-
公开(公告)号：CN116756363A
公开(公告)日：2023-09-15
申请号：CN202310657100.0
申请日：2023-06-05
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06F16/583 , G06F16/383 , G06F18/213 , G06F18/22 , G06F18/25 , G06F18/214
Abstract: 本发明涉及跨模态检索技术领域，具体涉及一种由信息量引导的强相关性无监督跨模态检索方法，通过以下步骤实现：首先提取图像局部特征和全局特征，以及文本特征；对图像局部特征和全局特征进行增强；再对增强后的局部特征进行正则化处理；然后使用图像特征融合网络对图像全局特征和局部特征进行正交融合；接着使用多模态融合网络对图像特征和文本特征根据不同模态特征信息量转换比例原则进行融合；最后将不同模态特征映射成哈希码，利用汉明距离进行相似性排序，从而得出检索结果。本发明侧重于对数据特征的增强和融合，能获取更多的语义信息，提高了检索效率。
-
公开(公告)号：CN116739075A
公开(公告)日：2023-09-12
申请号：CN202310656829.6
申请日：2023-06-05
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06N3/088 , G06N3/048 , G06N3/0499 , G06V10/40 , G06V10/764 , G06V10/82
Abstract: 本发明涉及神经网络无监督学习技术领域，具体涉及一种用于图像处理的神经网络的无监督预训练方法，包括如下步骤：首先将图像分成图像块，再进行掩膜操作，接着计算感知损失，计算对比损失与重建损失，最后利用损失进行训练。训练完毕以后，使用训练后的模型对输入图像处理，获得类别特征向量和重建的图像向量。本发明通过使用感知损失能够衡量掩膜操作对于神经网络的影响，同时使用对比损失使其特征更加明显，最后通过重建损失令网络学习如何将图像抽象为特征同时减少抽象过程中信息的丢失，提高了神经网络对于图像的特征提取能力。
-
公开(公告)号：CN116343188A
公开(公告)日：2023-06-27
申请号：CN202310322252.5
申请日：2023-03-29
Applicant: 桂林电子科技大学 , 广西景航无人机有限公司
IPC: G06V20/62 , G06V30/14 , G06V30/146 , G06V30/148 , G06V30/18 , G06V30/19 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于STN‑pan网络的输电铁塔标识牌文本检测识别方法，包括如下步骤：首先，采集输电铁塔标识牌数据集并按比例划分数据集；提出一种带有空洞卷积的迭代FPEM模块进行特征提取，使特征图中含有更多空间信息；在检测模块引入协调注意力机制，使模型更加关注坐标信息，然后使用模型找到不同文本区域的中心kernel，通过聚类的思想，对kernel周围的像素点进行聚类，计算像素点之间的相似度，将相似度高于阈值的像素点进行合并，得到需要的文本区域；在识别分支加入STN矫正网络，最后，将经过矫正的文本区域输入到一个不规则文字特征提取器Masked RoI和一个基于注意力机制的轻量级识别头进行识别，输出标识牌内容。这种方法提高了检测识别精度，检测更为细致。
-
公开(公告)号：CN116110090A
公开(公告)日：2023-05-12
申请号：CN202211310143.3
申请日：2022-10-25
Applicant: 桂林电子科技大学
IPC: G06V40/16 , G06V20/52 , G06V20/40 , G06V10/764 , G06V10/774 , G06V10/30 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于人脸关键点的高效伪造人脸视频检测方法，包括如下步骤：1）微表情面部特征点采集；2）视频帧特征点跟踪；3）真假人脸特征点光流分类。这种方法提高了检测速度，在公开假人脸数据集facefrensic++检测精度为0.99。
-
公开(公告)号：CN111259098B
公开(公告)日：2023-04-11
申请号：CN202010026567.1
申请日：2020-01-10
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于稀疏表示和Fréchet距离融合的轨迹相似度计算方法，该方法首先通过求解每条轨迹用其他轨迹稀疏表示下的各个系数大小，从而得到一个系数矩阵，再利用Fréchet距离对任意两条轨迹做空间曲线相似度计算，得到一个相似度矩阵，然后将这两种方法得到的相似度进行加权融合，求出每条轨迹相似度最高的Top‑k个轨迹邻居。本发明提出了考虑轨迹多种特征属性以及时空距离融合的方法来度量轨迹间的相似度，然后在此相似度基础上进行聚类，从而提高轨迹聚类效果。
-
Patent Agency Ranking
公开(公告)号：CN115880262A
