-
公开(公告)号：CN109859106B
公开(公告)日：2022-07-05
申请号：CN201910079727.6
申请日：2019-01-28
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于自注意力的高阶融合网络的图像超分辨率重建方法，其特征在于，包括如下步骤：1）建立重建模型；2）CNN网络特征提取；3）自注意力模块中的自注意力支路特征提取；4）自注意力模块中的主干支路特征提取；5）特征的高阶融合；6）图像重建。这种方法能有效的解决因预处理带来的额外计算量，且能恢复出更多的纹理细节来重建出高质量的图像。
-
公开(公告)号：CN108765296B
公开(公告)日：2022-04-12
申请号：CN201810600397.6
申请日：2018-06-12
Applicant: 桂林电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于递归残差注意力网络的图像超分辨率重建方法，其特征在于，包括如下步骤：1）数据预处理；2）建立重建模型；3）残差注意力网络支路第一个残差注意力模块特征提取；4）递归网络支路第一个递归模块特征提取；5）特征融合；6）图像重建。这种方法能解决预处理操作带来的噪声，且获得更多高频信息来丰富图像细节，同时能减少网络参数，在增加层数的同时而不增加新的参数，能提高超分辨率重建的精度。
-
公开(公告)号：CN113796364A
公开(公告)日：2021-12-17
申请号：CN202111208418.8
申请日：2021-10-18
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种害虫诱捕监测设备。该设备包括：诱虫部、采虫部、集虫部和控制部。诱虫部，包括诱虫灯、诱虫剂中的至少一种；采虫部包括：采虫板、翻转驱动电机和风扇；其中，风扇用于产生负压，由诱虫部引诱的虫在负压的作用下，吸附在采虫板上；翻转驱动电机，与采虫板的翻转轴连接，用于驱动采虫板翻转；集虫部，包括集虫网；集虫网，位于采虫板下方，用于在采虫板翻转后，收集采虫板上的虫；控制部包括：处理器、光照传感器和图像采集器；其中，图像采集器用于采集采虫板吸附面的图像，吸附面为采虫板吸附有虫的一面；处理器，分别与光照传感器、图像采集器以及翻转驱动电机电连接，用于控制翻转驱动电机运转。本发明实现了除虫的自动化。
-
公开(公告)号：CN112308884A
公开(公告)日：2021-02-02
申请号：CN202011227714.8
申请日：2020-11-06
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于张量核范数的视频背景减除方法，用改进的张量核范数去表征视频背景的低维特性，使得背景约束更加接近实际视频背景的秩，为前景背景更加准确的分离提供了一定的保证；用L1,1,2范数去建模视频前景的稀疏性，加强了视频前景的时空连续性和管稀疏性，从而达到了较好的背景前景分离效果。
-
公开(公告)号：CN106876441B
公开(公告)日：2020-07-07
申请号：CN201710087046.5
申请日：2017-02-17
IPC: H01L29/06
Abstract: 本发明公开一种具有固定界面电荷场限环的功率器件，包括场氧层和有源层，场氧层位于有源层之上。场氧层内设有至少1个固定界面电荷区，该固定界面电荷区位于场氧层的下部，并与场氧层的下表面即场氧层和有源层的交界面相接触。本发明能够克服现有功率器件的FLR区中的杂质扩散而导致的击穿电压下降和器件失效的问题，并有效提高了器件的击穿电压和改善了有源层表面的电场分布，使得电场分布更加均匀。
-
Patent Agency Ranking
公开(公告)号：CN110866929A
公开(公告)日：2020-03-06
申请号：CN201911098771.8
申请日：2019-11-12
Applicant: 桂林电子科技大学
IPC: G06T7/12
Abstract: 本发明提出了一种图像轮廓分割方法及系统。所述分割方法包括如下步骤：首先获取原始图像的边缘指示函数和梯度矢量流，在迭代获取水平集函数的过程中，利用边缘指示函数、梯度矢量流和第n-1次迭代的水平集函数和偏置域，计算第n次迭代的权重因子、局部强度均值、全局强度均值和偏置域，进而计算水平集函数。本发明在计算水平集函数的过程中引入局部边缘特征(边缘指示函数)，从而能更好的保留图像的细节特征，减小弱边界和强度不均匀图像的边界泄露。本发明在计算水平集函数的过程还引入测地边缘项，全面利用图像的边缘信息，增强模型的分割性能，减小复杂背景的干扰，提高了弱边界图像和强度分布不均匀的图像的分割精度。
-
公开(公告)号：CN110334548A
公开(公告)日：2019-10-15
申请号：CN201910640430.2
申请日：2019-07-16
Applicant: 桂林电子科技大学
IPC: G06F21/62 , G06F16/906
Abstract: 本发明公开了一种基于差分隐私的数据异常检测方法，采取先进行聚类再进行异常检测的方法，在prim算法生成的最小生成树中，用差分隐私中的噪声机制对最小生成树中边的权重添加随机噪声，隐藏数据对象间的关联性。同时，该方法使用融合相异度和逆相似数的判决准则检测异常，解决传统的top-n方法需要预设参数，选取异常数据的不准确性这一缺陷。本发明方法具有更高的鲁棒性和更强的适应性，通过仿真数据集和真实数据集的实验分析表明提出的方法在数据分布不均匀的环境下能有效保证隐私数据的安全性，并提高异常检测的查全率，降低误判率。
-
公开(公告)号：CN110263203A
公开(公告)日：2019-09-20
申请号：CN201910345614.6
申请日：2019-04-26
Applicant: 桂林电子科技大学
IPC: G06F16/583 , G06F16/28
Abstract: 本发明公开了一种结合皮尔逊重构的文本到图像生成方法，其特征在于，包括如下步骤：1）数据预处理；2）建立图像生成模型；3）条件融合；4）特征向量生成；5）判别器判别；6）多尺度联合损失；7）网络训练；8）图像生成。该方法能重构判别器的输出，获得与网络的输入线性相关的特征向量，同时限制判别器的判别能力，使得生成器训练时更容易收敛并提高生成样本的质量和多样性。
-
公开(公告)号：CN110046226A
公开(公告)日：2019-07-23
申请号：CN201910306242.6
申请日：2019-04-17
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于分布词向量CNN-RNN网络的图像描述方法，其特征在于，包括如下步骤：1）分布表示词向量的生成；2）分布表示标签的生成；3）分布表示语义标签的生成；4）网络设计；5）生成图像的描述性语句。这种方法引入到原本的CNN-RNN网络模型中使其可生成更精确的结果、使CNN子网提供给RNN子网更丰富的语义内容，使得整个CNN-RNN网络模型依然能够保持结构化的优点，这种方法中低维稠密的分布表示可以轻松地嵌入海量词语构成完整的语义空间、视觉内容能够更好实现到语义空间的映射，基于分布表示词向量设计的监督信号能更准确的概括视觉内容和更充分的利用向量空间监督CNN优化方向。
-
公开(公告)号：CN109859106A
公开(公告)日：2019-06-07
申请号：CN201910079727.6
申请日：2019-01-28
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于自注意力的高阶融合网络的图像超分辨率重建方法，其特征在于，包括如下步骤：1）建立重建模型；2）CNN网络特征提取；3）自注意力模块中的自注意力支路特征提取；4）自注意力模块中的主干支路特征提取；5）特征的高阶融合；6）图像重建。这种方法能有效的解决因预处理带来的额外计算量，且能恢复出更多的纹理细节来重建出高质量的图像。
-
-
-
-
-
-
-
-
-
Search Results
143
records
(took 0.03 seconds)
