-
公开(公告)号：CN114038055B
公开(公告)日：2024-08-16
申请号：CN202111254371.9
申请日：2021-10-27
Applicant: 电子科技大学长三角研究院(衢州) , 电子科技大学
IPC: G06V40/20 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0895
Abstract: 该发明公开了一种基于对比学习和生成对抗网络的图像生成方法，属于计算机视觉领域。该方法首先选择使用生成对抗网络作为基本框架，训练生成对抗网络时，需要分别为判别器和生成器的查询对象构造正负样本，目的是利用判别器将图像映射到表示空间中，使得判别器能在自监督下学习到图像的合理表示，并能减少引入额外的模型参数，而生成器则能在自监督下将相似的输入随机向量映射为相似的图像，而将不相似的随机向量映射为不同的图像，从而提升生成图像的多样性。在训练好生成对抗网络后，通过往生成器中输入噪声即可生成图像。通过上述方法，本发明充分利用了对比学习和生成对抗网络的优势，提高了现有生成方法的生成图像多样性。
-
公开(公告)号：CN114038055A
公开(公告)日：2022-02-11
申请号：CN202111254371.9
申请日：2021-10-27
Applicant: 电子科技大学长三角研究院(衢州) , 电子科技大学
IPC: G06V40/20 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 该发明公开了一种基于对比学习和生成对抗网络的图像生成方法，属于计算机视觉领域。该方法首先选择使用生成对抗网络作为基本框架，训练生成对抗网络时，需要分别为判别器和生成器的查询对象构造正负样本，目的是利用判别器将图像映射到表示空间中，使得判别器能在自监督下学习到图像的合理表示，并能减少引入额外的模型参数，而生成器则能在自监督下将相似的输入随机向量映射为相似的图像，而将不相似的随机向量映射为不同的图像，从而提升生成图像的多样性。在训练好生成对抗网络后，通过往生成器中输入噪声即可生成图像。通过上述方法，本发明充分利用了对比学习和生成对抗网络的优势，提高了现有生成方法的生成图像多样性。
-
公开(公告)号：CN115828175A
公开(公告)日：2023-03-21
申请号：CN202211607480.9
申请日：2022-12-14
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06F18/2431 , G06F18/214 , G06N3/04 , G06N3/08
Abstract: 在本发明公开了一种用于更新深度回归林叶节点的重采样方法，属于图像处理领域，针对于目前对年龄估计问题具有较高预测能力的深度回归森林模型，我们提出了一种新的样本重采样方法，通过根据训练数据分布特性，为不同类别赋予不同的权重值及逆行重采样得到较为均衡的批量样本，用于更新深度回归森林中叶节点上分布的均值与方差，保证模型能够兼顾学习不同样本数量的类别的样本特征。此外，本发明能够结合大部分损失函数及不同用来提取特征的深度神经网络，显著提高模型性能。
-
公开(公告)号：CN116416506A
公开(公告)日：2023-07-11
申请号：CN202211601910.6
申请日：2022-12-13
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06V10/82 , G06V10/764 , G06V10/20 , G06V10/774 , G06N3/045 , G06N3/0464 , G06N3/082 , G06N3/084
Abstract: 本发明公开一种用于数据不平衡问题的图像样本重加权方法，该方法与属于图像识别领域。本发明方法能够有效缓解数据不均衡问题；现有的样本重加权方法大多直接使用类别样本数量的倒数作为损失权重。在本发明中，提出了一种新的样本重加权方法，通过引入可调节权重参数，使得计算得到的样本权重更符合数据的分布规律，保证模型能够兼顾学习不同样本数量的类别的样本特征。此外，本发明能够结合大部分损失函数，显著提高模型性能。
-
公开(公告)号：CN114494529A
公开(公告)日：2022-05-13
申请号：CN202210006417.3
申请日：2022-01-05
Applicant: 电子科技大学长三角研究院(衢州)
Inventor： 张亮
Abstract: 该发明公开了一种基于代价敏感学习的人脸属性编辑方法，属于计算机视觉领域。该方法首先选择使用生成对抗网络作为基本框架，在训练生成对抗网络时结合代价敏感学习的思想，分别为判别器和生成器的引入了具有代价敏感的损失函数，其中包含错分代价和错误编辑代价。引入错分代价的目的是为了让判别器能够不受不平衡的数据集的影响，公平的去区分每一个人脸属性，从而能够更好的指导生成器编辑人脸属性的效果。在训练好生成对抗网络后，通过往生成器中输入原始人脸图像和属性编辑向量即可得到编辑后的人脸图像。从训练公平性的角度出发，本发明充分利用了代价敏感学习和生成对抗网络的优势，提高了现有人脸属性编辑模型的属性编辑成功率。
-
Patent Agency Ranking
公开(公告)号：CN119886265A
公开(公告)日：2025-04-25
申请号：CN202411966263.8
申请日：2024-12-30
Applicant: 西安电子科技大学
