-
公开(公告)号：CN119445326A
公开(公告)日：2025-02-14
申请号：CN202411474651.4
申请日：2024-10-22
Applicant: 徐州市低空产业发展有限公司 , 电子科技大学
IPC: G06V10/82 , G06V10/94 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06N5/04
Abstract: 本发明公开了一种面向反射感知推理的镜像检测方法，基于视觉提示构建了反射感知推理网络(RRNet)。具体而言，本发明设计了提示推理(PR)模块，生成一系列思维推理，构建复杂的空间位置和语义感知。噪音可能通过链逐渐积累，关键线索也可能消失；本发明引入了提示去噪(PD)模块，以滤除噪音并增强提示之间的耦合。受镜像区域和非镜像区域之间频率差异的启发，本发明进一步提出了提示引导和更新(PGU)模块，通过注入预测掩码，使特征解耦，分别在频率和空间域中进行交互和更新。对四个镜像基准和两个监督设置的大量实验表明，本发明在模型和计算复杂度更低的情况下超越了最先进的方法。在玻璃、伪装和水下场景的七个基准上也取得了令人鼓舞的表现，显示了其通用性。
-
公开(公告)号：CN119006309A
公开(公告)日：2024-11-22
申请号：CN202410988931.0
申请日：2024-07-23
Applicant: 电子科技大学 , 徐州市低空产业发展有限公司
IPC: G06T5/60 , G06T5/73 , G06V10/20 , G06V10/774 , G06V20/17 , G06V10/764
Abstract: 本发明公开了一种针对雨天无人机视觉感知的级联对抗攻击方法，创新地提出了级联对抗攻击，其利用二值掩码将雨图划分为雨区和非雨区。一个区域用来攻击去雨网络，旨在保留输出图像中的雨水；另一个区域用来攻击下游任务网络，旨在诱导图像内容的错误分类。通过将这两组明显不同且不重叠的扰动集中在一张输入雨图上，生成最终的对抗样本，其即使经过了去雨网络的预处理操作，下游任务也会受到严重影响，即生成了能同时攻击去雨网络和下游任务网络的对抗样本。
-
公开(公告)号：CN117911384A
公开(公告)日：2024-04-19
申请号：CN202410108480.7
申请日：2024-01-25
Applicant: 电子科技大学
IPC: G06T7/00 , G06N3/0464 , G06N3/045 , G06V10/80 , G06V10/74 , G06N3/0895 , G06T3/4038
Abstract: 本发明公开了一种基于涂鸦标注的镜面检测方法，针对目前相关的基于涂鸦的镜面检测方法难以建立镜面映射和实体之间的联系，提出了一种利用涂鸦为基础的监督方法来构建弱监督的镜面检测框架并取得了令人满意的结果，包括构建了一个局部‑全局特征增强LGFE模块，具有全局上下文理解(例如，在成像和实体之间建立逻辑和物理关联，感知镜子的尺度变化)和局部细节增强(例如，边缘、纹理、颜色)，以改善长距离和短距离依赖性敏感性。此外，涂鸦很难表示潜在的结构信息，前景特征表示与反射干扰相比不够显著和独特。因此，构建了前景感知的掩膜注意力FAMA，将生成语义特征和边缘特征并进行融合，以提高语义和边界感知，从而精炼镜子掩膜即预测图。
-
公开(公告)号：CN117476139A
公开(公告)日：2024-01-30
申请号：CN202311501408.2
申请日：2023-11-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于遗传算法的高分子海水淡化膜的设计方法，包括如下步骤：S1、收集高分子海水淡化膜数据并进行分子指纹处理得到高分子结构数据集；S2、根据水通量、拒盐率等海水淡化膜性能指标，定义适应度函数；S3、建立高斯过程回归模型，寻找高分子海水淡化膜的分子指纹和适应度值之间的关系，确定其核函数；S4、遗传算法通过选择、交叉和变异操作进行高分子海水淡化膜逆向设计，得到最终种群；S5、高斯过程回归模型预测最终种群的适应度值，选择适应度值最大的为最佳设计结果。该方法加速了海水淡化膜的设计进程，能够得到性能更优的高分子海水淡化膜，解决实际中海水淡化膜设计成本和时间成本高的问题。
-
公开(公告)号：CN119067884B
公开(公告)日：2025-04-25
申请号：CN202411165396.5
申请日：2024-08-23
Applicant: 电子科技大学
IPC: G06T5/73 , G06V10/80 , G06V10/40 , G06V10/764
Abstract: 本发明公开了一种基于光学合成孔径雷达变换器引导的密度感知云去除方法，构建包括第一图像特征提取模块，第二图像特征提取模块，云密度感知模块，光学合成孔径雷达变换器模块，光学特征融合模块和图像叠加模块的云去除模型，对云覆盖光学图像、合成孔径雷达图像分别进行特征提取后，根据云覆盖光学图像特征估计云密度水平，根据合成孔径雷达图像特征对云覆盖光学图像特征进行变换处理，将得到的云覆盖光学图像特征进行融合后与原云覆盖光学图像进行叠加，得到无云图像；采用预设的去云数据集对云去除模型进行训练后，即可采用训练好的云去除模块根据合成孔径雷达图像对云覆盖光学图像进行云去除。采用本发明可以显著提高了云去除的效果。
-
Patent Agency Ranking
公开(公告)号：CN119383355A
