-
公开(公告)号：CN114463596A
公开(公告)日：2022-05-10
申请号：CN202111633547.1
申请日：2021-12-28
Applicant: 苏州科技大学 , 苏州市人民政府办公室 , 苏州佳图智绘信息技术有限公司
IPC: G06V10/774 , G06V10/764 , G06V10/74 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种超图神经网络的小样本图像识别方法，利用卷积神经网络中空洞卷积的不同感受野来获取不同结构的多语义特征，构建多语义超图；利用超图神经网络聚合多语义超图中超节点的所有超边信息更新初始超节点特征表示，得到训练集的超节点特征表示；根据训练集的超节点特征表示，得到多语义分布信息，将多语义分布信息与训练集的超节点特征表示进行信息交互，通过相互迭代更新来不断优化多语义超图，得到训练集的目标超节点特征表示，根据训练集的目标超节点特征表示，计算得到训练集中查询集的分类结果。本发明通过超图结构的图像消息传递，捕获丰富的语义嵌入特征和多个语义分布特征，实现了小样本图像分类的识别。
-
公开(公告)号：CN114241052A
公开(公告)日：2022-03-25
申请号：CN202111616064.0
申请日：2021-12-27
Applicant: 江苏贝思旺科技有限公司 , 苏州科技大学
Abstract: 本发明涉及一种基于布局图的多物体场景新视角图像生成方法，包括将多个图像的布局图输入至布局图预测器，获得新视角下的布局图；输入多个图像，对图像中的每个对象实例进行采样，并将其与相机位姿矩阵沿通道方向连接构建输入张量，将构建的张量输入至像素预测器，获得新视角下的各个物体的图像；将新视角下的布局图和新视角下的各个物体的图像输入至场景生成器中，各个物体的图像依次经过编码器和融合器，得到一个包含所有物体信息的融合特征，通过解码器生成场景图像。本发明通过场景的布局图信息指导网络生成场景图像，不依赖输入图像的深度图，生成的图像更加清晰真实，解决了现有生成图像中精度较低和准确度较低的问题。
-
公开(公告)号：CN113239961A
公开(公告)日：2021-08-10
申请号：CN202110384686.9
申请日：2021-04-09
Applicant: 苏州科技大学 , 苏州佳图智绘信息技术有限公司
IPC: G06K9/62 , G06F40/211 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于生成对抗网络的文本生成序列图像的方法，该方法包括：构建训练数据库，训练数据库包括训练文本和与原始图像，利用训练文本和原始图像对生成对抗网络模型进行训练；生成对抗网络模型包括混合生成器和鉴别器，混合生成器包括场景图引导的图像生成器和基于序列条件的图像生成器；将待处理的文本输入至训练后的所述生成对抗网络模型中，由训练后的生成对抗网络模型生成与待处理文本相对应的图像并输出。本发明能够生成与文本描述相匹配的视觉上真实的图像，避免了对象布局混乱的问题，提高了输出图像的准确度。
-
公开(公告)号：CN111915644A
公开(公告)日：2020-11-10
申请号：CN202010657633.5
申请日：2020-07-09
Applicant: 苏州科技大学 , 苏州佳图智绘信息技术有限公司
Abstract: 本发明公开了一种孪生导向锚框RPN网络的实时目标跟踪方法。本发明一种孪生导向锚框RPN网络的实时目标跟踪方法，包括：S1.分别将大小为127×127×3的模板帧和256×256×3的检测帧输入到孪生网络中的对应输入端口；S2.将通过孪生网络提取得到的特征分别输入到导向RPN(GA-RPN)网络的目标分类分支和位置回归分支，得到对应的分数图；S3.将导向RPN网络得到的分类分数图和位置回归分数图结果融合，然后进行插值计算，即可得到跟踪的结果。本发明的有益效果：解决孪生RPN目标跟踪网络的精度较低和速度较低的问题。
-
公开(公告)号：CN110852972A
公开(公告)日：2020-02-28
申请号：CN201911095524.2
申请日：2019-11-11
Applicant: 苏州科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于卷积神经网络的单图像去雨方法。本发明首先，我们并未使用导向滤波或者其他滤波分离图像以尽可能地保留图像的原始信息。其次，我们提出了我们的RK块来代替残差块以更高效地提取特征。最后，我们提出了特征转换连结操作来处理多尺度雨线。此外，批正则化操作假设了特征都有着相同的分布，然而不同的雨线有着不同的方向、颜色和形状，因此我们移除了网络中所有的批正则化操作。本发明的有益效果：以卷积神经网络为基础，设计一类较为简洁、高效的单步单流去雨网络模型，以便更好地修复带雨图像，同时保持修复质量和模型大小之间的平衡。
-
Patent Agency Ranking
公开(公告)号：CN108960338A
公开(公告)日：2018-12-07
申请号：CN201810792426.3
申请日：2018-07-18
Applicant: 苏州科技大学
