-
公开(公告)号：CN110136061B
公开(公告)日：2023-02-28
申请号：CN201910387078.6
申请日：2019-05-10
Applicant: 电子科技大学中山学院
IPC: G06T3/40
Abstract: 本发明公开了一种基于深度卷积预测与插值的分辨率提升方法及系统，涉及分辨率提升领域；其包括步骤：构建深度卷积网络，并预处理图片集，深度卷积网络包括特征提取网络、预测网络和重构网络；利用预处理后的训练集中的低分辨率图片Pl输入上述深度卷积网络进行特征提取、邻域特征预测、邻域特征插值和重构预测出高分辨率图片Ph，计算Ph与训练集中目标高分辨率图片Pt间的均方损失，并通过梯度下降训练各部分网络，重复上述过程迭代M次完成训练；将实际场景中的低分辨率图片输入已训练的深度卷积网络，获取高分辨率图片；本发明解决现有分辨率提升使用的网络训练难度大、分辨率提升效果差的问题，达到了降低训练难度、提高分辨率的效果。
-
公开(公告)号：CN113658108A
公开(公告)日：2021-11-16
申请号：CN202110830971.9
申请日：2021-07-22
Applicant: 西南财经大学 , 电子科技大学中山学院
Abstract: 本发明公开了一种基于深度学习的玻璃缺陷检测方法，本发明属于人工智能技术领域，具体的是涉及深度学习的图像识别技术。本发明包括定义了对普通的高拍摄像头所拍摄的原始玻璃图片的预处理；基于生成式对抗网络中的pix2pix网络对预处理后的玻璃图片进行玻璃边缘的提取；基于局部和全局融合特征的玻璃缺陷多尺度分类器对所提取到的玻璃边缘图片进行缺陷检测，输出为玻璃有无缺陷的分类结果。本发明在玻璃缺陷检测的效率上明显优于传统的人工肉眼分辨方式，一定程度上减少了玻璃制造过程中的人工开销，并且保证了玻璃缺陷检测模型的较高的检测率和较低的误检率。
-
Patent Agency Ranking
公开(公告)号：CN113657176A
公开(公告)日：2021-11-16
申请号：CN202110832335.X
申请日：2021-07-22
Applicant: 西南财经大学 , 电子科技大学中山学院
Abstract: 本发明公开了一种基于主动对比学习的行人重识别实现方法，涉及人工智能中的计算机视觉领域。本发明包括主动学习模块，对比学习模块。首先通过一个基于损失预测的主动学习模块来挑选高价值样本，设置主动学习每次选取的数量为Bt，再经由人工进行标记，得到行人标记ID。然后将标记好的样本送入对比学习模块，拥有相同标记ID的样本定义为正样本，不一致标记ID的样本定义为负样本，再优化对比损失，使得相同ID的行人样本特征分布更为接近，距离更小；不同ID的样本特征分布更远，距离更大。
-
公开(公告)号：CN110659730A
公开(公告)日：2020-01-07
申请号：CN201910957935.1
申请日：2019-10-10
Applicant: 电子科技大学中山学院
Abstract: 本发明公开了一种基于脉冲神经网络的端到端功能性脉冲模型的实现方法，涉及人工智能技术领域，本发明包括定义输入脉冲二元组Di和期望输出脉冲二元组Dd；基于功能性脉冲响应函数和动态突触函数构建功能性脉冲模型，初始化功能性脉冲模型参数，并设置训练轮数epochmax；构建功能性脉冲模型的损失函数，根据损失函数计算训练损失值L；当训练损失值L不等于零且当前训练轮数小于epochmax时，利用反向传播算法对功能性脉冲模型进行训练，更新参数，直至功能性脉冲模型收敛，完成训练；对训练完成的功能性脉冲模型进行测试，若符合要求，则输出该训练好的功能性脉冲模型，本发明在时间顺序学习任务上明显优于传统的脉冲神经网络，提高了模型的分类准确率和训练速度。
-
公开(公告)号：CN110136061A
公开(公告)日：2019-08-16
申请号：CN201910387078.6
申请日：2019-05-10
Applicant: 电子科技大学中山学院
IPC: G06T3/40
Abstract: 本发明公开了一种基于深度卷积预测与插值的分辨率提升方法及系统，涉及分辨率提升领域；其包括步骤：构建深度卷积网络，并预处理图片集，深度卷积网络包括特征提取网络、预测网络和重构网络；利用预处理后的训练集中的低分辨率图片Pl输入上述深度卷积网络进行特征提取、邻域特征预测、邻域特征插值和重构预测出高分辨率图片Ph，计算Ph与训练集中目标高分辨率图片Pt间的均方损失，并通过梯度下降训练各部分网络，重复上述过程迭代M次完成训练；将实际场景中的低分辨率图片输入已训练的深度卷积网络，获取高分辨率图片；本发明解决现有分辨率提升使用的网络训练难度大、分辨率提升效果差的问题，达到了降低训练难度、提高分辨率的效果。
-
公开(公告)号：CN110135510B
公开(公告)日：2023-08-01
申请号：CN201910427865.9
申请日：2019-05-22
Applicant: 电子科技大学中山学院 , 西南财经大学
IPC: G06V10/778 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种动态领域自适应方法、设备及计算机可读存储介质，包括以下步骤：基于原始图像数据获取源域数据集和目标域数据集；基于源域数据集定义用于图像识别的卷积神经网络的各层级参数，并在卷积神经网络中全连接层中的输出层之前加入自适应层；计算卷积神经网络的自适应损失LMMD；基于自适应损失LMMD修改卷积神经网络的各层级参数，得到调整后的卷积神经网络；将目标域数据集代入调整后的卷积神经网络，获取图像数据识别的输出结果。本发明还同时公开了一种动态领域自适应设备及计算机可读存储介质。
-
公开(公告)号：CN110135510A
公开(公告)日：2019-08-16
申请号：CN201910427865.9
申请日：2019-05-22
Applicant: 电子科技大学中山学院
Abstract: 本发明公开了一种动态领域自适应方法、设备及计算机可读存储介质，包括以下步骤：基于原始图像数据获取源域数据集和目标域数据集；基于源域数据集定义用于图像识别的卷积神经网络的各层级参数，并在卷积神经网络中全连接层中的输出层之前加入自适应层；计算卷积神经网络的自适应损失LMMD；基于自适应损失LMMD修改卷积神经网络的各层级参数，得到调整后的卷积神经网络；将目标域数据集代入调整后的卷积神经网络，获取图像数据识别的输出结果。本发明还同时公开了一种动态领域自适应设备及计算机可读存储介质。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