公开(公告)日：2025-01-28
申请号：CN202411378824.2
申请日：2024-09-30
Applicant: 电子科技大学
IPC: H04N19/44 , G06T3/4053 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06F17/16 , H04N19/70
Abstract: 本发明公开了一种基于块调制成像的高分辨率遥感图像压缩方法和系统，生成一个二值掩码矩阵，采集端据此对光学掩膜器件进行配置，在采集高分辨率遥感图像时，采用光学镜头采集光学信号矩阵，通过光学掩膜器件进行光学掩膜处理后由中继镜头进行调制，再由光电传感器转换为电学信号矩阵，然后分块后叠加从而完成压缩，将得到的测量值矩阵发送至接收端；接收端根据采集端的分块方式从二值掩码矩阵中提取中每个分块对应的分块掩码矩阵，然后从测量值矩阵中提取出每个分块信号矩阵并构成三维信号矩阵，输入预先构建并训练好的解码网络，解码得到高分辨率遥感图像的光学信号矩阵。本发明提出块调制成像，在提高压缩速度的同时提升解码还原质量。
-
公开(公告)号：CN119067884A
公开(公告)日：2024-12-03
申请号：CN202411165396.5
申请日：2024-08-23
Applicant: 电子科技大学
IPC: G06T5/73 , G06V10/80 , G06V10/40 , G06V10/764
Abstract: 本发明公开了一种基于光学合成孔径雷达变换器引导的密度感知云去除方法，构建包括第一图像特征提取模块，第二图像特征提取模块，云密度感知模块，光学合成孔径雷达变换器模块，光学特征融合模块和图像叠加模块的云去除模型，对云覆盖光学图像、合成孔径雷达图像分别进行特征提取后，根据云覆盖光学图像特征估计云密度水平，根据合成孔径雷达图像特征对云覆盖光学图像特征进行变换处理，将得到的云覆盖光学图像特征进行融合后与原云覆盖光学图像进行叠加，得到无云图像；采用预设的去云数据集对云去除模型进行训练后，即可采用训练好的云去除模块根据合成孔径雷达图像对云覆盖光学图像进行云去除。采用本发明可以显著提高了云去除的效果。
-
公开(公告)号：CN118887510A
公开(公告)日：2024-11-01
申请号：CN202410883423.6
申请日：2024-07-03
Applicant: 电子科技大学
IPC: G06V10/82 , G06V10/52 , G06V10/80 , G06V10/22 , G06N3/045 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于双域感知和渐进细化的镜面检测方法，引入频率引导并提出了双域感知渐进细化网络(DPRNet)来挖掘双域信息。具体而言，首先通过拉普拉斯金字塔和视觉Transformer将图像分解为高频和低频分量，并设计频率交互对齐(FIA)模块将频率特征集成到初始定位镜面区域，然后为了处理尺度变化，提出了多阶特征感知(MOFP)模块，通过渐进和门控机制自适应地聚合相邻特征，最后提出了基于分离的差异融合(SDF)模块，建立实体和成像之间的关联，并发现正确的边界来挖掘完整的镜面区域。大量实验证明，本发明双域感知渐进细化网络(DPRNet)在四个数据集上的性能优于现有方法平均3％，而参数和浮点计算量仅为其五分之一左右。同时，本发明提出的双域感知渐进细化网络(DPRNet)在遥感和伪装场景中也取得了令人满意的性能，验证了其泛化能力。
-
公开(公告)号：CN118864306A
公开(公告)日：2024-10-29
申请号：CN202410319751.3
申请日：2024-03-20
Applicant: 电子科技大学 , 徐州新川智能科技有限公司
IPC: G06T5/73 , G06V10/26 , G06V10/774 , G06N3/0475 , G06N3/0464 , G06N3/088 , G06N3/09
Abstract: 本发明公开了一种基于区域物理约束对抗生成网络的图像去雾方法，先搭建区域物理约束对抗生成网络，通过基础分割模型SAM提供的区域图来约束其中的去雾网络和加雾网络，估计准确的雾成像物理属性，同时引入视网膜Retinex理论来辅助加雾网络生成更真实的有雾图像；接着构建非配对的有雾图像和干净图像作为训练数据，进行循环对抗生成训练使其收敛，最后网络收敛后只需要使用去雾网络来实现图像去雾需求。
-
公开(公告)号：CN118691990A
公开(公告)日：2024-09-24
申请号：CN202410687415.4
申请日：2024-05-30
Applicant: 电子科技大学
IPC: G06V20/17 , G06V10/143 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于视觉选择性状态空间网络的多光谱遥感图像目标检测方法，先构建一个基于选择性状态空间的跨模态融合检测网络，该网络含有两个特征提取分支，专门用于各自模态的图像特征提取；然后将提取的特征通过跨模态的信息融合模块进行处理，生成高质量的融合特征，再将这些融合特征随后被送入特征金字塔模块，实现高级特征与低级特征的有效互动，最终，再将这些特征传递到检测头以产生预测结果。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.025 seconds)
