公开(公告)号：CN109583369B

公开(公告)日：2020-11-13

申请号：CN201811439484.4

申请日：2018-11-29

Applicant: 北京邮电大学

Inventor： 尤亚楠 ,  张康 ,  刘芳 ,  刘军 ,  杨阳

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T7/11

Abstract: 本发明实施例提供了一种基于目标区域分割网络的目标识别方法及装置，方法包括：获取待处理的遥感图像，并对遥感图像进行图像切分，得到多个子图像；将各子图像输入预先训练得到的特征提取网络中，得到各子图像对应的各特征图；将各特征图分别输入预先训练得到的目标位置提取网络和目标区域分割网络中，得到各特征图对应的候选框和目标区域分割结果，并根据目标区域分割结果，将各特征图中属于非目标区域的部分置为0；将各特征图输入预先训练得到的目标分类网络中，得到标注有各目标位置的目标特征图，并将各目标特征图进行融合和格式恢复，得到遥感图像对应的识别结果图像。本实施例能够准确的对遥感图像进行目标识别。

公开(公告)号：CN110995470A

公开(公告)日：2020-04-10

申请号：CN201911113034.0

申请日：2019-11-14

Applicant: 国网河北省电力有限公司雄安新区供电公司 ,  北京邮电大学

Inventor： 钟成 ,  张正文 ,  郭少勇 ,  戴瑶 ,  胡杏 ,  张康 ,  张亚杰 ,  阮琳娜

IPC: H04L12/24 ,  H04L29/08

Abstract: 本发明实施例提供一种基于区块链的网络功能分配方法及装置，所述方法包括：接收物理层的服务请求，将所述服务请求分配到边缘网络层；根据所述服务请求建立服务功能链的初始编排；通过所述边缘网络层中预设的强化学习算法对所述服务功能链的初始编排进行强化学习，并根据所述服务功能链的网络资源消耗确定所述服务功能链的优选编排；将所述服务功能链的优选编排注册到区块链。采用本方法能够提供一种基于区块链的降低网络资源成本的网络功能分配方法。

公开(公告)号：CN109583369A

公开(公告)日：2019-04-05

申请号：CN201811439484.4

申请日：2018-11-29

Applicant: 北京邮电大学

Inventor： 尤亚楠 ,  张康 ,  刘芳 ,  刘军 ,  杨阳

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T7/11

Abstract: 本发明实施例提供了一种基于目标区域分割网络的目标识别方法及装置，方法包括：获取待处理的遥感图像，并对遥感图像进行图像切分，得到多个子图像；将各子图像输入预先训练得到的特征提取网络中，得到各子图像对应的各特征图；将各特征图分别输入预先训练得到的目标位置提取网络和目标区域分割网络中，得到各特征图对应的候选框和目标区域分割结果，并根据目标区域分割结果，将各特征图中属于非目标区域的部分置为0；将各特征图输入预先训练得到的目标分类网络中，得到标注有各目标位置的目标特征图，并将各目标特征图进行融合和格式恢复，得到遥感图像对应的识别结果图像。本实施例能够准确的对遥感图像进行目标识别。

公开(公告)号：CN119941510A

公开(公告)日：2025-05-06

申请号：CN202510052786.X

申请日：2025-01-14

Applicant: 北京邮电大学

Inventor： 张雪松 ,  张康 ,  韩雷

IPC: G06T3/4053 ,  G06T3/4046 ,  G06T5/50 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明公开了一种彩色图像引导的深度图像任意分辨重建方法，涉及计算机视觉、数字图像处理、数字信号处理技术领域。本发明提出的一种针对任意分辨率的深度图像引导式超分辨重建的神经网络模型，包含逐级下采样模块、融合模块、输出采样模块、交叉聚合模块及注意力投射模块。通过结合多分辨率特征提取、自注意力与交叉注意力机制，模型能够高效融合彩色图像和深度图像特征，并在给定目标采样位置完成深度值的高精度重建。模型仅需少量目标位置的深度真值监督，可降低训练资源需求。相比现有技术，本方法支持任意分辨率重建，适用于多种场景深度图像的超分辨率处理。

公开(公告)号：CN115937006A

公开(公告)日：2023-04-07

申请号：CN202111540942.5

申请日：2021-12-16

Applicant: 北京邮电大学 ,  北京联合大学

Inventor： 张雪松 ,  来金枝 ,  张康 ,  江静

IPC: G06T5/00 ,  G06N7/00 ,  G06V10/762

Abstract: 本发明公开了一种基于高斯‑威沙特先验的高光谱图像去噪方法，包括了以下步骤：1)输入受到噪声污染的高光谱图像W，H分别是高光谱图像空间维的长和宽，S为光谱的波段数；2)提取尺寸为dw×dH×S的有重叠的全波段图像块，采用K‑means++将图像块聚类成组输入到非参数贝叶斯CP分解模型中；3)在贝叶斯模型中，通过共轭先验和似然函数的关系推导出参数的后验概率公式，Gibbs采样依次更新待估计的参数；4)由CP分解的权重系数和因子矩阵重建图像组；5)还原图像块，并均值平滑图像块重叠处，重建本次迭代的图像；6)将本次迭代结果和原始输入图像经过正则化系数平衡后，作为下一次迭代的输入图像。经步骤1‑6多次迭代，输出最后一次的重建结果。本发明不需要噪声方差作为输入，具有良好的去噪效果和适用性。