-
公开(公告)号：CN118862002A
公开(公告)日：2024-10-29
申请号：CN202411345172.2
申请日：2024-09-26
Applicant: 中国海洋大学
IPC: G06F18/25 , G06V10/80 , G06N5/04 , G06V10/82 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明属于视觉问答技术领域，公开了面向遥感视觉问答的位置和语义优化方法及系统，分为文本流和海洋遥感图像流，包括以下步骤：步骤S1、输入海洋遥感图像和文本；步骤S2、跨模态语境融合：通过交叉模态位置约束注意力机制来整合文本和海洋遥感图像信息，生成交叉模态特征；步骤S3、语义推理：通过语义图Transformer提取语义图Gs中的语义信息，得到最后的细化语义信息；最后输出预测分类头，得到预测答案。通过本发明增强视觉问答系统的对多阶知识的感知，增强推理能力，获得准确的预测结果。
-
公开(公告)号：CN118799690A
公开(公告)日：2024-10-18
申请号：CN202411273116.2
申请日：2024-09-12
Applicant: 中国海洋大学
IPC: G06V10/80 , G06V10/75 , G06V10/764 , G06V10/82 , G06N5/04
Abstract: 本发明属于图像处理技术领域，公开了基于多阶知识对比的海洋遥感视觉问答方法及系统，采用遵循双塔网络的结构，分别为文本流和海洋遥感图像流，包括多阶表征模块、多阶语义解耦模块、多阶语义融合模块和多阶对比学习模块，通过多阶表征模块获得文本和海洋遥感图像的多阶表征；通过多阶语义解耦模块获得低阶表征和高阶表征，多阶语义融合模块将多阶语义解耦模块得到的低阶表征和高阶表征融合，获得最终低阶表征和高阶表征；多阶对比学习模块将高阶特征和低阶特征进行对比，采用以多阶对比学习损失为主导的三个损失函数约束多模态信息的表征与融合。通过本发明实现多阶特征的交互与融合，增强问答系统对多阶知识的感知，增强推理能力。
-
公开(公告)号：CN117935066A
公开(公告)日：2024-04-26
申请号：CN202410338050.4
申请日：2024-03-25
Applicant: 中国海洋大学
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于图像处理技术领域，公开了基于并行多尺度约束的海表面温度补全方法及系统，该方法包括：步骤S1、全局约束阶段：以过去七天海表面温度图像W和七通道海表面温度周均值图像A作为输入；W与A做差得到海表面温度差异值C；W与A输入并行多尺度特征约束网络，所述并行多尺度特征约束网络分为上下两流，上流是基于Swin‑Transformer的U‑net网络，下流是基于卷积的U‑net网络，上下两流网络输出的特征图进行融合，输出全局一致性约束序列X，为下一阶段提供全局一致性约束；步骤S2、差异约束修复阶段：以海表面温度差异值C和全局一致性约束序列X作为差异约束修复阶段的输入，输出海表面温度图像补全值R。通过本发明提高海表面温度图像补全的精度。
-
公开(公告)号：CN119539093B
公开(公告)日：2025-05-13
申请号：CN202510104910.2
申请日：2025-01-23
Applicant: 中国海洋大学
IPC: G06N5/04 , G06F18/25 , G06F18/213 , G06N3/0455 , G06V10/44
Abstract: 本申请涉及图像处理领域，公开了基于遥感篡改图像的视觉问答方法、系统、设备及介质，包括：通过主分支网络对篡改图像进行视觉特征提取，边缘先验引导块对各层编码器的输入特征进行特征提取；通过先验分支对图像进行边缘检测获得边缘先验特征，边缘先验特征与每个边缘先验引导块中的输入特征融合后输出，作为下一个边缘先验引导块的输入特征进行视觉特征提取；通过边缘先验特征引导，对输入文本进行特征提取，将提取的视觉特征和文本特征跨模态融合；根据融合后的特征，进行多模态推理，输出问答结果；本申请通过引入先验分支以给主分支提供边缘先验特征，显著恢复并加强了复制‑移动篡改图像的边缘伪影，提高篡改图像分析和理解准确性。
-
公开(公告)号：CN118697008A
公开(公告)日：2024-09-27
申请号：CN202411027596.4
申请日：2024-07-30
Applicant: 中国海洋大学
IPC: A23K20/142 , A23K50/80 , A01K61/51
Abstract: 本发明提供一种提高皱纹盘鲍抗病能力的养殖方法，是在养殖过程中投喂添加了谷氨酰胺的饲料，从而有效提高皱纹盘鲍的抗病能力。本发明首先提供谷氨酰胺的一种用途，是作为饲料添加剂来制备提高皱纹盘鲍抗病能力的饲料的应用；其中谷氨酰胺在饲料中的添加质量百分比浓度为0.2～1.6％，作为优选，所述的谷氨酰胺在饲料中的添加浓度为0.4％。本发明还提供一种皱纹盘鲍的养殖方法，所述的方法，是在养殖期间投喂添加了谷氨酰胺的饲料，从而有效降低了染菌后皱纹盘鲍的死亡率，提升了皱纹盘鲍的免疫力。
-
Patent Agency Ranking
