-
公开(公告)号:CN113947530B
公开(公告)日:2024-04-30
申请号:CN202111228342.5
申请日:2021-10-21
Applicant: 河北工业大学
IPC: G06T3/4046 , G06T3/4007 , G06T7/00 , G06T7/13 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N5/04
Abstract: 本发明为一种基于相对显著性检测的图像重定向方法,包括相对显著图提取、图像边缘检测以及基于重要度图的重定向操作;通过多特征聚合的相对显著性分层监督模块以及显著等级引导的优化模块提取相对显著图,相对显著性分层监督模块以监督的方式对每阶段的特征进行加权,而显著等级引导的优化模块通过逐层优化,利用卷积模块生成每类显著等级的类别概率,再经过卷积层和激活函数生成每一个像素的注意力掩码,得到优化特征;将边缘图与相对显著图进行线性融合得到重要度图;最后学习输入图像到目标图像的位移映射,在输入图像上通过移位图实现图像重定向。本发明能够有效克服现有技术重定向后图像存在变形、扭曲的问题,获得更好的视觉效果。
-
公开(公告)号:CN113947530A
公开(公告)日:2022-01-18
申请号:CN202111228342.5
申请日:2021-10-21
Applicant: 河北工业大学
IPC: G06T3/40 , G06T7/00 , G06T7/13 , G06V10/40 , G06K9/62 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06N5/04
Abstract: 本发明为一种基于相对显著性检测的图像重定向方法,包括相对显著图提取、图像边缘检测以及基于重要度图的重定向操作;通过多特征聚合的相对显著性分层监督模块以及显著等级引导的优化模块提取相对显著图,相对显著性分层监督模块以监督的方式对每阶段的特征进行加权,而显著等级引导的优化模块通过逐层优化,利用卷积模块生成每类显著等级的类别概率,再经过卷积层和激活函数生成每一个像素的注意力掩码,得到优化特征;将边缘图与相对显著图进行线性融合得到重要度图;最后学习输入图像到目标图像的位移映射,在输入图像上通过移位图实现图像重定向。本发明能够有效克服现有技术重定向后图像存在变形、扭曲的问题,获得更好的视觉效果。
-
公开(公告)号:CN114564807A
公开(公告)日:2022-05-31
申请号:CN202210105961.3
申请日:2022-01-28
Applicant: 国网河北省电力有限公司衡水供电分公司 , 衡水电力设计有限公司 , 国家电网有限公司 , 河北工业大学
Abstract: 本发明适用于电力技术领域,提供了一种主动配电网的优化方法、装置及电子设备,该方法包括:根据主动配电网的运行参数信息,以第一函数值和第二函数值的加权和最小为目标,以主动配电网中各个连接开关的通断状态、静止无功补偿器的接入容量和并联电容器组的接入组数为决策变量,建立目标函数;其中,第一函数值为主动配电网优化后与优化前的有功功率损耗的比值,第二函数值为主动配电网优化后与优化前的节点电压偏差的比值;建立目标函数的约束条件,并根据约束条件求解目标函数,基于求解结果对主动配电网进行优化。本发明能够提高主动配电网的电能质量、降低能源损耗。
-
-