-
公开(公告)号：CN115359372A
公开(公告)日：2022-11-18
申请号：CN202210878119.3
申请日：2022-07-25
Applicant: 成都信息工程大学
IPC: G06V20/17 , G06V20/40 , G06V10/82 , G06V10/80 , G06V10/774 , G06V10/74 , G06V10/44 , G06T7/269 , G06T7/246 , G06T7/13 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于光流网络的无人机视频运动目标检测方法，所述光流网络包括特征语义提取网络、上下文提取网络、视觉相似度计算模块、MobileViT‑CBAM模块和GRU迭代更新模块，特征语义提取网络和上下文提取网络的RepVGG特征提取模块，即保留了多分支结构的性能优势，进一步融合了细节信息和语义信息，使提取的特征表达能力更强，提高了检测精度。同时利用机构重参数化思想变为单路结构，又进一步提高了推理速度，减少显存占用。针对CNN缺乏全局信息的提取能力，采用MobileViT‑CBAM模块作为单独的附加模块，使用CNN和Transformer结合的方式，以获得更多的特征信息和细节信息，达到更精确的光流估计，得到更精确的目标分割结果。
-
公开(公告)号：CN114708511A
公开(公告)日：2022-07-05
申请号：CN202210614648.2
申请日：2022-06-01
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于多尺度特征融合和特征增强的遥感图像目标检测方法，采用自适应多尺度特征融合模块进行特征融合，融合过程中同时采用更多的横向连接，增加相邻特征之间的交流，充分利用提取的多尺度特征，丰富特征信息，同时增加跳跃连接，让原始特征参与融合过程，提升网络的多尺度特征表达能力。注意力特征增强模块中不同扩张率的多分支空洞卷积以获取不同大小的感受野，当遥感图像中存在不同大小的物体时，可以同时提取不同尺度目标的特征，提高网络对目标尺度的泛化能力，并采用混合注意力机制模块，弱化背景和噪声信息的同时增强目标的特征信息。
-
公开(公告)号：CN111861924A
公开(公告)日：2020-10-30
申请号：CN202010715325.3
申请日：2020-07-23
Applicant: 成都信息工程大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于进化GAN的心脏磁共振图像数据增强方法，该方法在训练生成器时，对生成器进行突变生成多个子代生成器，通过适应性分数函数来评判多个生成器的适应性分数，根据分数来选择最优的子代生成器作为下一个迭代的父代生成器，同时在判别器训练阶段，结合特征向量的线性插值合成新的训练样本并生成相关的线性插值标签，不仅拓展了整个训练集的分布，也对离散样本空间进行连续化并且提高了领域间的平滑性，从而使得模型能够更好地得到训练。本发明的方法图像增强方法，能够生成高质量且多样的样本对训练集进行扩充，最终提高了分类结果的各项指标。
-
公开(公告)号：CN107967674A
公开(公告)日：2018-04-27
申请号：CN201711387680.7
申请日：2017-12-20
Applicant: 成都信息工程大学
CPC classification number: G06T5/002 , G06K9/6218 , G06T2207/10088 , G06T2207/20076 , G06T2207/30004
Abstract: 本发明公开了基于图像块自相似性先验的核磁共振图像去噪方法，所述方法包括：基于图像块间的自相似性构造聚类正则项；基于聚类正则项和低秩分解去噪方法，建立图像去噪模型；对图像去噪模型进行优化，基于优化后的图像去噪模型对图像进行去噪处理；解决了现有的去噪方法的不足，在去除噪声的同时能较大程度的保留图像的细节信息的技术效果。
-
公开(公告)号：CN119888029A
公开(公告)日：2025-04-25
申请号：CN202510361549.1
申请日：2025-03-26
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种聚焦关节点感知的数字人重建方法，将RGB图像帧序列中第一帧的人体网格模型作为标准人体网格模型；对相应标准人体网格模型进行高斯场初始化；根据第二信息构建当前RGB图像帧的当前人体网格模型；计算当前RGB图像帧对应高斯基元的新参数；根据当前RGB图像帧对应高斯基元的新参数和人体相机位姿渲染得到人体渲染图片，计算人体渲染图片与当前RGB图像帧之间的损失，根据最小化损失的训练策略迭代优化所有RGB图像帧的高斯基元的参数，组合所有优化后的高斯基元，输出重建的数字人。本发明提高了数字人重建精度。
-
Patent Agency Ranking