公开(公告)号：CN119068206B
公开(公告)日：2025-03-04
申请号：CN202411578788.4
申请日：2024-11-07
Applicant: 中国海洋大学
Abstract: 本发明属于视觉问答技术领域，公开了一种基于高阶知识增强的海洋遥感视觉问答方法，包括：步骤S1、提取单模态特征；步骤S2、提取多模态特征：利用跨模态局部约束注意力生成高阶的跨模态特征，并输入关注选择块，得到多模态特征；步骤S3、提取知识增强实体关联表示：通过知识增强实体关联模块识别图像‑问题对中的视觉和文本实体，并采用知识相关性推理策略来学习知识增强的实体表示，然后对实体融合获得知识增强实体关联表示；步骤S4、生成视觉问答结果：将步骤S2生成的多模态特征与步骤S3生成的知识增强实体关联表示连接起来形成生成答案的表示。通过本发明可以有效提取上下文图像‑问题对信息，生成准确的视觉问答结果。
-
公开(公告)号：CN119539093A
公开(公告)日：2025-02-28
申请号：CN202510104910.2
申请日：2025-01-23
Applicant: 中国海洋大学
IPC: G06N5/04 , G06F18/25 , G06F18/213 , G06N3/0455 , G06V10/44
Abstract: 本申请涉及图像处理领域，公开了基于遥感篡改图像的视觉问答方法、系统、设备及介质，包括：通过主分支网络对篡改图像进行视觉特征提取，边缘先验引导块对各层编码器的输入特征进行特征提取；通过先验分支对图像进行边缘检测获得边缘先验特征，边缘先验特征与每个边缘先验引导块中的输入特征融合后输出，作为下一个边缘先验引导块的输入特征进行视觉特征提取；通过边缘先验特征引导，对输入文本进行特征提取，将提取的视觉特征和文本特征跨模态融合；根据融合后的特征，进行多模态推理，输出问答结果；本申请通过引入先验分支以给主分支提供边缘先验特征，显著恢复并加强了复制‑移动篡改图像的边缘伪影，提高篡改图像分析和理解准确性。
-
公开(公告)号：CN118862002B
公开(公告)日：2025-01-28
申请号：CN202411345172.2
申请日：2024-09-26
Applicant: 中国海洋大学
IPC: G06F18/25 , G06V10/80 , G06N5/04 , G06V10/82 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明属于视觉问答技术领域，公开了面向遥感视觉问答的位置和语义优化方法及系统，分为文本流和海洋遥感图像流，包括以下步骤：步骤S1、输入海洋遥感图像和文本；步骤S2、跨模态语境融合：通过交叉模态位置约束注意力机制来整合文本和海洋遥感图像信息，生成交叉模态特征；步骤S3、语义推理：通过语义图Transformer提取语义图Gs中的语义信息，得到最后的细化语义信息；最后输出预测分类头，得到预测答案。通过本发明增强视觉问答系统的对多阶知识的感知，增强推理能力，获得准确的预测结果。
-
公开(公告)号：CN117935066B
公开(公告)日：2024-05-28
申请号：CN202410338050.4
申请日：2024-03-25
Applicant: 中国海洋大学
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于图像处理技术领域，公开了基于并行多尺度约束的海表面温度补全方法及系统，该方法包括：步骤S1、全局约束阶段：以过去七天海表面温度图像W和七通道海表面温度周均值图像A作为输入；W与A做差得到海表面温度差异值C；W与A输入并行多尺度特征约束网络，所述并行多尺度特征约束网络分为上下两流，上流是基于Swin‑Transformer的U‑net网络，下流是基于卷积的U‑net网络，上下两流网络输出的特征图进行融合，输出全局一致性约束序列X，为下一阶段提供全局一致性约束；步骤S2、差异约束修复阶段：以海表面温度差异值C和全局一致性约束序列X作为差异约束修复阶段的输入，输出海表面温度图像补全值R。通过本发明提高海表面温度图像补全的精度。
-
公开(公告)号：CN119068206A
公开(公告)日：2024-12-03
申请号：CN202411578788.4
申请日：2024-11-07
Applicant: 中国海洋大学
Abstract: 本发明属于视觉问答技术领域，公开了一种基于高阶知识增强的海洋遥感视觉问答方法，包括：步骤S1、提取单模态特征；步骤S2、提取多模态特征：利用跨模态局部约束注意力生成高阶的跨模态特征，并输入关注选择块，得到多模态特征；步骤S3、提取知识增强实体关联表示：通过知识增强实体关联模块识别图像‑问题对中的视觉和文本实体，并采用知识相关性推理策略来学习知识增强的实体表示，然后对实体融合获得知识增强实体关联表示；步骤S4、生成视觉问答结果：将步骤S2生成的多模态特征与步骤S3生成的知识增强实体关联表示连接起来形成生成答案的表示。通过本发明可以有效提取上下文图像‑问题对信息，生成准确的视觉问答结果。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.024 seconds)
