-
公开(公告)号：CN119559403B
公开(公告)日：2025-05-13
申请号：CN202510132150.6
申请日：2025-02-06
Applicant: 无锡学院
IPC: G06V10/26 , G06V10/52 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明提供了一种基于多尺度深度监督的高分辨遥感图像语义分割方法，包括以下步骤：步骤1，获取ISPRS Potsdam数据集和Vaihingen数据集；步骤2，搭建多尺度深度监督网络MDSNet，包括空间分支、语义分支网络和多尺度特征聚合部分；所述空间分支、语义分支网络和多尺度特征聚合部分均为四层结构；步骤3，将训练集输入至多尺度深度监督网络MDSNet中训练，计算损失函数并进行反向传播，更新网络参数，获取训练好的参数模型；步骤4，将测试集输入到训练好的参数模型中，输出目标图像的分割图。本发明提出的方法在提高特征提取能力的同时，提高了语义分割的准确率，以及训练效率和稳定性。
-
公开(公告)号：CN119559200B
公开(公告)日：2025-04-11
申请号：CN202510132147.4
申请日：2025-02-06
Applicant: 无锡学院
IPC: G06T7/11 , G06T7/194 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提供了一种基于频域信息融合的超高分辨率遥感图像分割方法，包括：步骤1，获取Vaihingen、Potsdam遥感数据集；步骤2，搭建融合多元频域信息的超高分辨率遥感图像分割网络；步骤3，将Vaihingen训练集输入超高分辨率遥感图像分割网络中训练，获取最佳参数模型；步骤4，将Vaihingen测试集输入到最佳参数模型中，输出遥感图像的精确分割图；步骤5，将数据集更换为Potsdam训练集、Potsdam验证集和Potsdam测试集，重复步骤3~步骤4的操作。本发明的模型通过引入LKResNet‑18网络，提高了局部分支的感受野和特征表示能力。
-
公开(公告)号：CN119205581A
公开(公告)日：2024-12-27
申请号：CN202411697443.0
申请日：2024-11-26
Applicant: 无锡学院
IPC: G06T5/77 , G06N3/0455 , G06N3/0464 , G06T5/60
Abstract: 本发明公开了基于局部‑全局特征增强的合成孔径光学图像复原方法，包括：获取合成孔径光学图像数据集并仿真退化，得到仿真退化数据集，进而划分得到训练、验证和测试集；构建合成孔径光学图像复原网络；将训练和验证集输入合成孔径光学图像复原网络中进行训练，计算损失函数并进行反向传播，更新网络参数，获取训练好的最佳参数模型；将测试集输入训练好的最佳参数模型中，得到合成孔径光学复原图像。本发明利用LAG‑Transformer层对提取特征序列进行全局信息关注，减少序列长度，提取高级语义信息，利用GRM‑Convolution层、ASFE层关注特征的局部信息，弥补了Transformer对局部信息捕捉能力的不足。
-
公开(公告)号：CN118941787A
公开(公告)日：2024-11-12
申请号：CN202410914493.3
申请日：2024-07-09
Applicant: 无锡学院
IPC: G06V10/26 , G06V20/70 , G06V20/64 , G06V10/44 , G06V10/40 , G06V10/80 , G06V10/762 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0499 , G06N3/048
Abstract: 本发明公开了一种融合多头注意力机制的PointGroup点云分割方法，该PointGroup网络结构由改进后的UNet网络、点云聚类模块和ScoreNet评分模块组成，依次进行如下步骤：选择ScanNetV2数据集，使用其中点云数据作为训练集、验证集和测试集；搭建改进后的特征提取网络模型；将提取的特征输入语义和偏移分支，生成语义标签和偏移向量；引入一种聚类方法，将点分组到原始坐标集和移位坐标集上的候选聚类中；将聚类结果输入ScoreNet评估候选实例，结合非极大值抑制移除重复实例，输出分割结果；训练以及测试模型；提高分割网络模型的鲁棒性，增加泛化能力，实现对室内场景点云实例的快速、准确分割。
-
公开(公告)号：CN118505998A
公开(公告)日：2024-08-16
申请号：CN202410653380.2
申请日：2024-05-24
Applicant: 无锡学院
