-
公开(公告)号：CN116778169A
公开(公告)日：2023-09-19
申请号：CN202310994921.3
申请日：2023-08-08
Applicant: 长沙理工大学
IPC: G06V10/26 , G06V10/40 , G06V10/762 , G06V10/80 , G06V10/82 , G06V20/10 , G06N3/045 , G06N3/0464
Abstract: 本申请涉及一种基于混合特征提取的遥感图像语义分割方法、装置和设备。该方法包括：将获取的待分割遥感图像输入到骨干网络中，得到各个阶段的输出特征；骨干网络为上下文聚类网络CoCs；将第四阶段的输出特征输入到语义特征增强提取模块中采用Tranformer模块对关键语义信息进行过滤提取，将第二阶段的输出特征输入到增强特征提取模块中采用基于深度可分离卷积的倒置瓶颈模块进行提取；将第三阶段的输出特征、语义增强特征和高分辨率增强特征输入到特征融合模块中进行特征融合，得到融合特征；将融合特征输入到分割头中，得到待分割遥感图像的语义分割结果。该方法可实现遥感图像的精确分割，并在计算成本和表现效果之间实现了平衡。
-
公开(公告)号：CN115810152A
公开(公告)日：2023-03-17
申请号：CN202211625236.5
申请日：2022-12-16
Applicant: 长沙理工大学
IPC: G06V20/10 , G06V10/80 , G06V10/52 , G06V10/62 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本申请涉及图像处理技术领域的一种基于图卷积的遥感图像变化检测方法、装置和计算机设备。该方法对获取的双时相遥感图像进行标注得到训练样本，构建遥感图像变化检测网络，采用训练样本进行训练；采用训练好的遥感图像变化检测网络检测待测双时相遥感图像，得到遥感图像变化检测结果。其中该网络包括两条由结构和参数均相同的骨干网络和EF模块组成的特征提取支路、一个图卷积编码模块、两个结构相同的图卷积解码模块和输出网络；特征提取支路用于提取训练样本的图像特征和边界信息，图卷积编码模块用于对双时相图像融合后的特征进行编码，图卷积解码模块用于融合多层次特征差异并预测变化掩码。采用本方法可以精准的预测图片的变化区域。
-
公开(公告)号：CN117496352A
公开(公告)日：2024-02-02
申请号：CN202311507838.5
申请日：2023-11-13
Applicant: 长沙理工大学
IPC: G06V20/10 , G06V10/62 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本申请涉及一种基于相邻特征逐步融合的遥感变化检测方法、装置和设备。所述方法提出了一种基于相邻特征逐步融合的遥感变化检测模型，该模型包括两个创新模块：特征差分增强模块、相邻特征逐步融合模块；遥感变化检测模型不仅保留了原始特征图，而且采用了相邻尺度的特征差异图取均值来降低噪声的干扰并强化变化特征，同时还将多尺度特征进行相邻特征融合，以缓解不同尺度特征之间的语义差异导致的信息损失和边界模糊的问题。与经典网络相比，本方法具有更好的有效性，并在准确性和计算成本之间取得了更好的平衡。
-
公开(公告)号：CN116797792A
公开(公告)日：2023-09-22
申请号：CN202310756109.7
申请日：2023-06-26
Applicant: 长沙理工大学
IPC: G06V10/26 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及一种基于边界信息引导多信息融合的遥感图像语义分割方法。该方法包括：对获取的遥感图像进行标注得到训练样本；构建遥感图像语义分割网络，包括输入网络、特征提取网络和分割网络；特征提取网络包括边界、语义和空间支路，每个支路包括三个阶段，边界支路的每个阶段包括双向边界门控模块，空间和语义支路包括堆叠卷积模块和类瓶颈结构模块，在空间支路中每阶段后还包括边界引导线性注意力模块；根据训练样本的标注和将训练样本输入到遥感图像语义分割网络得到的预测语义分割结果对网络进行训练，将待分割遥感图像输入训练好的遥感图像语义分割网络，得到语义分割结果。采用该方法可提高遥感图像语义分割准确度，同时降低计算复杂度。
-
公开(公告)号：CN113708816A
公开(公告)日：2021-11-26
申请号：CN202111021759.4
申请日：2021-09-01
Applicant: 长沙理工大学
IPC: H04B7/08
Abstract: 本发明公开了一种基于量化感知的接收天线贪婪选择方法，在上行链路接收端采用两轮天线选择，首先使用SMV算法，先随机选择NB根天线，再通过迭代交换不断地增大被选天线矩阵的体积，进而全局优化第一轮选择的NB根天线，第一轮天线选择不仅有效提高了系统的安全容量同时还缩小了第二轮天线选择的候选天线集合的大小从而减少了计算复杂度，在第二轮天线选择中综合考虑信道增益和量化误差影响来选择Nr‑NB根天线，进一步提高了系统的安全容量。
