-
公开(公告)号：CN117994139A
公开(公告)日：2024-05-07
申请号：CN202410173443.4
申请日：2024-02-07
Applicant: 无锡学院
IPC: G06T5/00 , G06T5/77 , G06T5/60 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于U‑Net感知对抗网络的图像复原方法，包括如下步骤：S1，对获取的人脸图像数据集进行预处理后，划分为训练集、验证集和测试集；S2，搭建基于U‑Net结构的感知对抗生成图像修复网络，感知对抗生成图像修复网络包括粗重构网络、精修复网络、SHMD注意力模块，并引入改进的综合损失函数，进行反向传播；S3，将训练集和验证集输入至感知对抗生成图像修复网络中训练，计算融合损失函数并进行反向传播，更新网络参数，获取最佳参数模型；S4，将测试集输入到训练好的最佳参数模型中，输出最终复原人脸图像。本发明使图像经历由缺失到含有基础信息再到含有完整信息的过程，并能充分利用图像的多尺度信息。
-
公开(公告)号：CN119360200A
公开(公告)日：2025-01-24
申请号：CN202411381809.3
申请日：2024-09-30
Applicant: 无锡学院
IPC: G06V20/10 , G06V10/764 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于注意力机制和加伯变换的目标检测方法，设计了一种注意力特征提取模块AFEM，基于ELAN特征提取网络和CBAM注意力机制的注意力特征提取模块，使得网络在进行高效特征提取的同时，能重点关注飞机目标，减少复杂的背景信息带来的干扰；采用分数阶加伯滤波器变换卷积FGTC模块来强化飞机目标的纹理、尺度和方向特征，加强飞机目标的边缘特征细节，为网络提供更加丰富的特征信息；引入LDyHead动态检测头作为网络头部，通过尺度感知注意力、空间感知注意力和任务感知注意力相结合，使网络在面对多尺度飞机目标时能更精准地预测飞机目标位置和类别，并提升模型的收敛速度。
-
公开(公告)号：CN118212523A
公开(公告)日：2024-06-18
申请号：CN202410339258.8
申请日：2024-03-25
Applicant: 无锡学院
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了基于深度融合优化特征增强网络的SAR图像船舰检测方法，包括：获取SAR遥感船舰图像数据集，对数据集进行预处理并划分；构建基于深度融合优化特征增强网络模型，作为遥感船舰图像目标检测网络；利用训练集和验证集对构建的遥感船舰图像目标检测网络进行训练和验证，计算损失函数并进行反向传播，更新网络参数，直至得到最佳参数网络；利用最佳参数网络对测试集进行测试，得到目标检测结果。本发明通过融合多尺度特征，更加关注局部信息及上下文相关性，保留目标的位置和边界信息，解决了船舰检测中目标与海洋背景的复杂交互、目标与海浪等相似纹理及遥感图像中的边界模糊和阴影遮挡等问题，提高SAR遥感图像船舰检测的精度和效率。
-
公开(公告)号：CN119444685A
公开(公告)日：2025-02-14
申请号：CN202411473794.3
申请日：2024-10-22
Applicant: 无锡学院
IPC: G06T7/00 , G06V10/20 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种风力发电机表面缺陷检测方法，包括：获取风力发电机叶片表面缺陷图像，并对图像进行预处理；搭建风力发电机表面缺陷检测模型；利用训练集内数据对缺陷检测模型进行训练，计算损失函数并更新网络参数，获取最佳参数的缺陷检测模型；利用最佳参数的缺陷检测模型对风力发电机的表面缺陷进行检测，得到缺陷位置、缺陷类别和缺陷大小。本发明提高了对风机表面细小且与背景相似缺陷的检测精确度，以适应复杂环境下的应用需求，从而提高风力发电的运维效率和安全性，支持风电行业的可持续发展。
-
公开(公告)号：CN119313583A
公开(公告)日：2025-01-14
申请号：CN202411373397.9
申请日：2024-09-29
Applicant: 无锡学院
Abstract: 本申请公开了一种基于双分支特征融合的图像去噪方法，具体为：步骤1：进行图像收集，并对收集的图像进行预处理；步骤2：搭建双分支特征融合的去噪网络，该网络包括生成网络和判别网络，将生成网络生成的去噪图像和真实的图像通过判别网络进行真假判别；步骤3：对生成网络和判别网络进行对抗训练，得到训练好的双分支特征融合的去噪网络；步骤4：采用训练好的生成网络对图像进行去噪处理。本方法在去噪质量、模型泛化能力和运算时间上均显著优于传统去噪方法，能够有效去除不同类型的噪声，保留更多图像细节和结构信息。
-
Patent Agency Ranking
公开(公告)号：CN117058166A
