-
Patent Agency Ranking
公开(公告)号：CN117131324A
公开(公告)日：2023-11-28
申请号：CN202311301041.X
申请日：2023-10-08
Applicant: 安徽大学
IPC: G06F17/16
Abstract: 本发明涉及信号处理，具体涉及一种矩阵Cholesky分解协处理器及其系统。该矩阵Cholesky分解协处理器将正定对称矩阵A分解为下三角矩阵L与L的倒置矩阵的乘积，包括：执行加法运算的加法器、执行除法运算的除法器、执行乘法运算乘法器、执行开方运算开方器、存储正定对称矩阵A的输入暂存区、存储下三角矩阵L的输出暂存区、用于数据混合的数据混合器、用于数据源选择的多路选择器、用于存储临时值的临时值存储模块。本发明基于硬件的实现方式，可以显著减少需要执行的软件指令数量，从而提高系统的实时性，并有效降低嵌入式系统的功耗。
-
公开(公告)号：CN118887092A
公开(公告)日：2024-11-01
申请号：CN202410911879.9
申请日：2024-07-09
Applicant: 安徽大学
IPC: G06T3/4053 , G06T3/4046 , G06T3/4007 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于图像结构建模的Transformer超分辨率网络的图像超分辨率方法，包括如下步骤：获取待超分的第一图像；输入所述第一图像至训练好的Transformer超分辨率网络中，得到超分后的第二图像，其中，所述Transformer超分辨率网络的表达式如下：ISR＝HREC(HDF(HSF(ILR)))，式中，ILR为所述第一图像，ISR为所述第二图像，HSF、HDF、HREC分别是浅层特征提取单元、深层特征提取单元以及高分辨率重建单元的函数，所述深层特征提取单元由Transformer层构成。该方法通过对图像中的结构信息局部纹理信息作有针对性的处理，实现了在多种超分辨率任务下的优异表现。
-
公开(公告)号：CN118710544A
公开(公告)日：2024-09-27
申请号：CN202410911857.2
申请日：2024-07-09
Applicant: 安徽大学
IPC: G06T5/73 , G06T5/60 , G06N3/084 , G06N3/0985
Abstract: 本发明提供一种基于多尺度位置自注意力的任意尺寸图像锐化方法，获取待锐化的第一图像；输入第一图像至训练好的多尺度位置自注意力网络中，得到锐化后的第二图像，多尺度位置自注意力网络包括双线性空间插值单元、编码器单元、多尺度位置单元、多块集成单元以及解码器单元。该方法通过编码器单元提取图像特征，多尺度位置单元在提取多尺度信息提高表征能力的同时，还生成特征图用于自注意力计算，此外，还使用多块集成单元增强了对特征信息的全面利用能力，使用解码器单元和双线性空间插值单元根据要进行锐化的尺寸进行图像重建，实现了在任意尺寸图像锐化任务下的优异表现。
-
公开(公告)号：CN118711215A
公开(公告)日：2024-09-27
申请号：CN202410911889.2
申请日：2024-07-09
Applicant: 安徽大学
IPC: G06V40/10 , G06V40/40 , G06V10/143 , G06V10/40 , G06V10/80
Abstract: 本发明提供一种基于掌静脉的身份识别方法及装置，该方法包括：获取红外相机拍摄的用户掌静脉的多帧红外图像；对多帧红外图像进行缩放和增强处理，得到多帧增强图像；对多帧增强图像进行处理，得到包含了心跳周期信息的多维时空特征图；根据多帧红外图像和多维时空特征图进行处理，构建用户掌静脉的联合编码；将用户掌静脉的联合编码与预存的联合编码进行特征对比，得到识别结果。该方法提出利用欧拉放大和拉普拉斯金字塔来增强和融合空域和时域信息，为后续检测过程提供了丰富的特征信息，同时构建逐时间、逐空间的掌静脉血管的时空特征能量图，结合脉搏信息进行信息编码，最后可以得到非常准确的编码信息，确保识别更精准。
-
公开(公告)号：CN118710499A
公开(公告)日：2024-09-27
申请号：CN202410911869.5
申请日：2024-07-09
Applicant: 安徽大学
IPC: G06T3/4053 , G06T3/4046 , G06T3/4007 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于空间光谱交互Transformer网络的图像超分方法，包括如下步骤：获取待超分的第一图像；利用训练好的空间光谱交互Transformer网络的浅层特征提取单元，提取第一图像的浅层特征；利用训练好的空间光谱交互Transformer网络的深层特征提取单元，提取浅层特征的深层特征；利用训练好的空间光谱交互Transformer网络的高分辨率重建单元，对深层特征进行处理，以得到超分后的第二图像。该方法通过浅层特征提取单元提取浅层特征，深层特征提取单元在空间光谱信息交互中加强局部信息的获取，并生成具有短程和远程上下文的特征对，进一步提高特征表示能力，最后通过高分辨率重建单元将这两种层次的信息进行特征融合和重建，从而实现了优秀的图像超分任务表现。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
