-
公开(公告)号：CN118822992A
公开(公告)日：2024-10-22
申请号：CN202410927851.4
申请日：2024-07-11
Applicant: 西安电子科技大学 , 西安电子科技大学杭州研究院
IPC: G06T7/00 , G06V10/82 , G06V10/40 , G06F40/284 , G06V10/80 , G06V10/764 , G06V10/766 , G06F18/25 , G06F18/241 , G06F18/27 , G06N3/045 , G06N3/048 , G06N3/047 , G06N3/096
Abstract: 本发明公开了一种基于状态空间模型的通用图像美学评价方法，包括以下步骤；步骤1，根据数据集和任务类型，获取训练样本集Strain和测试集Stest；步骤2，构建通用图像美学评价框架的子模块：步骤3：从步骤2中不同的子模块进行构建，结合具体任务构建具体通用性或者个性化美学评价模型M；步骤4，对网络模型M进行迭代训练：步骤5，通过步骤4迭代训练后的模型。获取美学质量评价分数预测结果。本发明有效的解决了现有图像美学评价模型难以结合局部和全局图像特征、模型多任务训练的不平衡性、模型难以高效灵活设计的问题。
-
公开(公告)号：CN118735942A
公开(公告)日：2024-10-01
申请号：CN202410767592.3
申请日：2024-06-14
Applicant: 西安电子科技大学 , 西安电子科技大学杭州研究院
IPC: G06T7/11 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084 , G06V10/26 , G06V10/764 , G06V10/774
Abstract: 本发明公开了基于广义类平衡损失的图像分割方法，包括以下步骤；步骤1：将图像输入到分割网络中；通过分割网络中的编码器提取图像特征，并通过解码器将所述图像特征恢复到原始分辨率，生成预测的分割图像；步骤2：将真实的分割图像作为真实标签，计算所述预测的分割图像和真实的分割图像之间的广义类平衡损失；步骤3：利用所述广义类平衡损失进行反向传播，并更新网络参数。本发明利用不同的调节因子，有效平衡了不同类别间的损失贡献。通过精确地分割小样本区域，进一步提升了整体的图像分割精度，实现了在保证总体性能的同时，特别增强了模型对不均衡数据分布的处理能力。
-
公开(公告)号：CN119251484A
公开(公告)日：2025-01-03
申请号：CN202410734349.1
申请日：2024-06-07
Applicant: 西安电子科技大学杭州研究院 , 西安电子科技大学
IPC: G06V10/26 , G06T7/11 , G06V40/16 , G06V10/764 , G06V10/74 , G06V10/82 , G06V10/80 , G06N3/0895 , G06N3/0464 , G06N3/0455
Abstract: 基于表象一致对比学习的图像精细化分割方法，包括以下步骤；步骤1：构建基础分割模块，将图片经过基础分割模块后得到特征图；步骤2：构建超像素引导的表象一致对比学习模块，将所述特征图作为超像素引导的表象一致对比学习模块的输入；步骤3：构建局部风格引导的表象一致对比学习模块；将所述特征图作为局部风格引导的表象一致对比学习模块的输入；在两个模块中进行块间相似度损失计算和像素级对比损失计算；步骤4：将像素级对比学习损失和块间相似度损失联合起来进行联合训练，最小化损失。本发明有效降低错误标签对分割模型的影响，实现了精细化的分割结果，能够对图像进行更加精细的分割。
-
公开(公告)号：CN118887395A
公开(公告)日：2024-11-01
申请号：CN202410724277.2
申请日：2024-06-05
Applicant: 西安电子科技大学 , 西安电子科技大学杭州研究院
IPC: G06V10/26 , G06V10/82 , G06N3/048 , G06V10/44 , G06N3/0464 , G06N3/045 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于统计自适应激活的乳腺病灶区域图像分割方法，包括以下步骤；步骤1：构建超声乳腺癌病灶分割数据集；步骤2：利用步骤1得到的超声乳腺癌病灶分割数据集构建基于局部统计特性的空间自适应激活模块；步骤3：利用步骤1得到的超声乳腺癌病灶分割数据集构建基于通道统计特性的通道自适应激活模块：步骤4：通过基于局部统计特性的空间自适应激活模块和基于通道统计特性的通道自适应激活模块构建基于统计自适应激活的图像分割方法，完成对超声影像的乳腺病灶区域分割。本发明使现有分割模型具备全局特性和局部特性的自适应能力，最终提升了分割模型的分割精度。
-
公开(公告)号：CN116596915A
公开(公告)日：2023-08-15
申请号：CN202310684778.8
申请日：2023-06-09
Applicant: 西安电子科技大学 , 西安电子科技大学杭州研究院
IPC: G06T7/00 , G06V10/80 , G06V10/774 , G06V10/82
Abstract: 基于多尺度特征和长距离依赖的盲图像质量评价方法，包括以下步骤；步骤1，获取训练样本集和测试样本集；步骤2，构建基于多尺度特征和长距离依赖关系的无参考图像质量评价方法网络模型；用于提取和融合图像的多尺度特征和长距离依赖关系以回归到图像质量分数；步骤3，对基于多尺度特征和长距离依赖关系的无参考图像质量评价方法网络模型进行迭代训练；步骤4，获取图像的无参考质量评价结果。本发明用于解决现有方法参数量大、计算效率低的问题和现有方法忽略对多尺度特征和局部质量特征之间的长距离依赖关系的融合而导致模型预测结果与人类视觉感知一致性低的问题。
