-
公开(公告)号：CN116071556A
公开(公告)日：2023-05-05
申请号：CN202310311383.3
申请日：2023-03-28
Applicant: 之江实验室
IPC: G06V10/26 , G06V10/762 , G06V10/52 , G06V10/80
Abstract: 本发明公开了一种基于目标框的大尺寸图像自适应裁剪方法和装置，基于包含目标框的训练样本图像和未标注的测试样本图像，从训练样本中分层采样部分数据作为验证样本，使用循环聚类算法提取训练样本图像的目标框特征集合，使用验证样本对目标框特征集合筛选并验证，得到最优的自适应的目标框特征集合，以此作为滑窗平铺裁剪的重叠像素基准，将大图裁剪成多个子图。该方法提出了多尺度融合的特征提取改进算法、新的特征筛选算法及裁剪评价函数，优化了滑窗平铺裁剪算法，一定程度上解决了大尺寸图像裁剪预处理过程中的关键信息丢失，裁剪子图数量多、信息冗余，耗时长的问题。
-
公开(公告)号：CN116051620A
公开(公告)日：2023-05-02
申请号：CN202310342885.2
申请日：2023-04-03
Applicant: 之江实验室
Abstract: 本发明公开了一种基于InSAR技术冻土区活动层厚度估计方法和系统，该方法包括以下步骤：首先获取冻土实验区时间序列SAR图像、土壤含水量数据、土壤孔隙度数据并对数据预处理；然后对时间序列SAR图像进行差分干涉处理；再构建InSAR季节性形变模型；然后基于InSAR季节性形变模型的进行时序InSAR解算流程；最后构建InSAR季节性形变的活动层厚度反演模型，并根据冻土实验区的季节性形变获取大范围多年冻土区的活动层厚度。本发明可应用于大范围多年冻土区活动层厚度的估计，能够大范围、高精度、高分辨率的获取多年冻土区的活动层厚度结果，这对冻土区的环境、水文生态、工程建筑的运营具有重要科学与工程意义。
-
公开(公告)号：CN115409174B
公开(公告)日：2023-03-31
申请号：CN202211354686.5
申请日：2022-11-01
Applicant: 之江实验室
Abstract: 本发明公开一种基于DRAM存内计算的碱基序列过滤方法与装置，该方法为：步骤一，根据DRAM的存储阵列的列宽和所要筛选目标碱基序列的起点地址，筛选出目标碱基序列后进行重新整理组合；步骤二，对重新整理组合后的目标碱基序列分别进行碱基为A腺嘌呤、G鸟嘌呤、C胞嘧啶、T胸腺嘧啶的标记并获取到对应碱基的标记行；步骤三，对标记行数据进行移位后统计标记行中位置值为1的个数，获得对应碱基的统计结果；步骤四，利用参考碱基序列的统计结果与所述目标碱基序列的统计结果进行对比，过滤所筛选的目标碱基序列。本发明将位置匹配筛选放置在内存子阵列中进行，减少了大量数据在cpu与内存之间的搬移，成倍提升了计算效率，降低了功耗。
-
公开(公告)号：CN115860378A
公开(公告)日：2023-03-28
申请号：CN202211500037.1
申请日：2022-11-28
Applicant: 之江实验室
IPC: G06Q10/0631
Abstract: 本申请涉及一种资源分配方法、装置、系统和电子装置，其中，该方法包括：获取待分配资源，以及待分配资源对应的初始权值矩阵，并根据初始权值矩阵以及预设的权值筛选范围生成初始优匹配点集合；针对优匹配点集合进行循环搜索处理，检测是否存在与初始权值矩阵对应的权值更新结果；若未检测到权值更新结果，获取初始优匹配点集合对应的匹配点数据；若检测到权值更新结果，根据权值更新结果和初始权值矩阵生成目标优匹配点集合，并获取目标优匹配点集合对应的匹配点数据；基于匹配点数据生成目标资源分配结果。通过本申请，解决了资源分配方法的效率低的问题，实现了高效、准确的资源分配方法。
-
公开(公告)号：CN114612802A
公开(公告)日：2022-06-10
申请号：CN202210508800.9
申请日：2022-05-11
Applicant: 之江实验室
IPC: G06V20/13 , G06V10/40 , G06V10/77 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于MBCNN的舰船目标细粒度分类系统及方法。所述方法包括获取可见光遥感图像的舰船图像并输入预训练好的舰船目标检测模型，经过网络前向推理，输出所有舰船的位置坐标信息；对可见光遥感舰船图像按照舰船的位置坐标信息进行裁剪，获得舰船图像；对舰船图像进行预处理，得到归一化后的舰船图像；构建舰船目标细粒度分类模型，并进行预训练；将该舰船图像输入预训练好的舰船目标细粒度分类模型，经过网络前向推理，输出舰船所属的种类标签。本发明具有准确性高、识别效率高的特点，解决了传统BCNN的一些计算上的缺陷以及细粒度分类上存在的问题。
-
Patent Agency Ranking
公开(公告)号：CN116363390B
公开(公告)日：2023-09-19
