-
公开(公告)号：CN119313563A
公开(公告)日：2025-01-14
申请号：CN202411436504.8
申请日：2024-10-15
Applicant: 重庆邮电大学
IPC: G06T3/4053 , G06T5/70 , G06T3/4038 , G06T5/10 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于大倍率图像超分领域，具体涉及一种遥感图像超分辨重建方法；该方法包括：采集高质量高分辨的遥感图像数据集，对遥感图像进行裁剪和下采样操作，得到低分辨图像；随机生成噪声并根据噪声生成噪声图像；采用条件截断噪声生成器对低分辨图像和噪声图像进行处理，得到截断图像和条件噪声；根据条件噪声对截断图像作去噪处理，得到高分辨率图像；计算模型总损失并根据模型总损失调整模型参数，得到训练好的双输出截断扩散模型；本发明较大程度地提高图像生成的质量，同时极大的减少了采样图像所使用的时间和模型的参数量，模型输出结果更准确，具有良好的应用前景。
-
公开(公告)号：CN116050652A
公开(公告)日：2023-05-02
申请号：CN202310148850.5
申请日：2023-02-22
Applicant: 重庆邮电大学 , 中国科学院重庆绿色智能技术研究院
IPC: G06Q10/04 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于局部注意力增强模型的径流预测方法，属于时间序列预测领域。该方法包括：获取数据并进行预处理，将处理后的数据输入到训练完成的预测模型中，得到预测的径流序列；其中径流预测模型包括变量选择模块、局部信息增强模块、注意力模块和模型提取模块等。本发明预测模型考虑到径流周期长、变化趋势不规则，不同协变量对结果的影响程度的不同，利用变量选择模块对协变量进行加权，利用局部信息增强模块对径流序列的局部信息进行捕获，使单个时间点的数据获得短期的变化趋势特征，并利用自注意力模块获取变化趋势之间的相似性和注意力信息，并合理设置编码器和解码器的深度以及模型提取模块，实现了在相同可用内存下更精确的预测。
-
公开(公告)号：CN116579447A
公开(公告)日：2023-08-11
申请号：CN202211636814.5
申请日：2022-12-15
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 本发明涉及一种基于分解机制和注意力机制的时间序列预测方法，属于时间序列预测领域，获取目标数据的历史数据，对历史数据进行预处理，将预处理过的历史数据输入到训练完成的时间序列预测模型中，得到预测序列；所述时间序列预测模型包括可逆标准化模块、时间序列分解模块、时间卷积网络、多头自注意力模块；本发明将时间序列分解模块、时间卷积网络和多头自注意力机制相结合，利用时间序列分解模块获取趋势信息和季节信息，利用多头自注意力机制获取注意力信息，合理设置时间卷积网络结构，实现了对历史时间序列关系的高效挖掘和预测，同时采用可逆标准化模块，增强了数据的分布一致性，能够很好的进行多变量时间序列预测。
-
公开(公告)号：CN119359752A
公开(公告)日：2025-01-24
申请号：CN202411391380.6
申请日：2024-10-08
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机视觉与遥感图像智能识别领域，具体涉及一种基于边缘增强的遥感图像变化检测方法，包括：获取待检测的遥感图像，采用傅里叶域特征拉进模块对输入图像进行傅里叶变换和逆变换，采用特征提取编码器两张图像进行特征提取；采用特征融合模块对提取的特征进行融合；采用边缘监督感知模块对输入图像的边缘进行感知，得到边缘图；采用边缘引导增强模块将边缘图注入到融合特征图中，得到边缘信息增强的融合特征图；采用特征解码器对边缘信息增强的融合特征图进行解码，得到检测结果；本发明设计了一个边缘引导增强模块把边缘监督感知模块获取的边缘信息和模型每一层的特征有效的结合在一起，增强了模型的边缘表达能力和泛化能力。
-
-
-
Search Results
4
records
(took 0.019 seconds)
