-
公开(公告)号：CN117994139A
公开(公告)日：2024-05-07
申请号：CN202410173443.4
申请日：2024-02-07
Applicant: 无锡学院
IPC: G06T5/00 , G06T5/77 , G06T5/60 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于U‑Net感知对抗网络的图像复原方法，包括如下步骤：S1，对获取的人脸图像数据集进行预处理后，划分为训练集、验证集和测试集；S2，搭建基于U‑Net结构的感知对抗生成图像修复网络，感知对抗生成图像修复网络包括粗重构网络、精修复网络、SHMD注意力模块，并引入改进的综合损失函数，进行反向传播；S3，将训练集和验证集输入至感知对抗生成图像修复网络中训练，计算融合损失函数并进行反向传播，更新网络参数，获取最佳参数模型；S4，将测试集输入到训练好的最佳参数模型中，输出最终复原人脸图像。本发明使图像经历由缺失到含有基础信息再到含有完整信息的过程，并能充分利用图像的多尺度信息。
-
公开(公告)号：CN118196496A
公开(公告)日：2024-06-14
申请号：CN202410304277.7
申请日：2024-03-18
Applicant: 无锡学院
IPC: G06V10/764 , G06V10/82 , G06V10/52 , G06V10/10 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明公开了一种基于多尺度特征增强网络的SAR船舰检测方法，包括步骤如下：S1，获取SSDD合成孔径雷达图像数据集以及HRSID数据集，对数据集进行预处理后按照设定的比例划分为训练集、验证集和测试集；S2，搭建多尺度特征增强网络；S3，将步骤S1中经过预处理的训练集和验证集的SAR图像输入至多尺度特征增强网络中训练，计算损失函数并进行反向传播，更新网络参数，获取最佳参数模型并保存；S4，将步骤S1中经过预处理的测试集输入到步骤S3中训练好的最佳参数模型中，输出SAR图像的精确识别图。本发明能有效应对合成孔径雷达船舰检测中存在的问题，并提供高精度的检测方法。
-
公开(公告)号：CN118261926A
公开(公告)日：2024-06-28
申请号：CN202410473561.7
申请日：2024-04-19
Applicant: 无锡学院
IPC: G06T7/11 , G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于多层特征信息融合的滑坡图像分割方法，具体为：获取滑坡图像数据集，并进行预处理后划分为训练集和验证集；构建基于多层特征信息融合的滑坡图像语义分割网络模型，包括编码器和解码器两部分，其中，编码器由主干网络、级联带状空间金字塔池化模块和高效通道注意力模块构成，解码器由多层特征信息融合结构构成；利用训练集和验证集分别对网络模型进行训练和验证，计算损失函数并进行反向传播，更新网络模型参数，得到训练好的滑坡图像语义分割网络模型；将待分割的滑坡图像输入到训练好的滑坡图像语义分割网络模型中，得到待分割滑坡图像的分割结果。本发明通过增强滑坡图像的边缘信息提升对滑坡区域的检测能力。
-
公开(公告)号：CN117994140A
公开(公告)日：2024-05-07
申请号：CN202410173456.1
申请日：2024-02-07
Applicant: 无锡学院
IPC: G06T5/00 , G06T5/77 , G06T5/50 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于多尺度特征增强的合成孔径光学图像复原方法，包括步骤：S1，根据真实光学系统测得的点扩散函数对遥感数据集进行仿真退化实验，获得遥感数据集的退化图像，将遥感数据集和退化图像预处理后按设定的比例划分为训练集、验证集和测试集；S2，搭建基于多尺度特征增强的合成孔径光学图像复原网络；S3，将训练集和验证集输入合成孔径光学图像复原网络中训练，计算损失函数并进行反向传播，更新网络参数，获取最佳的参数模型；S4，将测试集输入到步骤S3获得的最佳参数模型中，输出合成孔径光学系统的复原图像。本发明解决了传统图像复原方法需要人工设计退化模型的困难和振铃现象带来的伪影干扰。
-
公开(公告)号：CN117351372A
公开(公告)日：2024-01-05
申请号：CN202311418100.1
申请日：2023-10-30
Applicant: 无锡学院
IPC: G06V20/13 , G06V20/56 , G06V10/26 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/048 , G06N3/045
Abstract: 本发明公开了一种基于改进DeeplabV3+的遥感图像道路分割方法，包括步骤：S1，获取遥感道路图像数据集，对数据集进行预处理后按照设定的比例划分为训练集和测试集；S2，通过构建基于改进DeeplabV3+的遥感图像道路分割网络，得到精准的遥感道路分割图；S3，将步骤S1中得到的训练集输入至遥感道路图像语义分割网络中进行训练，计算损失函数并进行反向传播，更新网络参数，获取最佳参数模型；S4，将步骤S1中得到测试集输入到步骤S3中训练好的最佳参数模型中，输出遥感道路图像的精确分割图。本发明能提升对小目标物体的分割能力，解决道路分割中边界模糊和阴影遮挡难以区分的问题，确保道路分割的精度和效率。
-
-
-
-
Search Results
11
records
(took 0.011 seconds)
