-
公开(公告)号：CN115690669A
公开(公告)日：2023-02-03
申请号：CN202110865607.6
申请日：2021-07-29
Applicant: 四川大学
IPC: G06V20/52 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于特征分离与因果比较损失的跨模态重识别方法。首先，使用嵌入了CNS非局部神经网络的Resnet50的特征提取网络来提取行人全局特征，该网络不仅可以增强CNN对全局语义信息的提取能力，而且还可以建立图像上两个有一定距离的像素之间的联系。其次，使用特征分离模块将提取到的特征进行分离，得到身份强相关和弱相关两类特征，然后使用双因果比较损失作为约束来指导从身份强相关特征中去除身份无关信息，使得增强身份强相关特征的表达能力，同时，还结合身份损失和加权正则化三元组损失联合训练，最终提高跨模态行人重识别精度。本发明主要应用于视频监控智能分析应用系统中，在图像检索，行人重识别智能安防等领域具有开阔的应用前景。
-
公开(公告)号：CN115623220A
公开(公告)日：2023-01-17
申请号：CN202110785829.7
申请日：2021-07-12
Applicant: 四川大学
IPC: H04N19/177 , H04N19/186 , H04N19/63 , H04N19/147 , H04L1/00
Abstract: 本发明从高光谱图像同时存在空间相关性和谱间相关性，而JPEG2000只消除了高光谱图像的空间冗余入手，公开了一种基于分层预测的高光谱图像边信息生成方法。采用分层预测结构，按照当前波段与其参考波段的间隔长短分成不同的预测层，高预测层的WZ波段使用与其最邻近的低预测层的已解码波段作为参考，在编码端通过多元线性回归模型计算出预测系数，利用当前波段相邻的两个已解码波段加权预测生成高质量的边信息。本发明公开的基于分层预测的高光谱图像边信息生成方法能生成高质量的SI，节约重建WZ波段所需的码率，相较于JPEG2000，采用本发明方法的分布式高光谱图像编解码方案可以获得更良好的率失真性能。
-
公开(公告)号：CN115587187A
公开(公告)日：2023-01-10
申请号：CN202110759582.1
申请日：2021-07-05
Applicant: 四川大学
Abstract: 本发明公开了一种基于小样本的知识图谱补全方法。包括以下步骤：在元训练集中得到与关系r相关的参考集和查询集，对查询集做负采样；采用邻居编码模块增强当前实体的词嵌表示；采用LSTM聚合器增强参考实体对之间的交互，得到参考集的通用词嵌表示；最后采用基于LSTM的匹配网络对查询实体对和参考集做相似度匹配。本发明所提出的方法在小样本知识图谱补全中取得了较好效果，优于现有的大部分模型，具有网络训练时间短、稳定性强等优点。在信息检索、自然语言理解和问答系统等方面具有广阔的应用前景。
-
公开(公告)号：CN115482920A
公开(公告)日：2022-12-16
申请号：CN202110593464.8
申请日：2021-05-28
Applicant: 四川大学
Abstract: 本发明公开了一种基于灰质切片区域注意力的阿尔兹海默症诊断方法。包括以下步骤：首先，将大脑sMRI影像数据进行预处理，对sMRI提取灰质冠状切片。其次，通过网络中的SpaceToDepth和注意力机制模块使灰质切片的感兴趣区域特征增强，灰质切片图像再经网络中的残差层和全局平均池化层以实现特征降维。最后，通过softmax归一化函数所得的概率来实现线性分类结果。本发明方法通过灰质切片区域信息特征的增强，以提高阿尔兹海默症的诊断准确率，可适用基于脑部核磁共振成像的阿尔兹海默症的诊断，具有较为广阔的应用前景。
-
公开(公告)号：CN112634429B
公开(公告)日：2022-12-09
申请号：CN201910952752.0
申请日：2019-10-09
Applicant: 四川大学
Abstract: 本发明公开了一种基于混合深度生成模型的岩心三维图像重建方法，包括以下步骤：(1)对二值三维岩心CT图像进行预处理，构建训练样本集；(2)基于变分自编码器与生成对抗网络的融合网络，构建三维重建混合网络模型；(3)定义基于孔隙度的约束函数；(4)设计网络优化训练策略；(5)基于上述模型与训练策略，完成对岩心CT图像的三维重建。本发明可提高网络训练的稳定性，对均质、非均质岩心CT图像均有较好的重建效果，在石油地质领域有重要的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN115393184A
公开(公告)日：2022-11-25