IPC: G06N3/086 , G06N3/084 , G06N5/04 , G06N3/096 , G06V10/20 , G06V10/40 , G06V10/82 , G06V10/26 , G06V10/764
Abstract: 本发明公开了一种基于图像组件层次结构信息的神经网络架构搜索方法，包括以下步骤；步骤1：向图像部件层次结构输入图像的特征，提取各个部件特征；步骤2：将所述部件特征作为层次信息推理规则模块的输入，用于建立层次化结构的推理逻辑，对不同层次的部件特征进行动态加权，用于传递部件之间的层次信息；步骤3：对动态加权后的部件特征进行权重分配和优化，用于在建模部件之间的交互关系并动态调整影响权重；步骤4：结合层次信息推理规则模块与损失函数模块，通过进化算法进行网络架构的优化搜索；步骤5：加速网络的收敛过程。本发明提升网络架构的搜索效率、信息传递的有效性及训练过程的性能，最终实现对复杂图像场景的更好理解和表达。
-
公开(公告)号：CN116994337B
公开(公告)日：2025-04-25
申请号：CN202310995299.8
申请日：2023-08-09
Applicant: 西安电子科技大学
IPC: G06V40/20 , G06V20/40 , G06V20/52 , G06V10/54 , G06V10/62 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/94 , G06V10/96 , G06T7/246 , G06T7/277 , G06F9/54
Abstract: 本发明提供了一种面向狭小空间密集对象的外观检测动作识别装置和方法，首次地提出了不同计算机视觉算法模型依据时序顺序对存储在共享内存的原始编码视频帧图像数据进行循环读取处理，使用多目标跟踪算法将密集对象追踪的id与该对象的外观检测行为识别结果相对应，定期将识别结果加入数据集进行模型的自训练，有效减小了系统间的耦合度和数据读取时延，大幅提高了视频处理的实时性、鲁棒性和效率。解决现有方法对密集对象外观检测效率低、主观性强的问题。
-
公开(公告)号：CN115227396B
公开(公告)日：2025-03-14
申请号：CN202210709108.2
申请日：2022-06-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了基于人造特征靶标及引导装置的口腔咽喉狭小空间视觉导航方法，S1：构建环绕口腔内部结构的人造引导辅助装置，设计附带的内壁人造纹理特征作为视觉辅助；S2：基于S1中的引导辅助装置及人造视觉特征辅助，在漫游阶段，通过组合轻量级的视觉里程计与后端优化模块，构建基于同步定位与建图技术的末端执行器自身位姿估计方法；S3；构造人造特征靶标，在执行阶段，方便S4中算法通过靶标区域对视野范围内的具体手术器械进行跟踪定位；S4：在执行阶段，构建基于目标位姿检测技术的具体手术器械位姿估计方法。本发明能有效应对手术空间的特殊运行环境下的诸多实际挑战，构建针对末端执行器自身和目标手术器械的稳定、高精度的位姿解算。
-
公开(公告)号：CN119415292A
公开(公告)日：2025-02-11
申请号：CN202411574537.9
申请日：2024-11-06
Applicant: 西安电子科技大学
IPC: G06F9/54 , G06F40/126 , G06T9/00 , G06Q50/02 , H04N19/503 , H04N19/593
Abstract: 本发明公开了一种基于微服务架构的多模态油藏数据管理方法，涉及数据孪生领域，用以提升对大规模复杂油藏数据管理的高效率和可靠性。本发明包括：油藏数据处理微服务集获取油藏数据源更新的油藏数据；油藏数据处理微服务集分别对油藏数据中的文本数据、图像数据和视频数据进行压缩存储；油藏数据调度微服务集响应于油藏数据的更新，从油藏数据处理微服务集中获取经压缩的油藏数据更新到相应业务系统。本发明提升了多类型数据集中处理的效率，提升了多类型数据管理的可靠性和应用的可扩展性。
-
公开(公告)号：CN118656772A
公开(公告)日：2024-09-17
申请号：CN202411148549.5
申请日：2024-08-21
Applicant: 西安电子科技大学
IPC: G06F18/2433 , G06F18/243 , G06F18/10 , G06F18/2131 , G06N20/20 , G06F11/10 , G06F3/06 , E21B49/08 , G06F123/02
Abstract: 本发明公开了一种实时油藏数据流处理及其存储优化的方法，该方法包括，将采集的实时油藏数据进行格式转换和预处理，将预处理后的实时油藏预处理数据划分为时间序列数据和静态数据，对时间序列数据通过傅里叶变换和隔离森林模型实现实时分析和异常检测，根据访问频率将实时油藏预处理数据分为高频、中频和低频等级，将不同等级的数据存储于不同性能的存储介质上，再使用ARIMA模型进行数据访问动态预测，根据预测结果优化存储策略，提高数据的访问效率并节省存储成本。本发明所提供的方法，能够实时有效地识别异常数据点，对设备故障进行预警，通过数据动态访问预测优化存储资源配置，实现了实时数据处理、异常检测和存储优化的系列解决方案。
-
-
-
-
-
-
-
-
-
Search Results
177
records
(took 0.093 seconds)
