Applicant: 杭州电子科技大学
Inventor： 彭亮
Abstract: 本发明一种级联型非接触式供电系统和移动受电体。供电系统包括电源电路、多个级联段电路、终端电路。其中电源电路包括一个高频电源和一个电源匹配，级联段电路包括供电磁耦合段与阻抗变换电路，所述电源电路的电源匹配输出端串接所述级联段电路的供电磁耦合段，再依次串接多个所述的级联段电路，并将末端级联段电路的阻抗匹配端接终端电路。移动受电体，包括受电磁耦合段、整流稳压电路、充电电池和用电单元，受电磁耦合段与整流稳压电路连接，整流稳压电路分别与用电单元与充电电路连接。本发明的交流供电效率可高达90%,且受移动受电体的运动速度和用电负载变化影响不敏感；可大量减少高性能高频电源的使用，降低供电系统的构造和维护成本。
-
公开(公告)号：CN113536952B
公开(公告)日：2023-04-21
申请号：CN202110692149.0
申请日：2021-06-22
Applicant: 电子科技大学
IPC: G06V20/40 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06F16/732 , G06F16/75 , G06F16/783
Abstract: 本发明公开了一种基于动作捕捉的注意力网络的视频问答方法，先提取将待处理视频和待处理的提问的特征，然后基于这些特征，通过物体动作注意力机制提取动作信息，通过物体关系注意力机制提取待处理视频的全局物体关系信息，通过全局动作注意力机制提取待处理视频的全局动作信息；接着对三种注意力机制下提取的信息进行融合，提取整个视频的全局特征向量；最后基于全局特征向量根据提问的格式输出不同类型答案。
-
公开(公告)号：CN112488055B
公开(公告)日：2022-09-06
申请号：CN202011501849.9
申请日：2020-12-18
Applicant: 贵州大学 , 电子科技大学广东电子信息工程研究院
Abstract: 本发明公开了一种基于渐进图注意力网络的视频问答方法，其中，采样一种新颖的渐进图注意网络，以渐进的方式探究了在目标层次、视频帧层次和视频片段层次的多种视觉交互。在该渐进图注意网络当中，目标层次的图结构主要用于获取相同帧或者不同帧中目标之间的时空关系，视频帧层次的图结构探究了视频帧之间的相互关系，而视频片段层次的图结构构建了其中不同动作之间的时序关系。同时，本发明也使用了注意力机制去关注与问题相关的图顶点和边，并且用一种渐进的方式连接这些不同层次的图特征。用这样的方式，每一个图都能基于视觉相关性关注到它的时空邻接顶点和更细粒度的视觉内容。这样提高了预测问题的答案的准确性。
-
公开(公告)号：CN113536952A
公开(公告)日：2021-10-22
申请号：CN202110692149.0
申请日：2021-06-22
Applicant: 电子科技大学
IPC: G06K9/00 , G06N3/04 , G06F16/732 , G06F16/75 , G06F16/783
Abstract: 本发明公开了一种基于动作捕捉的注意力网络的视频问答方法，先提取将待处理视频和待处理的提问的特征，然后基于这些特征，通过物体动作注意力机制提取动作信息，通过物体关系注意力机制提取待处理视频的全局物体关系信息，通过全局动作注意力机制提取待处理视频的全局动作信息；接着对三种注意力机制下提取的信息进行融合，提取整个视频的全局特征向量；最后基于全局特征向量根据提问的格式输出不同类型答案。
-
公开(公告)号：CN109544457A
公开(公告)日：2019-03-29
申请号：CN201811474661.2
申请日：2018-12-04
Applicant: 电子科技大学
Abstract: 本发明公开了基于致密链接神经网络的图像超分辨率方法、存储介质和终端，方法包括：图像预处理；特征提取：搭建致密链接神经网络，将低分辨率图像Input从致密链接神经网络的入口输入，经过计算后提取出Input中包含的特征信息；预测超分辨率图像并更新网络参数：将特征提取完成的图像进行上采样/反卷积，得到预测图像Predict；计算预测图像Predict以及真实图像Label之间的误差值，反向更新致密链接神经网络的参数；超分辨率重构。本发明能够显著提高深度神经网络提取图像低频和高频特征的能力，提高图像超分辨率的效果，提高图片提供信息的能力，因此应用在期望得到高分辨率图像、期望图片能够提供更多细节的领域。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.029 seconds)
