公开(公告)号：CN116385848A

公开(公告)日：2023-07-04

申请号：CN202310307222.7

申请日：2023-03-27

Applicant: 重庆理工大学 ,  重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心)

Inventor： 李凌霄 ,  马泽忠 ,  姜紫薇 ,  高蕾 ,  蔡欣邑 ,  张馨月 ,  周晓强 ,  赵芫 ,  青霜

IPC: G06V10/82 ,  G06V10/774 ,  G06N3/0455 ,  G06N3/084 ,  G06V20/20

Abstract: 本发明具体涉及一种基于稳定扩散模型的AR显示装置像质提升与智能交互方法。像质提升方法包括：将场景图像输入经过训练的像质提升模型中，通过编码器将输入的场景图像转换为隐变量特征，然后通过反向扩散模块中训练好的深度神经网络层按时间节点的逆向顺序对隐变量特征进行反向迭代计算逐层生成降噪隐变量特征，直至得到最终的降噪隐变量特征，最后通过解码器将最终的降噪隐变量特征转换为降噪处理后的像质提升图像。本发明还进一步公开了相应的智能交互方法。本发明能够通过稳定扩散模型实现场景图像的降噪增强以及场景图像与所需交互信息之间的智能融合，且还能够将稳定扩散模型进行本地终端部署以避免不必要的数据远程传输消耗。

公开(公告)号：CN116188944A

公开(公告)日：2023-05-30

申请号：CN202310205449.0

申请日：2023-03-06

Applicant: 重庆理工大学 ,  中国兵器科学研究院

Inventor： 李凌霄 ,  黄丹 ,  薛姬荣 ,  高蕾 ,  张馨月 ,  周晓强 ,  赵芫 ,  青霜

IPC: G06V10/82 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明涉及红外弱小目标检测技术领域，具体涉及一种基于Swin‑Transformer和多尺度特征融合的红外弱小目标检测方法，包括：在Unet网络中引入Swin‑Transformer模块来替代原有的卷积层进行特征提取，以构成目标检测模型；将待检测的红外图像输入经过训练的目标检测模型中：首先通过多个Swin‑Transformer模块逐层提取红外图像的特征信息，生成多个尺度的特征图；然后通过多个跨层特征融合模块从最高尺度的特征图开始，依次融合各个尺度的特征图，生成对应的多层融合特征图；最后将多层融合特征图输入分类器中进行归一化处理，并输出对应的目标预测结果。本发明能够保证检测模型在复杂背景、低信噪比等场景下的检测性能，并且能够降低检测模型随着网络加深而丢失红外弱小目标空间细节的风险。