-
公开(公告)号：CN120011368A
公开(公告)日：2025-05-16
申请号：CN202510140396.8
申请日：2025-02-08
Applicant: 杭州电子科技大学丽水研究院 , 上上德盛集团股份有限公司 , 浙江阿季云智能科技有限公司
Abstract: 本发明涉及知识图谱技术领域，公开了一种基于知识图谱的语义关联和逻辑规则的推理方法，该方法包括：获取跨职能部门的第一数据集，构建跨部门知识图谱；从跨部门知识图谱中提取指标节点，识别语义冲突指标，生成指标语义冲突列表，基于指标语义冲突列表，构建语义映射后的跨部门知识图谱；获取跨职能部门的第二数据集，基于第二数据集和语义映射后的跨部门知识图谱，得到融合后的跨部门知识图谱和语义关联度矩阵；依据语义关联度矩阵，动态调整融合后的跨部门知识图谱的各节点和边的权重，生成跨部门协同知识图谱；基于跨部门协同知识图谱生成跨部门协同决策建议；本发明显著提升了跨部门协同决策的效率和质量。
-
公开(公告)号：CN118967450B
公开(公告)日：2025-05-06
申请号：CN202411452810.0
申请日：2024-10-17
Applicant: 北京理工大学 , 杭州电子科技大学丽水研究院 , 杭州电子科技大学
IPC: G06T3/4053 , G06T5/50
Abstract: 本发明涉及一种基于结构信息的不对齐多源数据的光谱图像融合超分方法及系统，属于计算摄像技术领域。本发明首先使用梯度计算对输入的高光谱和多光谱图像提取梯度图，再使用纹理编码器和结构编码器分别对图像和梯度图进行编码，获取纹理特征金字塔和结构特征金字塔，然后使用结构注意力引导的特征融合对齐模块在各个层级进行特征融合获得对齐特征，最后使用解码器网络对对齐特征进行解码，生成高分辨率高光谱图像。本发明使特征对齐效果更加鲁棒，使超分辨率效果更好，在真实数据集和仿真数据集的各个倍率的超分任务中均取得很好的结果，在高倍率超分任务中具有优势，易于推广。
-
公开(公告)号：CN119762351A
公开(公告)日：2025-04-04
申请号：CN202510265590.9
申请日：2025-03-07
Applicant: 杭州电子科技大学丽水研究院
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于退化预测的真实图像超分变率方法。首先进行数据集获取及预处理；通过退化预测网络从低分辨率图像中提取退化特征信息；将得到的退化特征信息与低分辨率图像送入重建网络进行增强，生成最终的高分辨率图像。本发明通过使用一种退化感知的重建模块，并将其嵌入到Transformer架构中，能够利用学习到的退化信息并通过自注意机制更好地挖掘高层语义信息并恢复纹理细节；能够从LR图像中预测其退化特征，处理真实退化的低分辨率图像，不受合成退化的限制。
-
公开(公告)号：CN119722515A
公开(公告)日：2025-03-28
申请号：CN202411781153.4
申请日：2024-12-05
Applicant: 杭州电子科技大学丽水研究院
IPC: G06T5/73 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/088 , G06N3/094
Abstract: 本发明公开了一种基于深度学习的无监督图像去摩尔纹方法，首先准备无需配对的摩尔纹图像及清晰图像；构建图像去摩尔纹的无监督网络模型，模型基于生成对抗网络架构，并结合了对比学习方法，包括生成器、判别器和内容编码器。然后对构建的图像去摩尔纹网络模型进行无监督训练。本发明创新的提出了从非配对的数据集中也能学习到从摩尔纹图像到清晰图像的映射关系，避免了收集真实世界的配对图像的繁琐工作。实验表明，本发明能在非配对的数据集上实现很好的去摩尔纹效果。
-
公开(公告)号：CN118485904A
公开(公告)日：2024-08-13
申请号：CN202410503650.1
申请日：2024-04-25
Applicant: 杭州电子科技大学丽水研究院
IPC: G06V10/82 , A63F13/822 , G06V10/26 , G06V10/764 , G06N3/088 , G06N3/0464 , G06T7/70 , A63F13/85
Abstract: 本发明涉及机器视觉技术领域，更具体地说，本发明涉及一种基于CNN图像处理的三消游戏辅助系统及方法，方法包括：一种基于CNN图像处理的三消游戏辅助方法，包括以下步骤：步骤1：对游戏界面的图像进行截取，获得棋盘的图像；步骤2：采用Mask‑RCNN方法对获得的图像进行无监督学习，获得预训练模型；步骤3：利用预训练模型对棋盘内的棋子进行分割，得到棋子的分类和位置；步骤4：根据图像处理结果模拟棋盘；步骤5：基于三消游戏的逻辑，设计三消游戏算法R，确定最优操作；本发明提出一种新颖的三消游戏算法，能够辅助用户得出最佳操作。
-
Patent Agency Ranking
