-
公开(公告)号：CN120071106A
公开(公告)日：2025-05-30
申请号：CN202510526050.1
申请日：2025-04-25
Applicant: 成都信息工程大学
IPC: G06V20/00 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明属于图像处理领域，公开了一种中低纬度区域快速高效的中尺度对流系统识别方法及系统，包括获取云顶亮温数据；依据云顶亮温数据构建中尺度对流系统识别数据集；构建中尺度对流系统识别模型；使用构建好的训练集对模型进行训练；达到指定的训练轮数后，用测试集对模型进行测试，得到最终的中尺度对流系统识别结果。本发明设计了一种分片学习策略，使得模型可以同时学习到不同区域中尺度对流系统的特征；构建了一种半残差的多尺度特征提取器来防止特征提取过程中小尺度特征丢失的问题；设计了一种语义一致性正则来约束冗余的特征提取以及特征恢复过程中的特征非对称性。本发明解决了在中低纬度区域，使用传统的阈值法识别速度慢的问题。
-
公开(公告)号：CN119785193B
公开(公告)日：2025-05-20
申请号：CN202510282109.7
申请日：2025-03-11
Applicant: 成都信息工程大学
IPC: G06V20/00 , G06V10/774 , G06V40/16 , G06V10/80 , G06V10/10 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了提出一种基于空频特征集成和动态边缘优化的深度伪造检测方法，通过空间‑频率特征集成模块和真实性感知边界损失函数显著提升了伪造内容的检测准确性和鲁棒性。本发明有效地结合了图像的空间域和频率域特征，使得模型能够更全面地识别伪造图像中的细微差别。此外，真实性感知边界损失函数通过动态调整边界，成功应对了类别不平衡问题，尤其在真实图像样本稀缺的情况下，显著提高了分类性能。本发明在多个具有挑战性的数据集上进行的实验验证了方法的有效性。
-
公开(公告)号：CN119251509B
公开(公告)日：2025-03-14
申请号：CN202411787740.4
申请日：2024-12-06
Applicant: 成都信息工程大学
IPC: G06V10/26 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06V10/24 , G06N3/084
Abstract: 本发明提供了一种基于小目标识别网络的中尺度对流图像分割方法，属于图像处理技术领域，该方法包括获取原始云顶亮温数据；对原始云顶亮温数据进行预处理，并划分为训练集和测试集；构建并初始化基于特征对齐再分配的小目标识别网络；利用训练集对小目标识别网络进行训练；基于训练后的小目标识别网络，得到中尺度对流图像分割结果；达到训练次数的阈值后，将测试集输入至已训练后的小目标识别网络中，以判定当前小目标识别网络是否达到指标要求；将测试集输入至达到指标要求的小目标识别网络中，得到最终的中尺度对流图像分割。本发明解决了传统方法识别中尺度对流系统MCSs速度慢，只针对局部区域的问题。
-
公开(公告)号：CN119484856A
公开(公告)日：2025-02-18
申请号：CN202411633468.4
申请日：2024-11-15
Applicant: 成都信息工程大学
IPC: H04N19/42 , H04N19/503 , H04N19/136 , H04N19/124 , H04N19/91 , G06T9/00
Abstract: 本发明公开了一种基于神经网络的视频压缩方法及系统，包括：对视频数据进行关键帧提取，其包括：先将通过差分法检测到的运动目标关键视数据段通过子段分割分为若干子段，然后计算子段间互信息量，再根据互信息进行聚类，根据聚类结果提取关键帧；对提取的关键帧进行关键帧压缩；根据提取的关键帧数据进行帧间预测，其包括：利用当前帧、参考帧和前期预测帧进行运动估计和预测，然后将运动向量进行压缩编码；经运动补偿帧重建后得到预测的图像帧，将预测帧与当前帧比较计算出估计残差；使用残差自编码器网络来编码原始帧和预测帧之间的残差；利用重建残差对预测帧进行补偿得到码帧，并缓存于解码帧缓存器中以备下一步运动预测使用。
-
公开(公告)号：CN119251509A
公开(公告)日：2025-01-03
申请号：CN202411787740.4
申请日：2024-12-06
Applicant: 成都信息工程大学
IPC: G06V10/26 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06V10/24 , G06N3/084
Abstract: 本发明提供了一种基于小目标识别网络的中尺度对流图像分割方法，属于图像处理技术领域，该方法包括获取原始云顶亮温数据；对原始云顶亮温数据进行预处理，并划分为训练集和测试集；构建并初始化基于特征对齐再分配的小目标识别网络；利用训练集对小目标识别网络进行训练；基于训练后的小目标识别网络，得到中尺度对流图像分割结果；达到训练次数的阈值后，将测试集输入至已训练后的小目标识别网络中，以判定当前小目标识别网络是否达到指标要求；将测试集输入至达到指标要求的小目标识别网络中，得到最终的中尺度对流图像分割。本发明解决了传统方法识别中尺度对流系统MCSs速度慢，只针对局部区域的问题。
