-
公开(公告)号：CN119131405A
公开(公告)日：2024-12-13
申请号：CN202410902852.3
申请日：2024-07-08
Applicant: 哈尔滨工业大学
IPC: G06V10/30 , G06V10/42 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于全局语义引导的夜间图像去雨方法，包括：步骤1：生成RGB‑红外双模态夜间带雨图像数据集#imgabs0#步骤2：构建基于红外引导的RGB图像去雨模型，将RGB带雨图像#imgabs1#和对应的红外图像#imgabs2#输入基于红外引导的RGB图像去雨模型中进行卷积、特征融合、编码、解码、特征的补偿和选择，输出初步去雨后的图像。步骤3：将全局语义引导模块引入RGB图像去雨模型中，输出最终去雨后的图像。本发明构建的IRDeNet方法结合了不同类型的卷积神经网络和包括空间注意力机制、通道注意力机制以及自注意力机制在内的注意力机制，保证了模型的全局和局部特征建模与提取的能力；本发明将RGB图像和红外图像相融合来用于夜间图像去雨任务，去雨效果显著提高。
-
公开(公告)号：CN118799630A
公开(公告)日：2024-10-18
申请号：CN202410801194.9
申请日：2024-06-20
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06N3/0464 , G06N3/0455 , G06N3/08 , G06V10/80 , G06V10/74 , G06V10/774 , G16H30/00 , G16H70/60
Abstract: 本发明公开了一种基于自我激励多示例学习的病理图像分类方法，所述方法通过探索实例之间的潜在关系，以及特征表达与标签预测之间的互惠关系促进更好和更可靠的决策。本发明通过引入伪包预测所提供的标签相关类别先验，捕获并聚合肿瘤特征表达，以实现高准确率的病理图像标签预测。反过来，基于预测结果优化网络，进一步提升特征表达，以改善伪包标签预测，形成了自我激励的学习。本发明引入多级特征融合策略去探索当前实例和全局历史实例知识，同时构造时间对比模块提高特征表达的鲁棒性缓解表征偏差和过拟合问题。此外，引入自我激励的特征融合模块利用伪包预测和特征表达的相互细化机制，增强了病理图像分类的准确性和可靠性。
-
公开(公告)号：CN118195905A
公开(公告)日：2024-06-14
申请号：CN202410324579.0
申请日：2024-03-21
Applicant: 哈尔滨工业大学
IPC: G06T3/4076 , G06T5/60 , G06V10/42 , G06V10/44 , G06V10/82
Abstract: 本发明提出一种基于状态空间模型的图像复原方法，该方法将残差状态空间模块作为核心构建模块，包含2维视觉状态空间模型和动态卷积结构。其中视觉状态空间模块将状态空间模型适配于图像的空间建模，依赖于2D选择扫描模块，通过多个方向的特征扫描捕获2D空间依赖性。此外，本发明还提出基于动态卷积的局部增强前向网络，进一步改善局部‑全局特征建模。MambaSR的整体架构包括浅层特征提取，深层特征提取以及最终的高质量图像重建。该方法在多个图像超分辨率准测试中超越了现有卷积神经网络和Transformer等主流方法，同时具有全局感受野和线性计算复杂度。实验结果证明了状态空间模型如Mamba在底层视觉任务中的潜力。
-
公开(公告)号：CN117830096A
公开(公告)日：2024-04-05
申请号：CN202311690044.7
申请日：2023-12-11
Applicant: 哈尔滨工业大学
IPC: G06T3/4053 , G06T5/92 , G06T5/70 , G06T3/4007 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种低光照条件下的人脸图像超分辨率重建方法。步骤1：合成低光照低分辨率人脸图像ILLR；步骤2：构建亮度校正人脸超分辨率网络IC‑FSRNet；步骤3：将步骤1合成的图像输入到步骤2中，改善人脸图像的亮度并恢复人脸结构信息，得到ISR1；步骤4：构建细节增强模型DENet；步骤5：将步骤3得到的图像输入到步骤4中，改善人脸图像的面部细节，从而使人脸图像具有更好的视觉效果，得到ISR2。本发明可以有效改善低光照低分辨率人脸图像视觉质量，解决现有级联技术中重要面部信息丢失的问题。
-
-
-
Search Results
14
records
(took 0.02 seconds)
