|
|
钻瓜专利网为您找到相关结果 288个，建议您 升级VIP下载更多相关专利
- [发明专利]基于解耦的无监督图像去雾增强方法与系统-CN202310290009.X在审
-
周凡;林格;孟小哲
-
中山大学
-
2023-03-22
-
2023-08-04
-
G06T5/00
- 本发明公开了一种基于解耦的无监督图像去雾增强方法。包括：将有雾图像输入到编码器中得到有雾特征图；然后将有雾特征图分别输入到去雾图网络层J‑net中获取去雾图大气光网络层A‑net网络中输出解藕后的大气光值输入到剩余系数网络层α‑net中计算剩余系数和透射率图网络层t‑net中得到透射率图根据和重新合成有雾图，通过合并雾的重建过程来指导层的解缠，训练改进后的大气光值散射模型得到去雾图像。本发明还公开了基于解耦的无监督图像去雾增强系统。本发明引入剩余系数，提出了新的解耦去雾模型，针对不同的子网络设计不同的损失，保证子网络输出符合物理规律，在真实数据上进行训练，避免了合成数据带来的域漂移问题。
- 基于监督图像增强方法系统
- [发明专利]基于高斯过程映射的迁移学习去雾方法与系统-CN202111053323.3有效
-
周凡;孟小哲;林格;苏卓
-
中山大学
-
2021-09-09
-
2023-06-27
-
G06T5/00
- 本发明公开了基于高斯过程映射的迁移学习去雾方法与系统。包括：数据集收集和处理，搭建去雾网络包括编码器模块和解码器模块，通过将有雾图和无雾图输入，获得相应的编码器、解码器参数，进行高斯迁移计算，得到预测值，最终得到去雾图。本发明提供一种能够通过基于高斯过程的迁移学习进行去雾的框架，解决数据域漂移带来的在合成数据上训练模型存在偏差的问题，同时通过迁移学习以及在隐空间中建立函数关系来实现有雾图和无雾图在神经网络上的重建，神经网络的参数可以视为将两个数据域参数化，同时将隐空间中的特征以向量形式储存。在隐空间中建立映射，解决卷积的特征空间难以建立函数关系的问题。
- 基于过程映射迁移学习方法系统
- [发明专利]一种基于学习和推理的跨媒介数据降维方法-CN202211675814.6在审
-
周凡;陈小燕;林格
-
中山大学
-
2022-12-26
-
2023-04-28
-
G06F18/214
- 本发明提出一种基于学习和推理的跨媒介数据降维方法，涉及深度学习及数据降维的技术领域，为解决当前数据降维的方式无法有效地处理含时序特征的数据以及多媒介数据降维的问题。采集多媒介数据并按媒介种类分类，将每一个媒介数据输入至该媒介数据对应的编码器中，提取该媒介数据的特征向量,特征向量为时间维度与特征向量维度相乘的向量，实现了时序特征的提取，使降维后的向量保留了时序特征。利用向量拼接后的再次降维，将媒介与媒介之间的特征向量做出有效的融合。利用解码器将中间向量升维成若干个与原媒介数据格式相同的矩阵，能很好地处理带有时序信息以及多媒介的数据，有效地去除噪声，保留关键特征与信息，方便下游任务的计算与可视化。
- 一种基于学习推理媒介数据方法
- [发明专利]胸腔病灶影像的轮廓提取及检测方法与系统-CN202210824976.5在审
-
林格;周凡;林谋广
-
中山大学
-
2022-07-14
-
2022-09-30
-
G06T7/13
- 本发明公开了一种胸腔病灶影像的轮廓提取及检测的方法。包括：将输入的胸腔病灶图片进行分块，将块展平为一维向量并加入位置编码得到块嵌入，将块嵌入输入Transformer编码器提取图像特征，获得块特征编码，分别使用线性解码器和Transformer解码器将块特征编码序列解码为胸腔病灶轮廓特征图，通过连接的方式将线性解码器和Transformer解码器所得到的两种胸腔病灶轮廓特征图进行融合，并进行插值上采样得到胸腔病灶轮廓图。本发明还公开了胸腔病灶影像的轮廓提取及检测系统。本发明采用基于Transformer的方式，Transformer的注意力机制能够对长期依赖进行建模，有效地捕获全局特征，从而提高的准确率，且本发明没有借助额外的输入数据，计算速度快、模型复杂度较低。
- 胸腔病灶影像轮廓提取检测方法系统
|