-
Patent Agency Ranking
公开(公告)号：CN113708816B
公开(公告)日：2024-07-19
申请号：CN202111021759.4
申请日：2021-09-01
Applicant: 长沙理工大学
IPC: H04B7/08
Abstract: 本发明公开了一种基于量化感知的接收天线贪婪选择方法，在上行链路接收端采用两轮天线选择，首先使用SMV算法，先随机选择NB根天线，再通过迭代交换不断地增大被选天线矩阵的体积，进而全局优化第一轮选择的NB根天线，第一轮天线选择不仅有效提高了系统的安全容量同时还缩小了第二轮天线选择的候选天线集合的大小从而减少了计算复杂度，在第二轮天线选择中综合考虑信道增益和量化误差影响来选择Nr‑NB根天线，进一步提高了系统的安全容量。
-
公开(公告)号：CN113938888A
公开(公告)日：2022-01-14
申请号：CN202111395808.0
申请日：2021-11-23
Applicant: 长沙理工大学
IPC: H04W12/121 , H04L5/00
Abstract: 本申请公开了一种导频攻击检测方法、装置、设备及可读存储介质，方法包括：根据基站接收到的辅助中继发送的第一上行导频信号，计算辅助中继到基站之间的信道状态信息，根据基站接收到的由用户发送并经辅助中继放大和转发的第二上行导频信号，计算用户到基站的联合信道的信道状态信息；根据辅助中继到基站之间的信道状态信息及用户到基站的联合信道的信道状态信息计算用户到辅助中继的增益；根据增益计算检测统计量，判断检测统计量是否大于根据二元假设和似然估计计算得到的检测阈值，若是，确定存在导频攻击。本申请公开的技术方案，计算用户到辅助中继的增益，并基于增益和根据二元假设和似然估计计算得到的检测阈值实现导频攻击检测。
-
公开(公告)号：CN113216220A
公开(公告)日：2021-08-06
申请号：CN202110500358.0
申请日：2021-05-08
Applicant: 长沙理工大学
Abstract: 本发明涉及边坡防护装置，公开了一种松散坡积体放坡喷锚网结构，包括部分打入坡积体呈梅花形布置的锚杆(1)、对坡面进行加固的喷锚网(4)以及对坡面和所述锚杆(1)、所述喷锚网(4)进行覆盖的覆盖层，所述覆盖层包括直接覆盖在坡面上的第一覆盖层(2)以及覆盖在所述喷锚网(4)上表面的第二覆盖层(3)，所述喷锚网(4)位于所述第一覆盖层(2)与第二覆盖层(3)中间，所述锚杆(1)露出坡面的顶端部分与所述喷锚网(4)连接。本发明具有减少推动边坡滑动的下滑力，确保边坡系统的整体稳定，增强松散岩土体的结构强度以及形变刚度的优点，同时还加快了施工速度，降低施工成本。
-
公开(公告)号：CN113938888B
公开(公告)日：2024-06-25
申请号：CN202111395808.0
申请日：2021-11-23
Applicant: 长沙理工大学
IPC: H04W12/121 , H04L5/00
Abstract: 本申请公开了一种导频攻击检测方法、装置、设备及可读存储介质，方法包括：根据基站接收到的辅助中继发送的第一上行导频信号，计算辅助中继到基站之间的信道状态信息，根据基站接收到的由用户发送并经辅助中继放大和转发的第二上行导频信号，计算用户到基站的联合信道的信道状态信息；根据辅助中继到基站之间的信道状态信息及用户到基站的联合信道的信道状态信息计算用户到辅助中继的增益；根据增益计算检测统计量，判断检测统计量是否大于根据二元假设和似然估计计算得到的检测阈值，若是，确定存在导频攻击。本申请公开的技术方案，计算用户到辅助中继的增益，并基于增益和根据二元假设和似然估计计算得到的检测阈值实现导频攻击检测。
-
公开(公告)号：CN117094958A
公开(公告)日：2023-11-21
申请号：CN202310995561.9
申请日：2023-08-08
Applicant: 长沙理工大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本申请涉及一种基于阶梯式特征融合网络的医学图像识别方法和装置，所该方法设计了基于阶梯式特征融合的医学图像识别网络，该是采用阶梯式设计的，从左到右包括stem层、四个级别网络和分类层；每个级别网络包括的子网络数量依次减小，第一、第二和第四级别网络的每个子网络包括若干个连续堆叠的MBC‑GRN模块，第三级别网络的每个子网络包括若干个堆叠的Inverted‑Transformer模块，采用该网络对待测医学图像进行识别，对胃肠道内窥镜医学图像识别带来极大地帮助。该网络利用大感受野和注意力机制进行特征提取，同时特定的阶梯式网络架构实现了跨子网络特征融合；本方法降低了网络参数和计算量，提高了识别精度。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.024 seconds)