申请号：CN202310598305.6
申请日：2023-05-25
Applicant: 之江实验室
IPC: G06V10/46 , G06V10/40 , G06V10/774 , G06V10/28 , G06V10/25 , G06V10/764 , G06V10/20
Abstract: 本说明书公开了一种红外弱小目标检测方法、装置、存储介质及电子设备，包括：针对获取到的待检测的红外图像的每一个像素点，以该像素点为中心，将待检测的红外图像划分成若干区域，再从划分出的各区域中，确定该像素点的中心区域、各第一区域和各第二区域。再确定该像素点的第一灰度值、第二灰度值以及第三灰度值。然后，根据第一灰度值、第二灰度值和第三灰度值，确定该像素点的梯度特征。根据各像素点的梯度特征，确定待检测的红外图像的显著特征图。根据显著特征图，确定待检测的红外图像的目标检测结果。可以减少噪声和杂波点对红外弱小目标检测结果的影响，提高对红外弱小目标检测的速度以及准确度。
-
公开(公告)号：CN116148855A
公开(公告)日：2023-05-23
申请号：CN202310349555.6
申请日：2023-04-04
Applicant: 之江实验室
Abstract: 本发明公开了一种时序InSAR大气相位去除和形变解算的方法及系统，该方法首先获取监测区的时间序列SAR图像及DEM数据，并进行预处理、差分干涉、滤波及相位解缠；其次构建含有大气相位的差分干涉图的样本库；再基于条件生成对抗神经网络CGAN对样本库进行增广并构建完整版样本库；然后基于TransUNet网络构建大气相位去除TransUNet网络模型，并进行训练和测试，以去除差分干涉图中的大气相位；最后基于去除大气相位后的差分干涉图进行时序InSAR的形变解算，以获取监测区的地表形变信息。本发明能够突破现有InSAR技术中无法完全消除大气相位误差的技术瓶颈，同时提高了时序InSAR形变解算的精度。
-
公开(公告)号：CN114814843B
公开(公告)日：2022-10-04
申请号：CN202210734885.2
申请日：2022-06-27
Applicant: 之江实验室
Abstract: 本发明公开了一种基于CPU‑GPU异构并行的InSAR分布式散射体干涉技术的地表形变反演方法和系统，基于CPU‑GPU异构硬件的并行编程模型OpenMP+CUDA，实现高效的InSAR分布式散射体干涉技术的处理流程，并提出了不同算法结构和数据结构的多层级并行方法。本发明创新性地运用CPU‑GPU异构硬件实现了较高并行性能的分布式散射体干涉技术，提高了InSAR技术的解算效率和速度，突破了分布式散射体干涉技术快速解算的技术瓶颈，该方法可应用于自然地表大区域的形变反演。
-
公开(公告)号：CN116071556B
公开(公告)日：2023-07-07
申请号：CN202310311383.3
申请日：2023-03-28
Applicant: 之江实验室
IPC: G06V10/26 , G06V10/762 , G06V10/52 , G06V10/80
Abstract: 本发明公开了一种基于目标框的大尺寸图像自适应裁剪方法和装置，基于包含目标框的训练样本图像和未标注的测试样本图像，从训练样本中分层采样部分数据作为验证样本，使用循环聚类算法提取训练样本图像的目标框特征集合，使用验证样本对目标框特征集合筛选并验证，得到最优的自适应的目标框特征集合，以此作为滑窗平铺裁剪的重叠像素基准，将大图裁剪成多个子图。该方法提出了多尺度融合的特征提取改进算法、新的特征筛选算法及裁剪评价函数，优化了滑窗平铺裁剪算法，一定程度上解决了大尺寸图像裁剪预处理过程中的关键信息丢失，裁剪子图数量多、信息冗余，耗时长的问题。
-
公开(公告)号：CN116363390A
公开(公告)日：2023-06-30
申请号：CN202310598305.6
申请日：2023-05-25
Applicant: 之江实验室
IPC: G06V10/46 , G06V10/40 , G06V10/774 , G06V10/28 , G06V10/25 , G06V10/764 , G06V10/20
Abstract: 本说明书公开了一种红外弱小目标检测方法、装置、存储介质及电子设备，包括：针对获取到的待检测的红外图像的每一个像素点，以该像素点为中心，将待检测的红外图像划分成若干区域，再从划分出的各区域中，确定该像素点的中心区域、各第一区域和各第二区域。再确定该像素点的第一灰度值、第二灰度值以及第三灰度值。然后，根据第一灰度值、第二灰度值和第三灰度值，确定该像素点的梯度特征。根据各像素点的梯度特征，确定待检测的红外图像的显著特征图。根据显著特征图，确定待检测的红外图像的目标检测结果。可以减少噪声和杂波点对红外弱小目标检测结果的影响，提高对红外弱小目标检测的速度以及准确度。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.031 seconds)
