公开(公告)号：CN119832211A

公开(公告)日：2025-04-15

申请号：CN202411812939.8

申请日：2024-12-11

Applicant: 无锡学院

Inventor： 李富 ,  顾杨海 ,  王泉 ,  陈德基 ,  魏科宇 ,  祁铭瑞 ,  徐震钧 ,  万茜 ,  刘耀辉

IPC: G06V10/25 ,  G06V10/82 ,  G06N3/045 ,  G06V10/80

Abstract: 本发明公开了一种航拍场景红外小目标检测方法、电子设备及存储介质，属于计算机视觉和图像处理领域技术领域。本发明方法训练一个动态多尺度共享目标检测网络实现红外目标检测，检测网络由骨干网络、颈部网络、头部网络组成，其中骨干网络包含动态共享特征分解层以及扩张多尺度金字塔层，颈部网络由多个上采样层、拼接层、动态共享特征分解层、卷积层级联而成，头部网络包含回归定位分支与分类预测分支。本发明目标检测方法采用动态共享机制与多尺度特征处理相结合，实现对图像特征的高效提取与融合，方法融合多尺度特征和上下文信息，既保留了高层语义信息，又保留了低层细节特征，使得检测目标的边界定位更加精准，分类更加可靠。

公开(公告)号：CN119810511A

公开(公告)日：2025-04-11

申请号：CN202411840437.6

申请日：2024-12-13

Applicant: 无锡学院

Inventor： 张阔 ,  曹燚 ,  周砚 ,  王泉 ,  张永宏 ,  袁程胜 ,  赵鸣 ,  阚希 ,  李富 ,  朱灵龙 ,  盛丽娜 ,  万茜 ,  吴昊

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/045

Abstract: 本发明涉及图像预测技术领域，公开了一种基于KAN网络的情绪预测方法、系统和存储介质，方法包括：采集数据集，并对数据集进行预处理；构建基于KAN网络的情绪预测模型，使用训练集训练情绪预测模型，训练过程中使用交叉熵损失函数调整情绪预测模型的参数，获得训练好的情绪预测模型；使用验证集评估训练好的情绪预测模型的性能；将待预测的图像输入训练好的情绪预测模型，输出情绪预测结果。本发明通过使用Kolmogorov‑Arnold网络代替传统的多层感知器进行图像情感分析，KAN网络在处理复杂关系和逻辑推理方面具有显著优势，能够提高情感预测的准确率，还通过结合网络数据收集和文本生成图片模型来获取训练数据，有效降低人工标注的工作量。

公开(公告)号：CN118446900B

公开(公告)日：2024-11-26

申请号：CN202410903731.0

申请日：2024-07-08

Applicant: 无锡学院

Inventor： 徐焕宇 ,  苏倚晴 ,  汤祺 ,  万舒畅 ,  杨佳慧 ,  万茜 ,  王泉 ,  徐萌兮

IPC: G06T3/4053 ,  G06T3/4007 ,  G06T3/4046 ,  G06T5/60 ,  G06T5/70

Abstract: 本发明公开了一种针对交通标志的图像超分辨率训练数据生成方法，包括以下步骤：步骤1：构建退化模型，所述退化模型用于生成退化序列；其中，退化模型的退化类型包括模糊降质、间隔采样、下采样、噪声和压缩；所述间隔采样包括：对原始交通标志图像的像素进行每隔一行采样，即间隔采样，来模拟原始交通标志图像的混叠过程；步骤2：将退化序列的顺序打乱，并应用于原始交通标志图像，生成退化图像；步骤3：使用上述可调降质模型生成接近真实场景中文字信息的退化图像，用于深度学习图像超分辨率网络模型的训练。针对智能驾驶汽车采集到的交通标志图像进行图像超分辨率，从而提高交通标志图像的清晰度与检测精确性。

公开(公告)号：CN116535646A

公开(公告)日：2023-08-04

申请号：CN202310696008.5

申请日：2023-06-13

Applicant: 无锡学院

Inventor： 费杰 ,  石浩楠 ,  孙亦膑 ,  万茜 ,  吴晓鹏

IPC: C08G73/10 ,  C08J5/18 ,  C08L79/08 ,  B32B15/08 ,  B32B15/20 ,  B32B27/06 ,  B32B27/28 ,  H05K1/03

Abstract: 一种热粘型聚酰亚胺、聚酰亚胺薄膜的合成方法与应用，步骤如下：将若干份二胺单体和若干份二酐单体制备成聚酰亚胺酸溶液，再制成胶膜，经历高温完全亚胺化之后得到热粘型聚酰亚胺薄膜。本发明提出一种含N，S原子配位基元的新型热粘型聚酰亚胺薄膜，具有低热膨胀系数、高热粘性、高耐热性和高拉伸强度，可应用于层压法制作无胶双面柔性覆铜板（2L‑FCCL）。与现有商品化聚酰亚胺薄膜相比，本发明中的热粘型聚酰亚胺薄膜无需外加环氧树脂或丙烯酸等粘结剂，就可以在热加工过程中强有力附着在铜箔，因此适合热压法快速制备2L‑FCCL，其剥离强度达到0.6N/mm以上，最高达到1.2N/mm，在无胶柔性覆铜板领域有较好的应用前景。

公开(公告)号：CN118446900A

公开(公告)日：2024-08-06

申请号：CN202410903731.0

申请日：2024-07-08

Applicant: 无锡学院

Inventor： 徐焕宇 ,  苏倚晴 ,  汤祺 ,  万舒畅 ,  杨佳慧 ,  万茜 ,  王泉 ,  徐萌兮

IPC: G06T3/4053 ,  G06T3/4007 ,  G06T3/4046 ,  G06T5/60 ,  G06T5/70

Abstract: 本发明公开了一种针对交通标志的图像超分辨率训练数据生成方法，包括以下步骤：步骤1：构建退化模型，所述退化模型用于生成退化序列；其中，退化模型的退化类型包括模糊降质、间隔采样、下采样、噪声和压缩；所述间隔采样包括：对原始交通标志图像的像素进行每隔一行采样，即间隔采样，来模拟原始交通标志图像的混叠过程；步骤2：将退化序列的顺序打乱，并应用于原始交通标志图像，生成退化图像；步骤3：使用上述可调降质模型生成接近真实场景中文字信息的退化图像，用于深度学习图像超分辨率网络模型的训练。针对智能驾驶汽车采集到的交通标志图像进行图像超分辨率，从而提高交通标志图像的清晰度与检测精确性。