“周昭润”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网_中国专利网

首页在售求购查询申请展会资讯专利榜企服商城升级VIP

立即登录免费注册

在售专利
求购专利
查询专利
新闻资讯
技术展会
招商加盟
专利榜

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

专利名称

专利名称
专利号码
专利分类
申请人
公布日期

农业化学；冶金建筑机械工程区域搜索

主分类

B 作业；运输

C 化学；冶金

D 纺织；造纸

E 固定建筑物

F 机械工程、照明、加热

专利下载VIP

公布日期

2023-10-24 公布专利

2023-10-20 公布专利

2023-10-17 公布专利

2023-10-13 公布专利

2023-10-10 公布专利

2023-10-03 公布专利

2023-09-29 公布专利

2023-09-26 公布专利

2023-09-22 公布专利

2023-09-19 公布专利

专利权人

国家电网公司

华为技术有限公司

中兴通讯股份有限公司

三星电子株式会社

中国石油化工股份有限公司

鸿海精密工业股份有限公司

松下电器产业株式会社

上海交通大学

钻瓜专利网为您找到相关结果3个，建议您升级VIP下载更多相关专利

[发明专利]基于多尺度自注意生成对抗网络的单幅图像去雾方法-CN202010981997.9有效
发明人：石争浩;周昭润 -专利权人：西安理工大学
申请日： 2020-09-17 - 公布日： 2023-05-26 - 主分类号： G06T5/00 文献下载
摘要：本发明公开的基于多尺度自注意生成对抗网络的单幅图像去雾方法，通过将图像归化成的训练集对将图像进行两次下采样构建的生成对抗网络模型进行训练，得到训练后的生成对抗网络模型，训练过程中对去雾结果用损失函数进行优化，最后将有雾图像输入到生成对抗网络模型中，得到去雾图像。本发明提供的单幅图像去雾方法，解决了现有技术中去雾图像质量差的问题。
基于尺度注意生成对抗网络单幅图像方法

[发明专利]融合深度学习和传统图像增强技术的水下图像增强方法-CN202210395296.6在审
发明人：石争浩;王永丽;周昭润 -专利权人：西安理工大学
申请日： 2022-04-15 - 公布日： 2022-07-15 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种融合深度学习和传统图像增强技术的水下图像增强方法，首先，分析了输入的水下图像各通道与其对应自然图像的平均值差，从差异就可以看出红色通道需要补偿，绿色通道需要衰减。所以颜色补偿是利用注意力引导的残差网络对输入的水下图像的R通道和G通道执行的，该策略的动机是观察到大多数水下图像都由相对单一且均匀的颜色分布组成的。针对场景对比度增强和场景去模糊，开发了多尺度卷积神经网络，其中引入了CLAHE(限制对比度自适应直方图均衡)和Gamma校正算法作为补充来处理复杂和多变的水下成像环境。实验结果表明本发明的水下图像增强方法取得的效果是比较好的。
融合深度学习传统图像增强技术水下方法

[发明专利]一种基于上下文引导生成对抗网络的单幅图像去雾方法-CN202010844333.8在审
发明人：石争浩;周昭润 -专利权人：西安理工大学
申请日： 2020-08-20 - 公布日： 2020-12-11 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了本发明一种基于上下文引导生成对抗网络的单幅图像去雾方法，生成网络包括特征提取编码器、上下文信息提取解码器及融合解码器，通过金字塔解码器捕捉特征提取编码器提取的深层特征，提取深层特征中隐含的上下文信息，得到粗去雾图像；通过融合解码器对特征提取编码器、上下文信息提取解码器获取的图像特征进行融合，得到质量优良的细去雾图像。生成对抗网络模型网络结构操作简单，易于实现；通过不同的损失函数对上下文信息提取解码器、融合解码器参数进行迭代优化，丰富融合网络的语义信息，产生更清晰的去雾结果。
一种基于上下文引导生成对抗网络单幅图像方法

1
共 3 条

友情链接：交换友情链接需要网站权重大于4，网站收录10W以上，如符合条件，请联系QQ：76009968。

关于我们寻求报道投稿须知广告合作版权声明网站地图友情链接企业标识联系我们

在线咨询

400-8765-105周一至周五 9:00-18:00

版权所有钻瓜科技（天津）有限公司津ICP备15000985号津公网安备 12019202000206号http://www.vipzhuanli.com/公布日期

咨询在线客服

咨询在线客服

tel code back_top