公开(公告)日：2023-03-31
申请号：CN202211643031.X
申请日：2022-12-20
Applicant: 桂林电子科技大学
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06N3/047 , G06N3/0464 , G06N3/0895 , G06N3/084 , G06V10/26 , G06V10/82 , G06V10/764
Abstract: 本发明涉及基于在线噪声抑制策略的弱监督病理图像组织分割方法，包括：获取H&E染色图，对所述H&E染色图进行处理，获得数据集，对所述数据集进行划分，基于划分后的所述数据集训练分类网络，生成伪标签；基于在线噪声抑制策略抑制所述伪标签中存在的噪声，通过抑制噪声后的所述伪标签以及所述伪标签对应的训练集训练语义分割网络，获得训练后的所述语义分割网络的预测结果，将所述预测结果作为最终分割结果。本发明利用数字病理学和深度学习的分类算法及分割算法，可实现仅使用patch级标签实现肺癌/乳腺癌H&E染色图像的组织分割，生成像素级分割结果，直观地展示肿瘤内部组织结构的空间分布情况。
-
公开(公告)号：CN109977686B
公开(公告)日：2023-03-31
申请号：CN201910257477.0
申请日：2019-04-01
Applicant: 桂林电子科技大学
Abstract: 本发明适用于图像加密领域，提供了一种基于复合混沌系统的图像加密方法和图像处理设备。所述方法包括：将Sine映射、Tent映射和Logistic映射作为种子映射，利用级联操作和非线性组合扩展混沌范围，生成复合混沌系统；利用复合混沌系统产生混沌序列来对明文图像进行预加密，生成预加密图像；获取参考图像，将预加密图像和参考图像结合，利用离散小波变换DWT算法生成视觉上有意义的密文图像。本发明的方法具有更宽的混沌范围和更复杂的混沌行为，提高了加密性能；且由于生成视觉上有意义的密文图像，因此降低被攻击的概率，能够抵御选择明文攻击和穷举攻击，具有较好的加密性能。
-
公开(公告)号：CN115761888A
公开(公告)日：2023-03-07
申请号：CN202211462437.8
申请日：2022-11-22
Applicant: 桂林电子科技大学
IPC: G06V40/20 , G06N3/0464 , G06N3/047 , G06N3/08 , G06V10/774 , G06V10/82 , G06V20/40 , G06V20/52
Abstract: 本发明公开了一种基于NL‑C3D模型的塔吊操作人员异常行为检测方法，包括如下步骤：1）采集塔吊作业操作人员操作过程的监控视频数据集；2）通过算法把视频数据划分成图像帧，然后裁剪图像帧的图像尺寸；3）在C3D网络中融合非局部模块，得到NL‑C3D网络模型；4）将步骤2）的图像帧数据集按训练集、验证集和测试集的顺序依次导入到NL‑C3D网络模型中进行训练与检验，然后利用softmax分类器得到最后的结果。这种方法提高了检测精度，检测更细致。
-
公开(公告)号：CN110826558B
公开(公告)日：2022-11-11
申请号：CN201911033072.5
申请日：2019-10-28
Applicant: 桂林电子科技大学
IPC: G06V10/25 , G06V10/40 , G06V10/774 , G06V10/82 , G06V10/766 , G06N3/04
Abstract: 本申请公开图像分类方法、计算机设备和存储介质，使用深度残差网络提取特征，得到特征图，解决了网络退化、梯度消失的问题，提取了更多有用的特征信息，所花费的时间也将更短；采用优化后的区域建议网络，过滤掉很多无用的候选框，使筛选下来的候选框置信度更高，对判别图像更有效；采用了稀疏化B‑CNN，提高关键特征的显著性，有效解决训练集不是很大时产生过拟合的影响，提高了识别准确度；本申请实施例将优化后的优化后的区域建议网络和稀疏化B‑CNN网络融为一体，两个网络相互协调作用，较大地提高了细粒度图像分类的准确度以及减少了花费的时间。
-
公开(公告)号：CN112085749B
公开(公告)日：2022-07-05
申请号：CN202010948185.4
申请日：2020-09-10
Applicant: 桂林电子科技大学
IPC: G06T7/11 , G06V10/762 , G06K9/62
Abstract: 本发明公开了一种多尺度非迭代超像素分割的方法，该方法首先利用高斯卷积在Lab颜色空间上对每个像素点求出其水平和垂直方向的颜色梯度特征.其次,通过对像素点进行腐蚀和膨胀操作得到像素点形态学轮廓特征,在不丢失灰度梯度表示的同时增强算法边缘命中率。最后，本文基于SNIC算法非迭代聚类框架,依赖于像素点间的颜色、空间、颜色梯度、形态学轮廓特征的自定义加权距离实现超像素分割。实验结果表明，在超像素个数相同的情况下，与主流的其他算法相比,提出的方法在保证时间复杂度低的同时有效提升了超像素分割质量。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.024 seconds)