CPC classification number: G06K9/6256 , G06F17/2705 , G06F17/2775
Abstract: 本发明涉及一种基于注意力反馈机制的图像自动语句标注方法，包括：构建输入数据，给定一系列的图像χ＝{x1，x2，...，xN}作为训练集，其中N是样本数量；图像xi对应的语句表述为si＝{si，1，si，2，...，si，T}，T代表句子Si的长度；构建CNN‑RNN模型，进行正向文本成：从生成的文本中提取关键词注意力反向矫正图像注意力：利用上述从文本中提取出的关注特征，对原本的图像关注特征进行注意力矫正。能够解决注意力机制在图像自动语句标注过程中的注意力分散问题及生成语句错乱的问题，采用反馈式CNN‑RNN结构，利用反馈机制将生文本中的关键信息反向传给图像，将有利于在提取图像特征的过程中，更加关注文本中的信息所对应的显著目标，从而有利于使得图像关键信息和文本关键信息更加匹配。
-
公开(公告)号：CN107274673A
公开(公告)日：2017-10-20
申请号：CN201710697079.1
申请日：2017-08-15
Applicant: 苏州科技大学
Abstract: 本发明公开了基于修正局部方差的车辆排队长度测量方法，包括以下步骤：S 1获取视频帧作为待检图像；S 2采用基于修正局部方差的方法对获取的待检图像进行检测，所述待检图像为车队，先完成车队斑块的初步检测，然后对车队边缘进行有效检测，最后去除相邻车道中车辆阴影对待检车道车队斑块的影响，丰富车队斑块的有效检测；S 3将图像中车队斑块长度转化为现实车队的长度，完成车辆排队长度测量。本发明方法性能稳定、检测结果饱满，能够实现车队的有效检测和长度测量。
-
公开(公告)号：CN119887626A
公开(公告)日：2025-04-25
申请号：CN202411774592.2
申请日：2024-12-05
Applicant: 苏州科技大学 , 无锡市同步电子科技股份有限公司
IPC: G06T7/00 , G06V10/774 , G06V10/40 , G06V10/80 , G06V10/26 , G06V20/70 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于多聚焦图像融合的芯片引脚共面度检测方法及系统，属于芯片检测技术领域，通过根据所述芯片引脚侧面图像构建数据集并对所述数据集中的图像进行预处理，构建训练集，获取裁剪后的图像块，从而根据所述裁剪后的图像块构建基于多聚焦图像融合的网络模型，并设置训练参数并以训练集作为多聚焦图像融合网络模型的输入，对所述多聚焦图像融合网络模型进行训练，最后进行多聚焦芯片图像融合，并对融合后的图像进行芯片引脚与主体分割，计算引脚共面度的量化值，并与阈值进行比较判断。本发明增强了网络的特征表示能力，基于语义先验分割的交叉注意力特征融合模块分别减轻错误特征、强化相关特征，从而使特征融合更加充分。
-
公开(公告)号：CN119722603A
公开(公告)日：2025-03-28
申请号：CN202411774293.9
申请日：2024-12-05
Applicant: 苏州科技大学 , 无锡市同步电子科技股份有限公司
IPC: G06T7/00 , G06T7/194 , G06T7/60 , G06T7/62 , G06T7/73 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于多聚焦图像融合的芯片定位方法及系统，应用于集成电路芯片的精确定位。包括：实时监测芯片来料信号，采集芯片图像；构建芯片图像数据集并进行预处理，生成训练集和测试集数据；构建基于多聚焦图像融合的网络模型，并通过预处理数据对模型进行训练；利用训练好的模型对多聚焦芯片图像进行融合，提取融合图像中的芯片主体并分割背景，实现精确定位。本发明提高了芯片图像的清晰度和定位精度，具有高效性和鲁棒性，可广泛应用于半导体制造与自动化检测领域。还提供相应系统，实现从图像采集到定位的全流程自动化。
-
公开(公告)号：CN119513884A
公开(公告)日：2025-02-25
申请号：CN202311074431.8
申请日：2023-08-24
Applicant: 苏州科技大学 , 苏州爱宝康养科技有限公司
IPC: G06F21/60
Abstract: 本发明涉及计算机安全技术领域，尤其是指一种匹配功能加密方法，具体步骤包括：初始化阶段，密钥产生中心根据安全参数输出系统公钥和主密钥；加密密钥生成阶段，密钥产生中心根据主密钥和加密者身份标识，输出加密密钥；解密密钥生成阶段，密钥产生中心根据主密钥、函数f和接收者身份标识，输出解密密钥；加密算法阶段，输入系统公钥，加密者根据加密密钥、明文消息和加密者指定的目标身份标识，利用加密算法输出密文；解密算法阶段，接收者根据解密密钥、密文和接收者指定的目标身份标识，利用解密算法输出内积函数，接收者利用内积函数解码密文。本发明提升了系统安全性，利用匹配加密的双向访问控制，确保数据源的身份追溯。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.035 seconds)
