-
公开(公告)号：CN114898157A
公开(公告)日：2022-08-12
申请号：CN202210563560.2
申请日：2022-05-23
Applicant: 河南大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种用于高光谱图像分类的全局学习装置及方法。该装置包括：编码器和解码器；编码器按照图像处理顺序依次包括光谱维调整层、第一特征提取层和第二特征提取层；第一特征提取层包括堆叠在一起的三个MLBSA结构层；MLBSA结构层包括三个洗牌光谱注意SSA模块、两个MLB层和一个下采样层；第一个SSA模块的输入通过Zero‑padded卷积模块之后与下采样层的输出进行相加融合操作后的输出作为MLBSA结构层的输出；解码器按照图像处理顺序依次包括第一上采样层、Concat层和输出层；第一特征提取层中的第一个MLBSA结构层的输出作为第一上采样层的输入，第二特征提取层的输出与第一上采样层的输出经过Concat层进行融合，融合结果经输出层处理以完成高光谱图像的分类。
-
公开(公告)号：CN113065511A
公开(公告)日：2021-07-02
申请号：CN202110430858.1
申请日：2021-04-21
Applicant: 河南大学
Abstract: 本发明提供一种基于深度学习的遥感图像飞机检测模型及方法。该模型包括：下采样单元、上采样单元、特征融合单元和检测单元；所述下采样单元的输出和所述上采样单元的输出作为所述特征融合单元的输入，所述特征融合单元的输出作为检测单元的输入；所述下采样单元包括依次相连接的CBL模块、ResUnit*1卷积块、ResUnit*2卷积块、第一ResUnit*8卷积块、第二ResUnit*8卷积块、ResUnit*4卷积块和CBL*5模块；其中，ResUnit*1卷积块、ResUnit*2卷积块、第一ResUnit*8卷积块、第二ResUnit*8卷积块、ResUnit*4卷积块分别对应5次下采样操作，每次下采样操作均使得输入的遥感图像的大小缩小为原来的1/2。本发明可以提高目标物体的检测率。
-
公开(公告)号：CN112926552A
公开(公告)日：2021-06-08
申请号：CN202110442345.2
申请日：2021-04-23
Applicant: 河南大学
Abstract: 本发明提供一种基于深度神经网络的遥感影像车辆目标识别模型及方法。该模型将Yolov4网络结构中PANet网络中的卷积块替换为倒置残差模块，具体为：将PANet网络中上采样单元自下而上依次连接的两层卷积块均替换为倒置残差模块，并分别定义为第一倒置残差模块和第二倒置残差模块；将PANet网络中下采样单元自上而下依次连接的两层卷积块均替换为倒置残差模块，并分别定义为第三倒置残差模块和第四倒置残差模块；在第二倒置残差模块和第三倒置残差模块之间新增一个倒置残差模块，并定义为第五倒置残差模块，所述第五倒置残差模块用于对输入的图像进行下采样。本发明对阴影遮挡等复杂环境下的车辆目标识别更精确。
-
公开(公告)号：CN112765635A
公开(公告)日：2021-05-07
申请号：CN202110106876.4
申请日：2021-01-27
Applicant: 河南大学
Abstract: 本发明提供一种基于耦合映像格子模型的图像加密方法。该方法利用明文图像P的哈希值和外部密钥计算得到耦合映像格子混沌系统的控制参数和初始值；然后迭代耦合映像格子系统，得到f(x)混沌序列和耦合映像格子混沌序列；利用索引矩阵对明文图像P进行置乱操作；再利用混沌矩阵与置换图像进行扩散操作；最后对扩散图像进行逆向扩散操作，得到最终的密文图像。本发明方法充分利用耦合映像格子系统映射产生的中间混沌序列，同时多次使用混沌序列，提高了混沌序列利用率，具有足够的密钥空间和高度的密钥敏感性，具有较高的安全性和适用性。
-
公开(公告)号：CN111610979A
公开(公告)日：2020-09-01
申请号：CN202010294300.0
申请日：2020-04-15
Applicant: 河南大学
IPC: G06F8/60 , G06F16/2453 , G06F16/2455 , H04L12/66
Abstract: 本发明提供一种经过持久化和耦合度优化的API网关及其方法。该API网关包括：核心业务模块、持久化业务模块、插件模块和可视化管理模块；其中：核心业务模块包括Core业务单元、前置组件单元和后置组件单元；所述Core业务单元用于转发微服务消费者的请求数据和回传微服务的返回数据；所述前置组件单元和所述后置组件单元用于插入插件模块中的插件，利用插件提供过滤业务和插件服务；持久化业务模块，用于采用数据库对配置信息和路由表进行持久化，并将指定数据进行内存缓存；其中，所述路由表用于存储注册于API网关上的微服务的信息；插件模块包括多个插件，每个插件在持久化业务模块中均对应有各自的数据库；可视化管理模块，用于动态显示微服务的状态。
-
Patent Agency Ranking
公开(公告)号：CN111145351A
公开(公告)日：2020-05-12
申请号：CN201911379280.0
