公开(公告)号：CN116863320B

公开(公告)日：2024-03-29

申请号：CN202310671497.9

申请日：2023-06-06

Applicant: 山东大学

Inventor： 丛润民 ,  杨文玉 ,  张伟 ,  宋然 ,  李晓磊 ,  张敬林 ,  史洋

IPC: G06V20/05 ,  G06V10/56 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于物理模型的水下图像增强方法及系统，属于水下图像处理技术领域。包括将获取的水下图像输入训练好的水下图像增强模型进行处理，以生成并输出增强图像；水下图像增强模型包括由参数估计子网络和双流交互增强子网络组成的生成器和双鉴别器，参数估计子网络用于根据输入的水下图像，确定物理模型的衰减系数、深度图和传输图，并根据衰减系数和传输图，获取颜色增强图像；双流交互增强子网络用于根据颜色增强图像和传输图对输入的水下图像，获取增强图像；双鉴别器用于根据增强图像和深度图，判别增强图像的真伪。能够获取清晰、视觉美观的水下图像，解决了现有技术中通用性不强且图像内容容易被扭曲的问题。

公开(公告)号：CN119884653A

公开(公告)日：2025-04-25

申请号：CN202411952922.2

申请日：2024-12-27

Applicant: 山东大学 ,  山东省工业技术研究院

Inventor： 张敬林 ,  陈庆辉 ,  张泽恺 ,  熊毛毛

IPC: G06F18/20 ,  G06F18/213 ,  G06N5/04 ,  G06N3/045 ,  G06N3/08 ,  G06F40/237 ,  G06F40/284 ,  G06F123/02

Abstract: 本发明涉及设备预测性维护技术领域，尤其是提供了一种基于大模型知识增强的工业设备使用寿命预测方法。该方法包括收集设备的运行监控数据，将运行监控数据按类型处理为日志文本数据和时间序列数据；对日志文本数据和时间序列数据进行多模态数据重塑，获得序列块；将序列块嵌入到维度空间，以对设备使用寿命进行预测，该方法提高了预测的准确性和泛化能力。

公开(公告)号：CN117274243A

公开(公告)日：2023-12-22

申请号：CN202311532736.9

申请日：2023-11-17

Applicant: 山东大学

Inventor： 张敬林 ,  张泽恺 ,  丁世娇 ,  熊毛毛

IPC: G06T7/00 ,  G06V10/42 ,  G06V10/44 ,  G06N3/0464 ,  G06V10/764 ,  G06N3/08 ,  G06V10/80

Abstract: 本发明涉及目标检测技术领域，尤其是提供了一种轻量化气象灾害检测方法。该方法包括搭建目标检测模型的特征提取网络；根据特征提取网络，搭建目标检测模型的检测头；将特征提取网络和检测头进行连接，构建气象灾害检测的目标检测模型；训练构建的目标检测模型，并对训练后的目标检测模型进行封装部署，该方法准确区别了云系目标，加快了对云系目标的识别和定位，从而提高对卫星云图中气象灾害图像检测的准确性。

公开(公告)号：CN116863320A

公开(公告)日：2023-10-10

申请号：CN202310671497.9

申请日：2023-06-06

Applicant: 山东大学

Inventor： 丛润民 ,  杨文玉 ,  张伟 ,  宋然 ,  李晓磊 ,  张敬林 ,  史洋

IPC: G06V20/05 ,  G06V10/56 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于物理模型的水下图像增强方法及系统，属于水下图像处理技术领域。包括将获取的水下图像输入训练好的水下图像增强模型进行处理，以生成并输出增强图像；水下图像增强模型包括由参数估计子网络和双流交互增强子网络组成的生成器和双鉴别器，参数估计子网络用于根据输入的水下图像，确定物理模型的衰减系数、深度图和传输图，并根据衰减系数和传输图，获取颜色增强图像；双流交互增强子网络用于根据颜色增强图像和传输图对输入的水下图像，获取增强图像；双鉴别器用于根据增强图像和深度图，判别增强图像的真伪。能够获取清晰、视觉美观的水下图像，解决了现有技术中通用性不强且图像内容容易被扭曲的问题。

公开(公告)号：CN116188259A

公开(公告)日：2023-05-30

申请号：CN202211572022.6

申请日：2022-12-08

Applicant: 中国科学院水生生物研究所 ,  山东大学

Inventor： 鲍江辉 ,  姜昊 ,  段明 ,  王馨悦 ,  李蔚郁 ,  胡少秋 ,  张东旭 ,  张敬林 ,  鲁威志

IPC: G06T3/40 ,  G06N3/047 ,  G06N3/094 ,  G06N3/04

Abstract: 本发明涉及一种基于压缩感知和生成对抗的鱼类图像生成方法，属于计算机视觉与深度学习技术领域，步骤包括：步骤1，基于高分辨率鱼类数据集训练压缩感知神经网络，获得低维观测信号和重构映射；步骤2，基于上述低维观测信号训练生成对抗网络，获得低维观测信号的生成器；步骤3，利用上述生成器，向生成器中输入噪声产生新的低维观测信号，利用上述重构映射将生成的低维观测信号重构为生成的高分辨率鱼类图片。本发明中生成器的输入为服从高斯分布的随机噪声，不需要从高维数据集中获得，因此本发明中获得的生成器可以将任意服从高斯分布的噪声生成为高清鱼类图像。且本发明可以生成与原始数据集服从同一分布而更加多样的不同高清鱼类图像。