公开(公告)日：2023-11-14
申请号：CN202310910817.1
申请日：2023-07-24
Applicant: 无锡学院
IPC: G06T7/11 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于双路径结构的遥感图像实时语义分割算法，包括如下步骤：S1，获取Potsdam和GID‑15遥感图像数据集并进行预处理后，分别按照设定的比例划分为训练集、验证集和测试集；S2，搭建基于双路径结构的遥感图像实时语义分割网络，包括空间路径、上下文路径和双路径特征聚合部分；S3，将经过预处理的训练集和验证集的遥感图像数据集输入至遥感图像实时语义分割网络中训练，计算交叉熵损失函数并进行反向传播，更新网络参数，获取满足要求的模型并保存该模型；S4，将经过预处理的测试集输入到步骤S3中得到的模型中，输出遥感图像的精确分割。本发明提高了语义特征提取的丰富性和有效性，同时提升分割精度。
-
公开(公告)号：CN118314434A
公开(公告)日：2024-07-09
申请号：CN202410257888.0
申请日：2024-03-07
Applicant: 无锡学院
IPC: G06V10/82 , G06V10/80 , G06V10/40 , G06N3/0464
Abstract: 本发明公开了一种遥感图像目标检测方法，包括：收集遥感图像数据集，对数据集进行标注，制作YOLO格式的遥感图像数据集，并划分为训练集和测试集；搭建基于增强感受野的多尺度神经网络，主要由输入端口、主干网络、颈部网络和检测头四个部分构成，其中主干网络和颈部网络构成增强小目标特征的多尺度神经网络的主模块；将训练集的遥感图像输入至增强感受野的多尺度神经网络中进行训练和验证，获取最佳的检测模型；利用经过训练和验证的最佳模型对测试集进行目标检测。本发明提供一种增强感受野的多尺度遥感图像目标检测方法，解决了现阶段遥感图像目标检测算法存在的问题。
-
公开(公告)号：CN118229558A
公开(公告)日：2024-06-21
申请号：CN202410348306.X
申请日：2024-03-26
Applicant: 无锡学院
IPC: G06T5/60 , G06T5/70 , G06V10/44 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/094 , G06N3/082 , G06N3/048
Abstract: 本发明公开了一种基于改进的生成对抗网络的心脏图像去噪方法，具体为：步骤1：获取心脏清晰图像数据集与噪声数据集；步骤2：搭建心脏噪声图像处理模型，该模型为引用PRIDnet模块的生成对抗网络；骤3：采用步骤1中的数据集输入至心脏噪声图像处理模型进行训练；步骤4：采用训练好的心脏噪声图像处理模型对心脏图像进行去噪处理。在提高去噪质量的同时减少了生成对抗网络产生的模型过拟合。同时，减少了模型的运算时间，以达到实时去噪的目的。
-
公开(公告)号：CN117995402A
公开(公告)日：2024-05-07
申请号：CN202410141593.7
申请日：2024-02-01
Applicant: 无锡学院
IPC: G16H50/30 , A61B5/0205 , A61B5/00 , G16H50/20 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的生命体征预测方法，包括步骤如下：S1，对采集含有患者信息的数据集，并对数据集进行预处理；S2，将预处理后的数据分为动态特征向量和静态特征向量，并对动态特征向量和静态特征向量分别输入生命体征预测网络进行处理；S3，将处理完后的动态特征向量和静态特征向量进行拼接，得到一个新的特征向量；S4，将新的特征向量输入GeLU和全连接层，输出患者生命体征预测信息；S5，通过wandb模块对患者的指标进行实时监测。本发明能实现实时检测和提高预测精准度。本发明能加快预测速度，实现对体征信息的时间序列的特征强化。
-
公开(公告)号：CN220652402U
公开(公告)日：2024-03-22
申请号：CN202321461732.1
申请日：2023-06-08
Applicant: 无锡学院
IPC: H01R13/10 , H01R13/639 , H01R13/631 , H01R13/627
Abstract: 本实用新型提供一种可调节防松动插座，属于插座技术领域；包括壳体、插套组件、调节组件和端子组件，所述壳体一端开设若干个插口，所述插套组件和调节组件安装在壳体内部，所述端子组件与壳体连接；采用调节组件对插套组件的两个导电片进行距离调节，使得其能够改变夹紧的程度，解决因松动造成与插头之间的接触不良问题，只需要转动螺杆即可调节两个导电片的松紧程度，适用不同需求，方便快捷。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.018 seconds)
