-
公开(公告)号：CN120067600A
公开(公告)日：2025-05-30
申请号：CN202510526798.1
申请日：2025-04-25
Applicant: 成都信息工程大学
IPC: G06F18/20 , G06F18/214 , G06N20/20 , G06N3/098 , G01W1/10
Abstract: 本发明属于气象预报技术领域，公开了一种低计算资源下的气象预报大模型快速预报方法、系统、设备、介质及终端。基于神经网络的微调技术、利用集成思想，针对现有大模型的大参数量训练对数据、计算资源要求高且训练难等问题，面向气象领域，设计一种低计算资源下的大模型快速预报方法，突破现有大模型训练的技术壁垒，实现低计算资源下从零开始快速预报出有效的大模型。本发明可实现低计算资源下的大模型快速预报，避免了现有大模型训练的高计算资源要求。本发明通过集成多种小模型的方式构成大模型，解决了现有大模型大参数量训练难的问题。本发明聚焦于气象领域的预报模型，对其他领域同样适用。
-
公开(公告)号：CN119941568A
公开(公告)日：2025-05-06
申请号：CN202510006012.3
申请日：2025-01-03
Applicant: 成都信息工程大学
IPC: G06T5/73 , G06T5/60 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/0455
Abstract: 本发明涉及一种利用相邻帧的特征和当前帧的特征进行视频去模糊方法，首先使用二维离散小波变换分离视频帧的高频部分和低频部分，对于低频部分，首先使用动态卷积操作提取相邻帧中的特征，实现对视频上下文信息的充分捕捉，同时根据运动模糊轨迹的可分解性提取当前帧的特征；然后使用帧内和帧间特征融合策略进行特征融合并重建清晰帧；对于高频部分，则直接使用卷积操作进行处理；最后，将高频部分和重建的低频部分使用逆变换进行融合得到清晰的视频。本发明通过从模糊的视频帧中寻找有用的信息来去除模糊的效果，能够为图像、视频处理和摄影等领域的研究提供新的视角和工具。
-
公开(公告)号：CN115908358B
公开(公告)日：2025-04-04
申请号：CN202211564090.8
申请日：2022-12-07
Applicant: 成都信息工程大学
IPC: G06T7/00 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及一种基于多任务学习的心肌图像分割和分类方法，将经过预处理的心脏MRI图像送入跨任务的特征子网，该子网采用级联的深度分离卷积进行多尺度特征提取，训练共享参数。然后，将得到的特征图分别送入到分割子网和分类子网中进行单独训练。分割子网利用多个长跳跃连接将跨任务特征子网中不同层级和尺度的特征图送入到联合金字塔上采样模块进行多尺度特征融合和上采样，得到与原始图像尺寸相同的心肌分割掩膜；分类子网中利用残差注意力机制提取分类所需的深层特征，有效对心脏MRI图像进行分类，得到扩张型心肌病的诊断结果。
-
公开(公告)号：CN118134809B
公开(公告)日：2025-03-28
申请号：CN202410408260.6
申请日：2024-04-07
Applicant: 成都信息工程大学
IPC: G06T5/77 , G06V40/16 , G06V10/774 , G06V10/25 , G06V10/80
Abstract: 本发明提出基于面部属性信息预测的自适应人脸修复网络和装置，通过面部解析网络的微调，从缺失人脸中预测获得完整脸部属性信息，以提供面部结构信息，如缺失人脸应有的姿势、表情和角度等；在面部修复中，区别现有人脸先验信息的方法，通过可分离自适应归一化模块自适应地提取结构信息并进行归一化，将预测的属性信息和输入人脸图像的特征信息进行自适应融合，以准确的结构指导面部结构的生成，最后通过多头判别器的身份提取器获取生成的图像和原始图像的身份信息，使用身份损失约束保证生成中身份的准确性。实验结果表明，本发明方法与现有方法相比，即使在复杂的遮挡部位不同的情况下，也能修复出具有准确结构和清晰纹理的面部图像。
-
公开(公告)号：CN118646590A
公开(公告)日：2024-09-13
申请号：CN202410927903.8
申请日：2024-07-11
Applicant: 成都信息工程大学
IPC: H04L9/40