申请号：CN202110566059.7
申请日：2021-05-24
Applicant: 四川大学
Abstract: 本发明公开了基于布点的模式匹配融合重建方法，提出在已知三维高、低分辨率岩心图像的情况下，首先提取高分辨率图像中大、小孔结构的位置信息，利用该信息在插值放大后的低分辨率图像中进行布点，再利用高分辨率图像中小孔结构的模式信息建立模式字典，然后以低分辨率图像中的布点位置为基础，以互相关函数模式匹配的策略在低分辨率图像中重建小孔结构。本发明可以针对不同尺度的三维高、低分辨率非均质岩心图像进行融合重建，进而构建更加完备的三维孔隙结构，以提升后期特征分析和物性研究的准确性。
-
公开(公告)号：CN115249222A
公开(公告)日：2022-10-28
申请号：CN202110466705.2
申请日：2021-04-28
Applicant: 四川大学
Abstract: 本发明公开了一种基于压缩全色光图像的遥感图像融合方法。主要包括以下步骤：在DCT域以局部宽激活残差块组为主要构建单元，在像素域以高通滤波跳跃连接的残差模块为主要构建单元，搭建联合双域学习的用于去压缩图像块效应的网络模型；训练该网络模型，压缩质量因子为60；利用训练好的网络进行压缩图像恢复，输出去除压缩效应后的全色光图像；搭建基于多尺度空洞残差块组的遥感图像融合网络模型；利用训练图像数据集，训练该融合网络；输入去除压缩效应后的全色光图像和多光谱图像，输出最终的融合结果。本发明所述的融合方法能获得很好的主客观效果。因此，本发明是一种有效的针对压缩全色光图像的遥感图像融合方法。
-
公开(公告)号：CN111739053B
公开(公告)日：2022-10-21
申请号：CN201910218195.X
申请日：2019-03-21
Applicant: 四川大学
Abstract: 本发明提供了一种基于检测的在线多行人跟踪算法研究，采用了基于深度学习的目标检测网络YOLOv3作为检测器，利用深度学习网络来提取行人特征和卡尔曼滤波预测行人运动位置信息，提出了基于检测置信度、表观相似度与运动相似度的联合度量方式来度量检测与跟踪之间的相关性，提出了一种自适应调整表观相似度与运动相似度权重因子的算法，最后采用KM匹配算法和IOU匹配算法实现检测行人的实时匹配。实验结果表明，本发明在复杂场景下，能够实现在线的多行人检测跟踪，并实现了较高的准确率。在线多行人检测跟踪的实际应用价值尤为突出，广泛应用于智能视频监控、自动驾驶、机器人视觉导航、人机交互等领域。
-
公开(公告)号：CN112651262B
公开(公告)日：2022-10-14
申请号：CN201910951963.2
申请日：2019-10-09
Applicant: 四川大学
IPC: G06V40/10 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于自适应行人对齐的跨模态行人重识别方法。首先，利用基于残差网络预训练模型ResNet50的多路径网络分别提取红外图像和可见光图像的特征；然后，利用可见光图像的高层特征，线性地回归一组仿射变换参数，用于对可见光图像进行自适应地仿射变换；生成对齐矫正后的图像后，提取其特征并与原可见光图像提取的特征融合，作为可见光图像的最终特征；最后，将红外图像和可见光图像的特征映射到同一个特征空间中，结合身份损失函数和最难批次采样损失函数进行训练，最终达到相较于一般的跨模态行人重识别方法更高的识别精度。本发明主要应用于视频监控智能分析应用系统中，在图像检索，智能安防等领域具有开阔的应用前景。
-
公开(公告)号：CN115134598A
公开(公告)日：2022-09-30
申请号：CN202110319011.6
申请日：2021-03-25
Applicant: 四川大学
IPC: H04N19/154 , H04N19/51
Abstract: 本发明公布了一种基于QP估计的压缩视频质量盲增强方法，主要包括以下步骤：首先预测压缩视频的质量因子(QP)，根据预测结果选取对应训练好的模型增强压缩视频的质量。QP估计通过提取压缩视频具有代表性的样本块，再使用QP估计网络预测样本块的QP从而得到压缩视频的QP。压缩视频增强模型采用多帧网络结构，输入的相邻帧首先通过运动补偿增益有益信息。目标帧与补偿后的相邻帧经过多尺度卷积层来获得细节信息，再进一步通过质量增强子块来补偿与恢复信息，最后利用残差学习加速网络收敛，输出增强后的帧。实验结果表明，本发明方法能够有估计压缩视频的QP，提高压缩视频质量，获得更好的人眼视觉体验。
-
-
-
-
-
-
-
-
-
Search Results
393
records
(took 0.03 seconds)