公开(公告)号：CN118196388A
公开(公告)日：2024-06-14
申请号：CN202410359770.9
申请日：2024-03-27
Applicant: 杭州电子科技大学丽水研究院
IPC: G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06V20/10 , G06N3/0455 , G06N3/0495 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于卷积的轻量级遥感图像显著目标检测方法，通过使用经过轻量化修改后的卷积神经网络，降低参数和计算复杂度，提高网络的推理速度；通过使用增强模块分别在空间和通道维度上对编码器特征进行增强，使其包含更准确信息；通过解码器模块逐步融合增强后特征，恢复特征图尺度，得到最终预测图。本发明模型拥有更小的参数量和计算复杂度，降低了对计算资源的需求，加快了推理速度，可以满足在边缘设备上进行实时运行的需求，生成的遥感图像显著性预测图更加准确。
-
公开(公告)号：CN117975309A
公开(公告)日：2024-05-03
申请号：CN202410228082.9
申请日：2024-02-29
Applicant: 杭州电子科技大学丽水研究院
IPC: G06V20/17 , G06V20/13 , G06V10/80 , G06V10/764
Abstract: 本发明公开了一种基于特征动态偏移的图像语义信息挖掘方法。首先获取网络训练需要的图像数据集；然后构建基于权重自适应的对角线特征偏移融合策略的交叉视角地理定位网络模型；网络模型包含无人机视角分支和卫星图视角分支，两个分支采用共享权重的学习方式；每个分支都由三个部分组成：特征提取部分、特征划分部分和分类监督部分；经过训练的神经网络模型接收需要定位的无人机视角图像，为其匹配对应的卫星图像。本发明采用权重自适应的对角线特征偏移融合策略，能够根据图像中的目标区域自适应选择划分坐标更合理的环形分区策略，从而提高了特征区域的覆盖率和表达能力，避免了因目标区域不在视觉中心位置而导致的特征提取不足问题。
-
公开(公告)号：CN116797785A
公开(公告)日：2023-09-22
申请号：CN202310327951.9
申请日：2023-03-30
Applicant: 杭州电子科技大学丽水研究院
IPC: G06V10/26 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于特征提炼的伪装物体检测方法，首先获取伪装物体检测数据集，进行数据预处理；构建基于特征提炼的伪装物体检测模型；再通过训练集对构建好的基于特征提炼的伪装物体检测模型训练，对预测结果使用结构损失函数进行监督学习。最后对模型训练结果加以验证。本发明基于特征提炼的方式来构建伪装物体检测模型，对伪装物体图像的特征进行增强处理以及去除背景噪声，利用结构损失函数对结果进行监督学习，使得预测结果更加准确，具有较强的鲁棒性，从而实现对伪装物体的精确分割，对社会具有重要意义。
-
公开(公告)号：CN116245968A
公开(公告)日：2023-06-09
申请号：CN202310210835.9
申请日：2023-03-07
Applicant: 杭州电子科技大学丽水研究院
Abstract: 本发明公开了基于Transformer的LDR图像生成HDR图像的方法，首先构建基于Transformer的HDR图像生成模型，包括浅层特征对齐模块、金字塔融合模块和图像重建模块；通过浅层特征对齐模块进行特征对齐，通过金字塔融合模块对对齐后的特征进行处理，获得不同尺度的特征，将金字塔融合模块处理后的不同尺度的特征融合成一个尺度；再将融合后的特征送入图像重建模块进行图像重建；最后将图像重建模块输出的结果使用卷积操作得到3层的HDR最终图片。本发明可以更好地学习非局部特征并自适应地减少虚拟阴影。本发明提出了一种新的金字塔融合模块，使图像可以与较低计算成本和根据全局信息。
-
公开(公告)号：CN119762652A
公开(公告)日：2025-04-04
申请号：CN202510265593.2
申请日：2025-03-07
Applicant: 杭州电子科技大学丽水研究院
Abstract: 本发明公开了一种基于深度去噪的三维高斯渲染方法。首先基于图片序列或者视频获取场景点云和相机位姿，然后基于获取的点云构造神经辐射图；对得到的神经辐射图进行深度去噪；通过端到端训练得到训练好的场景表达；最后通过训练得到的场景表达实现三维高斯渲染。本发明专注于解决光栅化过程中由于采样不充分引入的噪声问题。通过利用深度去噪技术，本发明能够有效去除渲染结果中的“伪影”，可以大幅提升渲染结果的清晰度与真实感，为高质量图形生成与显示提供了一种可靠的技术支持。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.042 seconds)