公开(公告)号：CN118864690A
公开(公告)日：2024-10-29
申请号：CN202410867723.5
申请日：2024-07-01
Applicant: 成都信息工程大学
IPC: G06T15/20 , G06T17/00 , G06T11/00 , G06N3/0475 , G06N3/0464 , G06N3/0455 , G06T7/70
Abstract: 本发明涉及一种基于大脑EEG信号的高保真3D重建方法，首先通过面向3D图像信号重建的EEG关联特征来获取大脑活动的精细特征，以实现对参与者视觉感知或想象内容的准确编码；然后采用EEG信号到2D图像映射，利用编码得到的特征对预训练的2D图像生成模块和CLIP模型进行微调，以实现对EEG信号语义的图像化表达，得到预训练的2D图像生成模块；最后将预训练后的2D图像生成模型与3D表示技术相结合，将3D场景参数化通过联合损失函数，以实现从EEG信号编码特征到具体3D图像的直观映射，生成具有高保真度和丰富细节的3D图像。本发明通过参与者对物体所产生的EEG信号而生成其对应的3D图像，为认知科学、心理学和神经科学领域的研究提供新的视角和工具。
-
公开(公告)号：CN118521735A
公开(公告)日：2024-08-20
申请号：CN202410853216.6
申请日：2024-06-28
Applicant: 成都信息工程大学
IPC: G06T17/20 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/0475 , G06N3/08
Abstract: 本发明公开了一种基于倾斜摄影数据的预训练生成式三维网格重建方法，涉及三维重建技术领域，包括S1、构建初始的三维网络重建模型；S2、获取训练数据集，导入初始的三维网络重建模型，并对其进行训练优化，获得优化后的三维网络重建模型；S3、获取待重建的倾斜摄影数据，导入优化后的三维网络重建模型生成重建后的三维网络；将三维网格作为大模型生成的一种新的对象，实现了具有清晰边缘和完整拓扑结构的三维面片显示表达。通过三角面片作为几何标记，实现了以自回归生成完整连续物体表面三维网格的方法。本发明降低了对操作人员调试能力的要求，提升了三维重建模型的表面精度和计算效率。
-
公开(公告)号：CN115660789A
公开(公告)日：2023-01-31
申请号：CN202211472767.5
申请日：2022-11-23
Applicant: 成都信息工程大学
IPC: G06Q30/0601 , G06T7/246 , G06V10/25
Abstract: 本发明涉及一种基于智慧电商平台的产品图像管理系统，包括管理终端、用户终端和智慧电商平台。智慧电商平台包括信息获取模块、兴趣识别模块、参数增强模块和图像处理模块。智慧电商平台将目标产品对应的若干展示图像发送至各个用户终端，并获取每个测试用户的图像反馈信息；然后根据所有测试用户对每个图像特征区域的兴趣度和对应图像特征区域的区域信息量分析得到每个图像特征区域的视觉优先度，并根据每个视觉关键区域的第一参数区间、第二参数区间和视觉优先度确定对应展示图像中各个视觉关键区域的区域处理参数；然后根据所述区域处理参数对相应展示图像中各个视觉关键区域的对比度进行增强以得到对应展示图像的效果增强图像。
-
公开(公告)号：CN113822368A
公开(公告)日：2021-12-21
申请号：CN202111153974.X
申请日：2021-09-29
Applicant: 成都信息工程大学
Abstract: 本发明涉及图像识别领域，具体公开了一种基于无锚的增量式目标检测方法，包括以下步骤：步骤1、选取目标检测模型；步骤2、基于步骤1的目标检测模型，构建小样本目标检测模型；步骤3、对所述小样本目标检测模型进行元训练；步骤4、对训练后的小样本目标检测模型进行元测试。本发明在大量含丰富标签的基类数据(图像)和少量含标签的小样本(few‑shot)新类的训练下，提升了对新类测试图片的检测效果，即提高mAP和AR分数的提升。
-
公开(公告)号：CN108427966A
公开(公告)日：2018-08-21
申请号：CN201810201133.3
申请日：2018-03-12
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于PCA-LDA的医学图像处理系统及方法，采用PCA-LAD算法对预处理后的特征进行降维处理，首先采用PCA算法对预处理后的特征向量进行降维，使得降维后的特征冗余度降低，且线性无关，再采用LDA算法进行降维，得到最具判别能力的低维特征向量。采用PCA-LDA算法对提取的特征进行降维处理、特征优选，实现有监督的特征选择，且降维后的低维特征向量更具可识别性，更好地展示分类的效果，得到更好的分类模型，使得分类更加准确可靠。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.025 seconds)