-
Patent Agency Ranking
公开(公告)号：CN118411356A
公开(公告)日：2024-07-30
申请号：CN202410611201.9
申请日：2024-05-16
Applicant: 西安电子科技大学杭州研究院 , 西安电子科技大学
IPC: G06T7/00 , G06N3/0464 , G06N3/08 , G06N3/0455
Abstract: 本发明公开了基于语义自适应融合的盲图像质量评价方法，包括以下步骤；步骤1：将动态激活函数ACON引入到ResNet50中，构建动态特征编码器；步骤2：将语义特征和质量特征融合；将得到的融合特征用于在质量特征编码器中继续进行前向推理；步骤3：利用二阶池化捕捉低级特征中的失真信息；将捕捉到的低级特征中的失真信息与质量特征编码器第四层池化后的全局特征向量拼接成多尺度特征，作为质量分数回归器的输入；步骤4：进行对比实验和消融实验。本发明利用动态激活函数ACON和局部失真模块与特征融合的操作，实现了具有参数自适应能力的动态网络ResNet50‑ACON，构建了低级特征与深度特征互补、语义信息与质量信息融合的多尺度融合特征。
-
公开(公告)号：CN117224149A
公开(公告)日：2023-12-15
申请号：CN202310698195.0
申请日：2023-06-13
Applicant: 西安电子科技大学 , 西安电子科技大学杭州研究院
IPC: A61B5/372 , G06F18/213 , G06F18/2415 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , A61B5/378 , A61B5/00 , G06F123/02
Abstract: 本发明公开了基于时空卷积和残差连接的脑电信号解码方法，包括以下步骤；步骤1：构建视觉诱发脑电信号数据集，收集的脑电信号的时空特征，用于刺激被试者视觉产生脑电信号；步骤2：构建基于时空卷积和残差连接的脑电信号解码分类网络CR‑model，用于提取步骤1中所收集的脑电信号的时空特征，并将时空特征进行深度融合提取，充分利用脑电信号的高时间分辨率以及多信道所体现的空间上的联系，提高视觉刺激脑电信号的分类准确率。本发明用于解决现有方法针对脑电信号多通道信号之间空间信息利用不充分以及时间信息与空间信息联系不紧密的问题。
-
公开(公告)号：CN119762847A
公开(公告)日：2025-04-04
申请号：CN202411807858.9
申请日：2024-12-10
Applicant: 西安电子科技大学杭州研究院
IPC: G06V10/764 , G06V10/40 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/09 , G06T7/00
Abstract: 基于重构引导跨模态对齐的小样本异常检测和分类框架，步骤1：构建重构网络，重构网络将数据集图像重建为完全正常图像，将重构网络的输出和输入进行比较以确定输入图像中的异常信息；步骤2：跨模态对齐网络包含视觉编码器和文本编码器两个分支，通过文本编码器和视觉编码器分别提取文本特征和视觉特征；步骤3：将所述异常信息和所述视觉特征进行注意力融合，输出异常细节信息增强后的视觉特征；步骤4：通过计算步骤2中所述文本特征和步骤3中所述视觉特征之间的相似度，从而判定输入的图像是否异常并获得像素级异常定位结果。本发明实现高精度、强泛化能力和低资源消耗的通用异常检测、定位和分类。
-
公开(公告)号：CN119810537A
公开(公告)日：2025-04-11
申请号：CN202411882363.2
申请日：2024-12-19
Applicant: 西安电子科技大学杭州研究院
IPC: G06V10/764 , G06V10/40 , G06V10/80 , G06V10/774 , G06N3/0464
Abstract: 本发明公开了一种质量自适应的图像跨域映射方法，包括以下步骤；步骤1：获取目标域图像s和源域图像c的数据，并进行预处理；步骤2：设计生成对抗网络模型，对抗网络模型以无监督图像翻译模型的网络结构为基础，将质量自适应卷积模块插入GLD生成器网络中；步骤3：利用步骤1预处理过的目标域图像s与源域图像c输入到步骤2中的生成对抗网络模型中训练；步骤4：利用步骤3训练好的生成对抗网络模型进行源域图像到目标域图像的映射。本发明对无监督图像翻译模型修改后实现了优于原模型更好的图像翻译结果。
-
公开(公告)号：CN118799355A
公开(公告)日：2024-10-18
申请号：CN202410788069.9
申请日：2024-06-18
Applicant: 西安电子科技大学 , 西安电子科技大学青岛计算技术研究院
IPC: G06T7/246 , G06V10/774 , G06V10/764 , G06T5/50 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于时空信息联合感知的目标跟踪方法，解决现有技术面对目标被局部遮挡、相机视角变化等干扰容易跟踪失败的问题。其实现方案是：从公开网站上获取训练集和测试集；构建由时空特征表示模块、混合注意力编解码模块、目标定位模块级联组成的目标跟踪网络，并利用时空特征表示模块、混合注意力编解码模块强化当前跟踪目标的特征，使得目标跟踪网络能抵御跟踪中环境变化的干扰；将训练集输入该目标跟踪网络中进行训练，直到达到最大训练轮次；将测试图像输入训练好的目标跟踪网络中得到分类响应图和回归响应图，对分类响应图和回归响应图进行后处理得到目标跟踪结果。本发明有效提高了目标跟踪的成功率和准确率，可用于视频监控或无人机自主飞行。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.059 seconds)