申请日：2019-12-27
Applicant: 河南大学
Abstract: 本发明公开了一种考虑地物类型的Minnaert地形校正模型优化方法。包括：根据遥感图像的地物类型设计分类体系，对遥感图像进行分类；结合遥感图像的成像时间和辅助的数字高程模型，获取遥感图像各像元的太阳角度和地形参数；进行Minnaert地校正模型各波段各地物类型系数k的求解；使用各波段各地物类型系数k对相应波段、相应地物类型的辐亮度进行Minnaert模型应用，并通过拼接处理，得到各波段辐亮度地形校正后的图像数据；使用辐亮度数据与太阳入射角余弦值的拟合斜率、拟合决定系数R2作为评价指标，对各地物类型地形校正后的辐亮度进行整体的地形校正效果评价。利用本发明，可以在遥感图像地形校正场景中，提高校正精度，避免过校正。
-
公开(公告)号：CN105227276B
公开(公告)日：2018-07-27
申请号：CN201510635205.1
申请日：2015-09-30
Applicant: 河南大学
Abstract: 本发明公开了种基于UDT的对等网络数据传输方法,包括以下步骤:A、客户端与服务器建立连接,成为对等网络中拥有唯ID标识的个节点;B、客户端作为接受节点,与保存有自身所需资源的多个发送节点建立连接;C、多个发送节点分别向接收节点发送包含不同资源内容的数据包,且发送节点根据发送数据的类型决定为发送信道分配的带宽大小;D、接收节点接收包含所需资源内容的数据包,并通知发送节点重传丢失的数据包。本发明通过区分对等网络节点间传输的数据类型,对实时数据和普通数据的传输采取不同的发送及接收方式,有效提高了实时数据的传输速率及传输可靠性。
-
公开(公告)号：CN119831122A
公开(公告)日：2025-04-15
申请号：CN202510025360.5
申请日：2025-01-07
Applicant: 河南大学
IPC: G06Q10/047 , G01C21/20 , G01C21/34 , G06Q10/0835 , G06Q50/26 , G06F18/23213
Abstract: 本发明公开一种支持多场站和客户优先级的车辆路径规划方法和系统，该方法包括：步骤一：构建目标函数得到目标函数的全局最优解；步骤二：如果随机数小于预设的经验反馈参数，则执行开发过程，否则进入探索过程，得到局部最优解，将局部最优解添加到预设的经验学习数组中；步骤三：重复进行步骤二，直至达到预设的次数；步骤四：若没有达到预设的最大迭代次数，则更新预设的经验反馈参数并清除经验数组中的所有数据，重复进行迭代；若达到预设的最大迭代次数，则输出当前的全局最优解，完成救援物资运输车辆路径规划。本发明提升自身的寻优能力，防止陷入局部最优解，引入了客户优先级，更符合现实需求，可最大限度地减少受害者的伤亡和痛苦。
-
公开(公告)号：CN119445408A
公开(公告)日：2025-02-14
申请号：CN202411461354.6
申请日：2024-10-18
Applicant: 河南大学
IPC: G06V20/17 , G06V10/44 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种基于细粒度信息的轻量级航拍图像目标检测方法及相关设备。该方法包括：构建航拍图像目标检测网络并训练；将待检测航拍图像输入至航拍图像目标检测模型，得到检测结果；其中，航拍图像目标检测网络中的特征提取网络是基于多功能卷积模块Mconv构建得到的，Mconv的特征图处理过程包括先使用两个分支分别对输入特征图进行处理，再将两个分支的输出逐元素相乘，得到最终的输出；其中，在一个分支中，将输入特征图按通道拆分成两个大小相同的子特征图；使用空洞卷积对其中一个子特征图进行处理以获得感受野增大的特征图，接着将其与另一个子特征图进行拼接操作；在另一个分支中，使用自适应最大池化逐通道提取输入特征图的显著特征。
-
公开(公告)号：CN114898157B
公开(公告)日：2025-02-07
申请号：CN202210563560.2
申请日：2022-05-23
Applicant: 河南大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种用于高光谱图像分类的全局学习装置及方法。该装置包括：编码器和解码器；编码器按照图像处理顺序依次包括光谱维调整层、第一特征提取层和第二特征提取层；第一特征提取层包括堆叠在一起的三个MLBSA结构层；MLBSA结构层包括三个洗牌光谱注意SSA模块、两个MLB层和一个下采样层；第一个SSA模块的输入通过Zero‑padded卷积模块之后与下采样层的输出进行相加融合操作后的输出作为MLBSA结构层的输出；解码器按照图像处理顺序依次包括第一上采样层、Concat层和输出层；第一特征提取层中的第一个MLBSA结构层的输出作为第一上采样层的输入，第二特征提取层的输出与第一上采样层的输出经过Concat层进行融合，融合结果经输出层处理以完成高光谱图像的分类。
-
-
-
-
-
-
-
-
-
Search Results
112
records
(took 0.021 seconds)
