-
公开(公告)号：CN113808026A
公开(公告)日：2021-12-17
申请号：CN202010538341.X
申请日：2020-06-12
Abstract: 一种图像处理方法及装置。根据该方法，在接收目标图像的图像数据后，可以基于网络参数对所述图像数据进行处理，获得所述目标图像的增强的图像特征数据，并基于所述增强的图像特征数据对所述目标图像进行处理。其中，所述目标图像为低质图像，所述网络参数用于指示低质图像的特征数据与清晰图像的特征数据之间的对应关系。所述方法能够提升低质图像的处理效果。
-
公开(公告)号：CN113807360A
公开(公告)日：2021-12-17
申请号：CN202010537872.7
申请日：2020-06-12
Abstract: 本申请公开了一种图像处理方法、装置及存储介质，涉及图像处理领域。本申请可以基于方向信息和图像的多尺度特征图，获取图像中各纹理基元的特征之间的依赖关系，以及根据图像的至少一个尺度的特征图获得图像的至少一组纹理特征，并根据依赖关系、及前述至少一组纹理特征获得图像的纹理表示结果。然后，可以根据图像的纹理表示结果对图像进行处理。由于图像的纹理表示结果能够反映出的图像的纹理信息更加完善，所以，根据图像的纹理表示结果，进行图像识别、图像分割、或图像合成等图像处理时，图像处理的效果会更好。
-
公开(公告)号：CN119669601A
公开(公告)日：2025-03-21
申请号：CN202411841715.X
申请日：2024-12-13
Applicant: 中国科学技术大学先进技术研究院 , 中国科学技术大学
Abstract: 本申请公开了一种基于神经流体场的VOCs流体三维重建方法和装置，属于计算机技术领域。所述基于神经流体场的VOCs流体三维重建方法包括：将获取的目标空间中石化气体在样本时段内对应的样本流体图像和样本流体图像对应的样本标签输入至神经流体场模型，得到神经流体场模型输出的石化气体对应的第一流体图像；基于第一流体图像、样本流体图像和样本标签中至少一种，构建目标损失函数；基于目标损失函数训练神经流体场模型。本申请的基于神经流体场的VOCs流体三维重建方法可以从多视角的视频数据中恢复出VOCs流体的速度场和密度场，适用于处理缺乏稳定视觉特征的VOCs流体，能更好地支持实时监测和三维重建等应用，检测精度较高。
-
公开(公告)号：CN113850172B
公开(公告)日：2025-04-29
申请号：CN202111096477.0
申请日：2021-09-18
Applicant: 中国科学技术大学先进技术研究院 , 中国科学技术大学
IPC: G06V10/25 , G06V10/82 , G06V10/764 , G06V10/766 , G06V20/52 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/048
Abstract: 本发明的一种微尺度VOCs泄漏检测方法、系统、存储介质及设备，包括以下步骤：S10、获取VOCs泄漏区和无泄漏区的红外图像进行数据预处理；S20、将预处理数据输入骨干网络，采用不同大小的核函数进行特征学习；S30、使用粗分类模块过滤大量非VOCs泄漏气体背景区域，提取出疑似VOCs泄漏图像；S40、使用细分类模块对疑似VOCs泄漏图像进行分类，并对VOCs泄漏位置回归定位，进而得出检测结果。本发明充分利用卷积神经网络对VOCs泄漏红外图像特征学习，通过粗粒度到细粒度框架，粗分类器有效的过滤大量背景信息，减少了计算量，使用细分类器进行精准定位和识别分类，从而有效的节省计算资源并提高检测准确性。
-
公开(公告)号：CN119714275A
公开(公告)日：2025-03-28
申请号：CN202411841713.0
申请日：2024-12-13
Applicant: 中国科学技术大学先进技术研究院 , 中国科学技术大学
Abstract: 本申请公开了一种基于簇池化图神经网络的多无人机目标覆盖路径规划方法，属于路径规划领域。所述方法包括：基于当前时刻下各无人机的位置信息和各无人机的已探索区域信息获取各无人机在当前时刻下的已探索子图；在全部无人机对应的已探索子图的总覆盖区域小于目标区域的情况下，将至少一个无人机对应的已探索子图分别输入至图神经网络模型获取至少一个无人机对应的目标运动路径；控制至少一个无人机基于目标运动路径运动并获取至少一个无人机运动后的位置信息和已探索区域信息，以更新至少一个无人机的已探索子图；在全部无人机对应的更新后的已探索子图的总覆盖区域与目标区域重合的情况下控制各无人机停止运动。本申请的覆盖任务完成效率较高。
-
Patent Agency Ranking
公开(公告)号：CN120028294A
公开(公告)日：2025-05-23
申请号：CN202510094484.9
申请日：2025-01-21
Applicant: 中国科学技术大学先进技术研究院 , 中国科学技术大学
IPC: G01N21/59 , G01N21/3504 , G16C20/30 , G16C20/70