Abstract: 本发明公开了一种基于三向分割融合的实时语义分割系统及分割方法，包括TWSeNet网络，TWSeNet网络包括空间细节分支网络，语义分支网络，轻量级多路分支网络，第一卷积层，拼接模块和特征融合模块，将原始图像输入至第一卷积层后得到的特征分别输入至空间细节分支网络，轻量级多路分支网络和语义分支网络；将空间细节分支网络输出的特征，轻量级多路分支网络输出的特征和语义分支网络输出的特征输入拼接模块进行拼接，并将拼接后的特征输入至特征融合模块，所述特征融合模块输出原始图像的精确分割图。本发明的TWSeNet网络提高了图像中小尺寸目标的分割效能。
-
Patent Agency Ranking
公开(公告)号：CN115689958A
公开(公告)日：2023-02-03
申请号：CN202211094315.8
申请日：2022-09-08
Applicant: 无锡学院
Abstract: 本发明公开了一种基于深度学习的合成雷达图像去噪方法，包括步骤如下：S1，对初始噪声图像进行预处理；S2，将预处理后的图像输入到构建的MALNet模型中，对图像特征进行处理；S3，将处理后的图像特征通过Sigmod激活函数，转化为0‑1的浮点数信息后，与初始噪声图像相减，完成图像重建；S4，将重建的图像与初始未加噪的图像对比，通过Loss函数进行计算损失值，并通过反向传播，来对MALNet模型的权重参数进行Adam优化，最后保存训练好的MALNet模型参数。本发明具有很好鲁棒性，使网络结构在控制降噪与细节权衡上做到了良好的平衡。
-
公开(公告)号：CN114120092A
公开(公告)日：2022-03-01
申请号：CN202111451008.6
申请日：2021-12-01
Applicant: 无锡学院
IPC: G06V20/00 , G06K9/62 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的食物卡路里计算系统和方法，利用相机获得食物的照片或实时视频流；利用称重模块获取食物的质量信息；在树莓派中利用深度学习算法识别出食物种类，进而获取该食物的卡路里信息，根据食物的卡路里信息和质量信息计算出食物的卡路里含量；利用显示屏显示获取到的各项数据。本发明提高了测量的准确度，而且使用方便，无需对食物进行多面拍摄。
-
公开(公告)号：CN114092705A
公开(公告)日：2022-02-25
申请号：CN202111248803.5
申请日：2021-10-26
Applicant: 无锡学院
Abstract: 本发明涉及一种基于深度哈希检索的景点图像识别方法，属于人工智能领域。该方法包括如下步骤：步骤一：对已有的景点图像数据进行训练得到训练集；步骤二：使用经典卷积神经网络VGG16来训练提取待测图像特征；步骤三：在训练好的网络神经模型中，由哈希层以及哈希层中的编码块数确定k位的哈希编码，并对得到的哈希编码进行阈值化分得到二值码，将待测的景点图像数据通过训练好的神经网络模型，以得到待测景点图像的二值码，通过对训练集和待测图像的二值码进行多索引哈希近邻检索以实现最终的查找。本发明在提高图像识别准确率的同时，降低检索成本。
-
公开(公告)号：CN119990477A
公开(公告)日：2025-05-13
申请号：CN202510468974.0
申请日：2025-04-15
Applicant: 无锡学院
IPC: G06Q10/04 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/049 , G06Q50/06 , G06F18/15 , G06F18/25 , H02J3/00
Abstract: 本发明提供了一种基于多尺度混合架构的电力需求动态预测方法，包括以下步骤：步骤1，获取多源数据并进行预处理；步骤2，构建动态特征工程；步骤3，构建混合预测模型；步骤4，执行分阶段动态训练策略；步骤5，验证模型并部署应用所述模型。本发明通过引入温度敏感度分段非线性编码和节假日多维动态衰减模型，显著提升了极端温度场景下的预测精度，降低了高温日负荷预测误差以及春节假期误差。此外，通过轻量化设计及分阶段动态策略分阶段扩展输入长度，训练收敛速度提升明显。
-
公开(公告)号：CN119229096A
公开(公告)日：2024-12-31
申请号：CN202411721505.7
申请日：2024-11-28
Applicant: 无锡学院
Abstract: 本发明公开了基于目标特征增强多尺度融合网络的遥感目标检测方法，通过构建多层特征聚合模块作为主要特征提取模块，更好地提取各类别的目标特征；构建多通道特征融合模块，减少网络层参数量，采用跨阶段层次结构设计MCFCSP模块，实现更丰富的梯度组合和特征表达，加强网络特征融合能力；通过采用采用自顶向下和自底向上的特征融合策略，促进不同层次特征之间的信息交互；构建分数阶傅里叶变换卷积，根据小目标的特点和场景的变化调整参数，来适应不同类型、不同尺寸和不同复杂度的小目标。本发明提出的方法具备检测精度高、计算复杂度低、特征表示能力强等特点，能有效提高小目标的检测精度，进一步改善遥感图像小目标检测性能。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.017 seconds)