-
Patent Agency Ranking
公开(公告)号：CN116895089A
公开(公告)日：2023-10-17
申请号：CN202310906991.9
申请日：2023-07-24
Applicant: 成都信息工程大学 , 成都智元汇信息技术股份有限公司
IPC: G06V40/16 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明属于人脸图像补全技术领域，公开了一种基于生成对抗网络的人脸多元化补全方法及系统，收集下载人脸图像数据集CelebA‑HQ，按照约定比例将所述人脸图像数据集划分为训练集、验证集和测试集；对所述人脸图像数据集进行预处理，将数据集中的原始图像处理为含有缺失内容的图像；采用所述训练集对构建好的人脸补全网络进行训练，所述的人脸补全网络主要包括一个人脸解析网络、一个多元人脸补全生成器、一个多补丁判别器和属性提取器。利用本发明提出的基于生成对抗网络和人脸结构约束的多元人脸图像补全算法，在两个基准面部数据集CelebA和CelebA‑HQ上的实验结果和具体指标均表明本发明的方法比现有多元人脸补全算法有更好的表现。
-
公开(公告)号：CN116721019B
公开(公告)日：2023-10-10
申请号：CN202311002747.6
申请日：2023-08-10
Applicant: 成都信息工程大学
IPC: G06T3/40 , G06T7/33 , G06N3/0464 , G06N3/08 , G06N3/0475 , G06N3/045
Abstract: 本发明公开了基于深度学习的多摄像头视频图像拼接方法，包括S1构建对准模型和拼接模型，S2获取训练集导入对准模型和拼接模型，对其进行训练优化；S3获取同一时刻K个摄像头的拍摄的视频帧；S4图像拼接视频帧k和视频帧k+1，获得拼接图；S5判断k+1是否等于K，若是，则拼接图作为最终图像，并输出最终图像；反之，则令k=k+1，然后令拼接图作为视频帧k，并返回S4；读取每个摄像头中的视频帧，再将图片输入对准模型中进行对准，再将对准后的结果输入拼接模型进行拼接，对准模型中引入自注意力机制显著提高参考图像和目标图像中的特征提取效率和精度，拼接模型中引入自注意力机制显著提高参考图像和目标图像中的特征检测效率和精度。
-
公开(公告)号：CN109584246B
公开(公告)日：2022-12-16
申请号：CN201811363678.0
申请日：2018-11-16
Applicant: 成都信息工程大学
Abstract: 本发明属于医学影像处理技术领域，公开了一种基于多尺度特征金字塔的DCM心肌诊疗放射影像分割方法,将心脏MRI图像进行分割，完整得分割出心肌和血池等医学解剖结构。本发明通过使用带孔卷积取代传统的卷积，这样的好处就是卷积核的感受野更大能够获取到更大的上下文信息；通过使用空间金字塔池化，可以在不同尺度上对图像进行信息提取，应对图像的多尺度特性，即使是很小的物体也能有效地捕捉；通过使用编码器和解码器结构可以恢复细节信息，将浅层的特征和高层的特征进行融合，得到语义丰富且细节完整的分割掩膜；本发明减轻了医生的工作负担，对病情分析还有后续的治疗计划和术后评估都有重大的意义。
-
公开(公告)号：CN115345256A
公开(公告)日：2022-11-15
申请号：CN202211126086.3
申请日：2022-09-16
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明涉及一种应用于智能制造的工业产品测试系统，其包括试车数据挖掘平台、参数采集设备和目标机器产品。试车数据挖掘平台包括区域划分模块、数据分析模块和温度预测模块。试车数据挖掘平台利用目标机器产品在对应试车子周期内激活的动作联动程序数量、实际载荷量、待测轴承部件的转速和润滑油流量以及目标轴承区域的关联温度分布数据和温度特征序列建立目标轴承区域的温度预测模型，并基于目标轴承区域在对应试车子周期内的关联温度分布数据建立目标轴承区域的关联温度预测模型，然后根据所述关联温度预测模型和所述温度预测模型预测得到对应非易测轴承区域在预测试车子周期内的温度数据。
-
公开(公告)号：CN115062551A
公开(公告)日：2022-09-16
申请号：CN202210935359.2
申请日：2022-08-05
Applicant: 成都信息工程大学
IPC: G06F30/27 , G06F30/28 , G06N3/04 , G06N3/08 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 本发明提出了一种基于时序神经网络的湿物理过程参数化方法，方法首先基于时序预测神经网络去学习过去时刻大气状态、对流和云的动态变化关系，然后通过融合筛选这些学习到的特征来预测湿物理过程中湿度和温度变化趋势以及云水和云冰含量。最后，根据预测出的湿度变化趋势计算出当前的降水量。此外，在网络训练过程中加入了物理约束来保证该方法遵循一般的物理规律。该方法相比传统湿物理参数化方案和其他神经网络能够准确再现社区大气模式超参数版本SPCAM的模拟结果，模拟的湿物理过程中的湿度和温度变化趋势、云水和云冰含量，降水等偏差也远小于它们。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.027 seconds)