Abstract: 本申请公开了一种基于辐射模型的石化VOCs浓度像素估计方法和装置，属于浓度估计技术领域。所述基于辐射模型的石化VOCs浓度像素估计方法，包括：获取石化挥发性有机化合物对应的可见光烟雾图像和红外光烟雾图像；分别计算可见光烟雾图像对应的可见光大气光值，和红外光烟雾图像对应的红外光大气光值；基于可见光大气光值和红外光大气光值，分别计算可见光烟雾图像对应的可见光透过率图，以及非气体区域对应的红外光非气体透过率图；基于红外光大气光值、可见光透过率图以及红外光非气体透过率图，得到气体区域对应的辐射强度图像；将辐射强度图像输入至目标浓度预测模型，得到目标浓度预测模型输出的石化挥发性有机化合物的浓度信息。
-
公开(公告)号：CN119066597A
公开(公告)日：2024-12-03
申请号：CN202411566368.4
申请日：2024-11-05
Applicant: 中国科学技术大学
IPC: G06F18/2433 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种锡膏印刷质量异常预测方法、系统、设备及存储介质，它们是一一对应的方案，方案中：依据PCB分层结构和印刷质量的空间相关性，分别利用引脚图卷积和元件图卷积捕获引脚间和元件间空间相关性，再利用分配‑聚合操作搭建引脚图卷积和元件图卷积间的沟通桥梁，可以分层捕获不同层次的锡膏印刷质量和PCB布局的关联，从而有效提高印刷异常的预测准确率。
-
公开(公告)号：CN114677547B
公开(公告)日：2024-03-29
申请号：CN202210363652.6
申请日：2022-04-07
Applicant: 中国科学技术大学
IPC: G06V10/764 , G06V10/774 , G06V10/74 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/082 , G06N3/084 , G06N3/096 , G06N3/0985
Abstract: 本发明公开了一种基于自保持表征扩展的类增量学习的图像分类方法，包括：1、利用初始图片集优化得到基本的图像分类网络；2、基于残差适应器，对初始特征提取部分进行结构扩展；3、输入重采样的初始类原型和增量类样本，计算扩展后网络的分类损失函数；4、将增量类样本输入扩展前的特征提取部分，利用欧式距离计算蒸馏损失函数。5、根据损失函数更新网络，并引入结构重参数化技术恢复网络结构，获得增量后的分类网络。本发明能解决图像分类网络基于用户数据进行结构扩增过程中参数量增长过快，以及依赖额外记忆内存的问题，从而在提升图像增量分类能力的同时，降低了对网络存储的需求，避免了训练图像增量分类网络时泄露用户隐私的可能。
-
公开(公告)号：CN117370921A
公开(公告)日：2024-01-09
申请号：CN202311203577.8
申请日：2023-09-18
Applicant: 中国环境科学研究院 , 中国科学技术大学 , 中国科学院合肥物质科学研究院
IPC: G06F18/25 , G06F18/211 , G06F18/213 , G06F18/23 , G06F18/214
Abstract: 本发明的一种多源异构数据融合校验分析方法、设备及存储介质，包括对多种监测手段收集的监测数据进行数据有效性检验；将多种检测设备采集的车辆工况信息以及污染排放信息进行特征融合，并基于Markov毯共性特征学习模型将不同监测数据的工况排放特征图映射到高维空间进行特征对齐；对多源污染监测数据的共性特征进行增量学习，实现多种监测数据污染排放因子水平的一致性估算。本发明利用Markov毯进行工况特征筛选，提取与污染排放相关的特征子集，并利用残差网络特征提取能力构建多源监测数据的共性特征空间，最后利用宽度学习结构增量式学习对多源污染监测数据的共性特征进行增量学习，有效实现多源异构数据的深度特征对齐。
-
公开(公告)号：CN113780135B
公开(公告)日：2023-08-04
申请号：CN202111012923.5
申请日：2021-08-31
Applicant: 中国科学技术大学先进技术研究院
IPC: G06V20/52 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明的一种跨场景的VOCs气体泄漏检测方法、系统及存储介质，包括以下步骤，获取存在VOCs泄漏和无泄漏的红外视频数据并对其进行数据预处理；采用GMM去除红外视频静态背景，提取出红外图像中疑似VOCs泄漏区域；对目标检测模型Faster RCNN神经网络模型进行预训练；通过已训练好的Faster RCNN神经网络模型，构造迁移学习中的源域特征数据集和目标域特征数据集；运用域自适应的迁移学习方法对GMM提取出的红外疑似VOCs泄漏区域进行识别。本发明能够克服现有方法的不足，充分利用红外视频中VOCs气体区域的领域知识对视频帧中的可疑烟雾区域分割，随后再使用Faster RCNN神经网络模型，运用迁移学习的方式对VOCs泄漏区域进行检测识别，从而降低计算性能需求和标记所带来的时间耗费。
-
-
-
-
-
-
-
-
-
Search Results
128
records
(took 0.099 seconds)
