-
公开(公告)号：CN114511243B
公开(公告)日：2025-02-28
申请号：CN202210163285.5
申请日：2022-02-22
Applicant: 哈尔滨工业大学(深圳)
IPC: G06Q10/0635 , G06Q50/26 , G06N3/0464 , G06N3/08 , G16Y40/10 , G16Y40/50
Abstract: 本申请提供了一种基于物联网监测的火灾风险动态评估的方法及系统，所述方法通过获取目标建筑中目标区域的当前温度和当前环境监控数据，并依据所述当前温度和所述当前环境监控数据生成当前火源是否存在信息；获取目标建筑中目标区域的当前环境信息，并通过由所述第一神经网络预建立的第一关系确定出与所述当前环境信息所对应的当前环境信息处理结果；通过第二神经网络预建立的第二关系确定出与所述当前环境信息处理结果所对应的目标建筑中目标区域的当前火灾风险等级。通过物联网实时获取建筑物当前的环境信息，为后续动态评估火灾风险提供了数据基础，通过神经网络实时动态评估出建筑物的火灾风险等级，可以对建筑物进行有效的监管。
-
公开(公告)号：CN109658344A
公开(公告)日：2019-04-19
申请号：CN201811338660.5
申请日：2018-11-12
Applicant: 哈尔滨工业大学(深圳) , 深圳云安宝科技有限公司
Abstract: 本发明公开了一种基于深度学习的图像去噪方法，搭建神经网络图像去噪模型，选取训练集，并设置训练参数；根据神经网络图像去噪模型及其训练参数，以最小平方差函数作为损失函数，应用在模型训练过程，形成深度学习的神经网络图像去噪模型；将待处理的图像输入到所述神经网络图像去噪模型，输出去噪后的无噪声图像，根据噪声的分布程度引入相应的权重到网络模型中，为了防止梯度消失或者梯度爆炸的情况，引入残差学习过程，并采用LN横向规范化形式将经过卷积层得到特征进行归一化来统一数据的分布，使数据保存在相同的范围，并加快网络收敛速度，可广泛适用于高斯噪声、真实图像噪声、超分辨等低水平视觉的图像任务处理过程。
-
公开(公告)号：CN109087273A
公开(公告)日：2018-12-25
申请号：CN201810803674.3
申请日：2018-07-20
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于增强的神经网络的图像复原方法，所述方法包括以下步骤：S1、将待复原图像变换成不同缩放因子下的多个低分辨率图像；S2、将多个低分辨率图像分别输入至预先训练好的第一深度卷积神经网络，从而得到对应的不同缩放因子下的多个高分辨率图像；S3、将S2中的多个高分辨率图像分别变换为与待复原图像大小一样的图像，并将这些图像进行融合以得到复原后的图像。本发明还公开了相应的存储介质与图像复原系统。本发明可以防止网络在训练过程中退化并加快收敛速度。
-
Patent Agency Ranking
公开(公告)号：CN114511243A
公开(公告)日：2022-05-17
申请号：CN202210163285.5
申请日：2022-02-22
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本申请提供了一种基于物联网监测的火灾风险动态评估的方法及系统，所述方法通过获取目标建筑中目标区域的当前温度和当前环境监控数据，并依据所述当前温度和所述当前环境监控数据生成当前火源是否存在信息；获取目标建筑中目标区域的当前环境信息，并通过由所述第一神经网络预建立的第一关系确定出与所述当前环境信息所对应的当前环境信息处理结果；通过第二神经网络预建立的第二关系确定出与所述当前环境信息处理结果所对应的目标建筑中目标区域的当前火灾风险等级。通过物联网实时获取建筑物当前的环境信息，为后续动态评估火灾风险提供了数据基础，通过神经网络实时动态评估出建筑物的火灾风险等级，可以对建筑物进行有效的监管。
-
公开(公告)号：CN109658344B
公开(公告)日：2022-10-25
申请号：CN201811338660.5
申请日：2018-11-12
Applicant: 哈尔滨工业大学(深圳) , 深圳云安宝科技有限公司
Abstract: 本发明公开了一种基于深度学习的图像去噪方法，搭建神经网络图像去噪模型，选取训练集，并设置训练参数；根据神经网络图像去噪模型及其训练参数，以最小平方差函数作为损失函数，应用在模型训练过程，形成深度学习的神经网络图像去噪模型；将待处理的图像输入到所述神经网络图像去噪模型，输出去噪后的无噪声图像，根据噪声的分布程度引入相应的权重到网络模型中，为了防止梯度消失或者梯度爆炸的情况，引入残差学习过程，并采用LN横向规范化形式将经过卷积层得到特征进行归一化来统一数据的分布，使数据保存在相同的范围，并加快网络收敛速度，可广泛适用于高斯噪声、真实图像噪声、超分辨等低水平视觉的图像任务处理过程。
-
公开(公告)号：CN108280811A
公开(公告)日：2018-07-13
申请号：CN201810063893.2
申请日：2018-01-23
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明公开了一种基于神经网络的图像去噪方法，包括：获取场景的高感光度图像和低感光度图像；生成第一神经网络模型，并利用第一神经网络模型对低感光度图像进行去噪处理，得到去噪后的低感光度图像；将高感光度图像和去噪后的低感光度图像构成训练图像数据库，并利用训练图像数据库训练神经网络模型，生成用于图像去噪的第二神经网络模型；将待处理图像作为第二神经网络模型的输入，经处理后得到对应的干净图像。此外，还公开了一种基于神经网络的图像去噪系统。上述基于神经网络的图像去噪方法和系统能处理具有真实噪声信息的图像，具有现实的应用意义。
-
公开(公告)号：CN109087273B
公开(公告)日：2021-09-14
申请号：CN201810803674.3
申请日：2018-07-20
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于增强的神经网络的图像复原方法，所述方法包括以下步骤：S1、将待复原图像变换成不同缩放因子下的多个低分辨率图像；S2、将多个低分辨率图像分别输入至预先训练好的第一深度卷积神经网络，从而得到对应的不同缩放因子下的多个高分辨率图像；S3、将S2中的多个高分辨率图像分别变换为与待复原图像大小一样的图像，并将这些图像进行融合以得到复原后的图像。本发明还公开了相应的存储介质与图像复原系统。本发明可以防止网络在训练过程中退化并加快收敛速度。
-
公开(公告)号：CN108280811B
公开(公告)日：2021-07-06
申请号：CN201810063893.2
申请日：2018-01-23
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明公开了一种基于神经网络的图像去噪方法，包括：获取场景的高感光度图像和低感光度图像；生成第一神经网络模型，并利用第一神经网络模型对低感光度图像进行去噪处理，得到去噪后的低感光度图像；将高感光度图像和去噪后的低感光度图像构成训练图像数据库，并利用训练图像数据库训练神经网络模型，生成用于图像去噪的第二神经网络模型；将待处理图像作为第二神经网络模型的输入，经处理后得到对应的干净图像。此外，还公开了一种基于神经网络的图像去噪系统。上述基于神经网络的图像去噪方法和系统能处理具有真实噪声信息的图像，具有现实的应用意义。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