Abstract: 本发明涉及一种自适应地网络安全防御策略配置系统，包括多个网络节点和网络安全管理平台。网络安全管理平台包括行为模拟模块、特征提取模块、攻击演化模块和策略配置模块。网络安全管理平台基于网络节点的历史漏洞信息生成相应的攻击行为关系网络，将由网络节点的多个粗粒度报警信息组成的报警序列映射至所述攻击行为关系网络中得到当前网络入侵行为的攻击演化序列，基于所述报警序列和所述攻击演化序列分别确定所述网络入侵行为的第一攻击特征和第二攻击特征，基于网络入侵行为的第一威胁特征和第二威胁特征确定所述网络入侵行为的威胁度，并根据网络入侵行为的威胁度对系统的调度任务执行自适应的配置策略。
-
Patent Agency Ranking
公开(公告)号：CN117705182A
公开(公告)日：2024-03-15
申请号：CN202311579536.9
申请日：2023-11-24
Applicant: 成都信息工程大学
IPC: G01D21/02
Abstract: 本发明涉及一种应用于智慧城市的数据监测方法，包括：基于水域监控设备在实时监测周期内摄取到若干水面环境监控图像分析得到目标水域的若干实时水面动态分布图，基于上一监测周期内摄取到的水面环境监控图像确定目标水域的若干历史水面动态分布图，利用目标水域内大颗粒污染物的若干实时水面动态分布图和若干历史水面动态分布图生成目标水域的全局污染量关联图，根据目标水域在实时监测周期内的多模态环境数据生成目标水域的多维水域环境特征，根据目标水域的全局污染量关联图和多维水域环境特征分析得到目标水域在下一个监测周期内的水面污染量。
-
公开(公告)号：CN116721019A
公开(公告)日：2023-09-08
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：CN115908358A
公开(公告)日：2023-04-04
申请号：CN202211564090.8
申请日：2022-12-07
Applicant: 成都信息工程大学
IPC: G06T7/00 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及一种基于多任务学习的心肌图像分割和分类方法，将经过预处理的心脏MRI图像送入跨任务的特征子网，该子网采用级联的深度分离卷积进行多尺度特征提取，训练共享参数。然后，将得到的特征图分别送入到分割子网和分类子网中进行单独训练。分割子网利用多个长跳跃连接将跨任务特征子网中不同层级和尺度的特征图送入到联合金字塔上采样模块进行多尺度特征融合和上采样，得到与原始图像尺寸相同的心肌分割掩膜；分类子网中利用残差注意力机制提取分类所需的深层特征，有效对心脏MRI图像进行分类，得到扩张型心肌病的诊断结果。
-
公开(公告)号：CN114896826A
公开(公告)日：2022-08-12
申请号：CN202210819294.5
申请日：2022-07-13
Applicant: 成都信息工程大学
IPC: G06F30/20 , G06F30/17 , G06N3/04 , G06N3/08 , G06F111/10
Abstract: 本发明涉及一种基于物理学结合残差注意力网络的行星边界层参数化方法，设计一种同时结合物理学和深度学习的残差注意力网络，包括依次连接的八个时空结合模块，每个时空结合模块包括通道注意力模块CAB和空间注意力模块PNSAB，通过卷积、CAB模块和PNSAB模块提取重要特征和模拟具体的物理过程，CAB模块用来模拟大气湍流过程中的能量交换，让网络不断地学习大气物理常识，PNSAB模块去挑选对于预测结果比较重要的气象要素，能够有效的替换传统模式中的参数化，设计的多个模块协同作用模拟边界层中的物理过程。本发明的模型能更好地模拟边界层内的速度、温度、风速和水汽的垂直分布，同时使用较低的计算成本和较短的时间。
-
公开(公告)号：CN112365556B
公开(公告)日：2021-09-28
申请号：CN202011244337.9
申请日：2020-11-10
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于感知损失和风格损失的图像扩展方法，包括：对预处理后的数据集送入到构建好的图像扩展网络中，图像扩展网络包括重构路径和生成路径，重构路径用于输入待补全区域图像，获取其待补全部分的先验信息，最后重构出原始图像；生成路径用于输入缺失图像，利用重构路径得到的先验分布，引导图像的生成过程，在训练过程中，重点引入感知损失和风格损失约束生成图像的纹理和风格，改善了传统方法的扭曲模糊结构。感知损失和风格损失分别获取已知区域的语义信息和整体风格，从而有助于网络把握图像的真实纹理风格。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.025 seconds)
