-
公开(公告)号：CN114495013B
公开(公告)日：2025-03-21
申请号：CN202210191841.X
申请日：2022-03-01
Applicant: 中南大学
IPC: G06V20/52 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种异常行为检测方法、装置及存储介质，在使用深度学习的基础上，充分发挥了边缘服务器高响应、低延迟的优势，提出了一种基于无数据知识传递的异常行为检测方法。本发明可以保证在不访问原始数据集，不使用任何自然图像和标记数据的前提下，为边缘模型提供用于训练的合成图像数据集，并利用云端模型和边缘模型之间的分歧提高合成图像的多样性。经过实验证明，本发明的可行性高，经过训练的模型可运行于边缘设备，且在异常行为检测时准确率较高，且拥有低延迟、响应快的优势，有效克服了庞大复杂的云端模型无法在边缘设备运行的弊端。
-
公开(公告)号：CN114495013A
公开(公告)日：2022-05-13
申请号：CN202210191841.X
申请日：2022-03-01
Applicant: 中南大学
Abstract: 本发明公开了一种异常行为检测方法、装置及存储介质，在使用深度学习的基础上，充分发挥了边缘服务器高响应、低延迟的优势，提出了一种基于无数据知识传递的异常行为检测方法。本发明可以保证在不访问原始数据集，不使用任何自然图像和标记数据的前提下，为边缘模型提供用于训练的合成图像数据集，并利用云端模型和边缘模型之间的分歧提高合成图像的多样性。经过实验证明，本发明的可行性高，经过训练的模型可运行于边缘设备，且在异常行为检测时准确率较高，且拥有低延迟、响应快的优势，有效克服了庞大复杂的云端模型无法在边缘设备运行的弊端。
-
Patent Agency Ranking
公开(公告)号：CN119445266B
公开(公告)日：2025-03-21
申请号：CN202510050075.9
申请日：2025-01-13
Applicant: 中南大学
IPC: G06V10/764 , G06N3/045 , G06V10/143 , G06V10/25 , G06V10/44 , G06V10/778 , G06V10/80 , G06V10/82
Abstract: 本申请公开了一种红外船舶图像的分类方法和分类系统，将红外船舶图像数据集划分出至少两个源域的红外船舶图像；将红外船舶图像输入预设的图像分类模型，通过图像分类模型的第一支路网络从红外船舶图像提取第一域不变特征，并对第一域不变特征进行聚类，得到第一聚类特征；并通过图像分类模型的第二支路网络从红外船舶图像提取第二域不变特征，并对第二域不变特征进行聚类，得到第二聚类特征；根据第一聚类特征和第二聚类特征得到融合增强特征；根据融合增强特征对图像分类模型进行梯度更新，得到训练好的图像分类模型；将目标红外船舶图像输入训练好的图像分类模型，得到目标红外船舶图像的分类结果，能够提高红外船舶图像质量并增强处理性能。
-
公开(公告)号：CN119444622B
公开(公告)日：2025-03-21
申请号：CN202510050060.2
申请日：2025-01-13
Applicant: 中南大学
IPC: G06T5/77 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06N3/084 , G06N3/0895 , G06V10/44 , G06V10/80 , G06V10/82
Abstract: 本申请公开了一种多特征融合的红外船舶图像修复方法、装置、设备及介质，方法包括获取第一图像数据和真实图像数据，对第一图像数据进行手工特征提取和深度特征提取，获得手工特征数据和深度特征数据；将手工特征数据与深度特征数据进行融合，获得融合特征；将融合特征输入卷积神经网络模型对第一图像数据进行修复，获得第二图像数据；根据第二图像数据与真实图像数据，获得重建损失函数，根据重建损失函数对卷积神经网络模型进行优化，获得红外船舶图像修复模型；根据红外船舶图像修复模型对红外船舶图像进行修复。本申请在复杂场景和极端条件下具有较强的修复鲁棒性，能够稳定恢复红外图像细节并提升整体修复质量。
-
公开(公告)号：CN119445266A
公开(公告)日：2025-02-14
申请号：CN202510050075.9
申请日：2025-01-13
Applicant: 中南大学
IPC: G06V10/764 , G06N3/045 , G06V10/143 , G06V10/25 , G06V10/44 , G06V10/778 , G06V10/80 , G06V10/82
Abstract: 本申请公开了一种红外船舶图像的分类方法和分类系统，将红外船舶图像数据集划分出至少两个源域的红外船舶图像；将红外船舶图像输入预设的图像分类模型，通过图像分类模型的第一支路网络从红外船舶图像提取第一域不变特征，并对第一域不变特征进行聚类，得到第一聚类特征；并通过图像分类模型的第二支路网络从红外船舶图像提取第二域不变特征，并对第二域不变特征进行聚类，得到第二聚类特征；根据第一聚类特征和第二聚类特征得到融合增强特征；根据融合增强特征对图像分类模型进行梯度更新，得到训练好的图像分类模型；将目标红外船舶图像输入训练好的图像分类模型，得到目标红外船舶图像的分类结果，能够提高红外船舶图像质量并增强处理性能。
-
公开(公告)号：CN119919745A
公开(公告)日：2025-05-02
申请号：CN202510413258.2
申请日：2025-04-03
Applicant: 中南大学
IPC: G06V10/764 , G06V10/25 , G06V10/40 , G06V10/77 , G06V10/80
Abstract: 本申请公开了一种基于特征重构的红外船舶图像分类方法、系统及设备，该方法通过对特征矩阵进行第一次特征重构和第二次特征重构；基于第一特征重要性分数和第二特征重要性分数，对特征矩阵中的特征进行筛选，得到新特征矩阵；将提取的视觉特征与新特征矩阵进行融合，得到融合特征矩阵；将融合特征矩阵输入第一分类网络进行分类评估；根据分类评估结果和样本的类别标签，对样本特征进行不确定性评估，得到不确定性评估结果；根据不确定性评估结果筛选目标特征集，采用目标特征集训练第二分类网络，以便通过训练好的第二分类网络对红外船舶图像进行分类。本申请能够得到稳定性和鲁棒性较高的特征集，从而提高红外船舶图像分类准确度。
-
公开(公告)号：CN119444622A
公开(公告)日：2025-02-14
申请号：CN202510050060.2
申请日：2025-01-13
Applicant: 中南大学
IPC: G06T5/77 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06N3/084 , G06N3/0895 , G06V10/44 , G06V10/80 , G06V10/82
Abstract: 本申请公开了一种多特征融合的红外船舶图像修复方法、装置、设备及介质，方法包括获取第一图像数据和真实图像数据，对第一图像数据进行手工特征提取和深度特征提取，获得手工特征数据和深度特征数据；将手工特征数据与深度特征数据进行融合，获得融合特征；将融合特征输入卷积神经网络模型对第一图像数据进行修复，获得第二图像数据；根据第二图像数据与真实图像数据，获得重建损失函数，根据重建损失函数对卷积神经网络模型进行优化，获得红外船舶图像修复模型；根据红外船舶图像修复模型对红外船舶图像进行修复。本申请在复杂场景和极端条件下具有较强的修复鲁棒性，能够稳定恢复红外图像细节并提升整体修复质量。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
