公开(公告)号：CN119919370A

公开(公告)日：2025-05-02

申请号：CN202411982854.4

申请日：2024-12-31

Applicant: 西安工程大学

Inventor： 吴迪 ,  刘婷婷 ,  张凯兵 ,  师红宇 ,  孟雅蕾 ,  薛丁华 ,  时光 ,  毛勇华

IPC: G06T7/00 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明公开了基于多尺度分层融合的轻量化道路缺陷检测方法，具体包括如下步骤：步骤1，构建数据集，并将数据集划分为训练集、测试集和验证集；步骤2，构建多尺度分层融合轻量化目标检测模型；步骤3，采用步骤1划分的训练集对步骤2构建的模型进行训练；步骤4，使用步骤1划分好的测试集和验证集对步骤3训练好的模型进行测试和验证，输出检测结果。本发明解决了现有检测方法采用单尺度特征提取方式存在的小目标漏检的问题。

公开(公告)号：CN118521483A

公开(公告)日：2024-08-20

申请号：CN202410467250.X

申请日：2024-04-18

Applicant: 西安工程大学

Inventor： 张凯兵 ,  武薛 ,  何昕 ,  孟雅蕾 ,  时光 ,  薛丁华 ,  张周强 ,  杨旭东 ,  卢健

IPC: G06T3/4076 ,  G06T5/73 ,  G06T5/60 ,  G06V10/42 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明公开了基于双阶段自注意力的轻量化图像超分辨方法，具体包括如下步骤：步骤1，对数据集进行预处理，将处理后的数据集划分为训练集、验证集和测试集；步骤2，构建基于双阶段自注意力的轻量化图像超分辨网络模型；步骤3，对步骤2构建的网络模型进行训练；步骤4，将测试集输入步骤3训练好的网络模型中，输出超分辨图像。本发明解决了现有的基于Transformer的图像超分辨方法存在的计算冗余、计算资源消耗高的问题，实现了在全局特征范围内进行精确且高效的长程依赖关系建模，有效提升轻量化图像超分辨模型的稳健性和重建质量。

公开(公告)号：CN118333865A

公开(公告)日：2024-07-12

申请号：CN202410467245.9

申请日：2024-04-18

Applicant: 西安工程大学

Inventor： 张凯兵 ,  武薛 ,  何昕 ,  孟雅蕾 ,  时光 ,  薛丁华 ,  杨旭东 ,  陈金广 ,  张周强

IPC: G06T3/4076 ,  G06T5/73 ,  G06T5/60 ,  G06V10/44 ,  G06V10/42 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了基于多尺度混合自注意力的轻量化图像超分辨方法，具体包括如下步骤：步骤1，数据集预处理，将处理后的数据集划分为训练集、验证集和测试集；步骤2，构建基于多尺度混合自注意力的轻量化图像超分辨网络模型；步骤3，对步骤2构建的网络模型进行训练；步骤4，将测试集输入步骤3训练好的网络模型中，输出超分辨图像。本发明解决了现有的基于Transformer的图像超分辨方法感受野受限，无法有效重建出精细细节和纹理结构的问题。

公开(公告)号：CN118862656A

公开(公告)日：2024-10-29

申请号：CN202410886380.7

申请日：2024-07-03

Applicant: 西安工程大学

Inventor： 时光 ,  张凯兵 ,  马聪 ,  薛丁华 ,  习龙 ,  吕雯 ,  杨淑云

IPC: G06F30/27 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了基于物理扩散过程的时空注意力空气污染预测方法，具体包括如下步骤：步骤1，获取历史空气污染数据及相应的历史气相数据，并对获取的数据进行预处理，并将预处理后的数据集划分为测试集、验证集和训练集；步骤2，构建基于物理扩散过程的空气污染时空注意力预测模型；步骤3，通过步骤1划分的训练集对步骤2构建的基于物理扩散过程的空气污染时空注意力预测模型进行训练；步骤4，使用步骤1划分的测试集对步骤3训练后的模型进行测试，输出预测结果。本发明提供的方法解决了现有的基于注意力机制的方法由于没有集成污染物传播物理机理而导致的预测精度不高以及无法反应站点之间关系的实时变化问题。

公开(公告)号：CN118297807A

公开(公告)日：2024-07-05

申请号：CN202410467247.8

申请日：2024-04-18

Applicant: 西安工程大学

Inventor： 张凯兵 ,  武薛 ,  何昕 ,  孟雅蕾 ,  时光 ,  薛丁华 ,  杨旭东 ,  陈金广 ,  张周强

IPC: G06T3/4076 ,  G06T5/73 ,  G06T5/60 ,  G06V10/44 ,  G06V10/80 ,  G06V10/74 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明公开了基于多尺度残差注意力的图像超分辨重建方法，采用超分辨网络接收低分辩输入图像，低分辩输入图像依次经过浅层特征提取、深度特征提取和图像重建部分，网络输出得到超分辨图像。本发明设计多尺度非局部注意力模块，通过探索低分辨图像内部的多尺度图像块之间的相似性，从而有效地探索多尺度特征固有的长程依赖关系。本发明解决了现有超分辨重建方法无法准确评估不同特征之间的相似性，从而不能根据特征相似性有效利用图像内部相似结构对图像内容有效重建，导致重建结果纹理结构失真、边缘细节迷糊的问题。