“程述立”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

钻瓜专利网为您找到相关结果7个，建议您升级VIP下载更多相关专利

[发明专利]基于层次注意力残差UNet++的遥感影像变化检测方法-CN202210340445.9在审
发明人：李昊锦;汪烈军;程述立 -专利权人：新疆大学
申请日： 2022-04-02 - 公布日： 2023-10-27 - 主分类号： G06V20/10 文献下载
摘要：本发明提供了一种基于层次注意力残差UNet++的遥感影像变化检测方法，主要解决了现有方法小变化区域漏检率高、变化边界轮廓划分不平整等问题。具体方案为构建孪生UNet++网络，构建邻域特征融合模块，引入通道和空间注意力模块构成卷积块注意力模块，利用卷积块注意力模块配合层次残差结构构建层次注意力残差模块，构建变化图输出模块；利用这些模块构建基于层次注意力残差UNet++的遥感影像变化检测网络；获取变化检测数据集对网络进行训练；然后运用训练好的网络进行变化检测。本发明构建了邻域特征融合模块和层次注意力残差模块，提升了网络检测小目标变化区域的能力，同时使检测的变化边界更加规整。该方法可用于灾害评估、城市规划、资源勘探等领域。
基于层次注意力 unet 遥感影像变化检测方法

[发明专利]基于深度强化学习的模糊柔性作业车间优化调度方法-CN202310735182.6在审
发明人：汪烈军;袁二东;程述立;吴芳 -专利权人：新疆大学
申请日： 2023-06-19 - 公布日： 2023-09-15 - 主分类号： G06Q10/0631 文献下载
摘要：本发明公开了基于深度强化学习的模糊柔性作业车间优化调度方法，涉及智能制造、运筹学领域。包括以下步骤：S1、进行问题描述；S2、将FFJSSP建模为MDP，S3、进行策略模型训练和性能评估。本发明的有益效果在于：在优化能力方面全面优于启发式方法，在优化能力和适应性方面有着更好的折衷。
基于深度强化学习模糊柔性作业车间优化调度方法

[发明专利]基于深度强化学习的作业车间优化调度方法-CN202310242071.1在审
发明人：汪烈军;袁二东;程述立;吴芳 -专利权人：新疆大学
申请日： 2023-03-14 - 公布日： 2023-06-23 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了基于深度强化学习的作业车间优化调度方法，涉及智能制造、运筹学领域。本发明包括以下步骤：S1、进行问题描述；S2、将JSSP建模为MDP；S3、进行策略模型训练和性能评估。本发明的有益效果在于：能够提升Agent的决策能力，加快了模型的收敛速度。
基于深度强化学习作业车间优化调度方法

[发明专利]基于深度强化学习的柔性作业车间优化调度方法-CN202310242074.5在审
发明人：汪烈军;袁二东;程述立;吴芳 -专利权人：新疆大学
申请日： 2023-03-14 - 公布日： 2023-06-23 - 主分类号： G06Q10/0631 文献下载
摘要：本发明公开了基于深度强化学习的柔性作业车间优化调度方法，涉及智能制造、运筹学领域。本方法包括以下步骤：S1、进行问题描述；S2、将FJSSP建模为MDP，MDP由元组(S、A、P、R、γ)组成；S3、进行策略模型训练和性能评估。本发明的有益效果在于：提出了一种新的DRL框架，其中采用了一种更简单的MLP作为状态嵌入网络，这在一定程度上减小了模型测试的计算复杂度，利于Agent捕获到有效的状态信息。
基于深度强化学习柔性作业车间优化调度方法

[发明专利]改进融合层与损失函数交替更新的图文匹配方法-CN202010236904.X有效
发明人： 程述立;汪烈军;杜安钰;王德鹏 -专利权人：新疆大学
申请日： 2020-03-30 - 公布日： 2022-09-27 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种改进融合层与损失函数交替更新的图文匹配方法，所述方法包括：建立融合层，通过所述融合层提取图像特征和文本特征数据之间的融合特征；基于融合特征分别与图像特征和文本特征的相似性对图像特征和文本特征进行嵌入编码；基于由原始特征组成的原始损失函数以及由融合特征组成的融合损失函数交替更新策略优化原始损失和融合损失。本方法同时考虑鲁棒性特征提取和模型优化，引入融合层获取鲁棒性特征并且基于交替更新融合前和融合后损失函数去优化网络参数，实验证明，本方法相比于传统方法具有一定的优越性。
改进融合损失函数交替更新图文匹配方法

[发明专利]一种深度监督量化哈希的图像检索方法-CN202010243021.1有效
发明人： 程述立;汪烈军;杜安钰 -专利权人：新疆大学;赛尔网络有限公司
申请日： 2020-03-31 - 公布日： 2022-08-09 - 主分类号： G06F16/583 文献下载
摘要：本发明提供一种深度监督量化哈希的图像检索方法，所述方法包括：对输入的图像检索数据进行特征提取，将特征提取部分提取的特征输入哈希层生成哈希码，通过构造不同的损失函数训练哈希层的网络参数；其中，在特征提取部分，采用ResNet101作为主干网络集合双通道注意力机制实现网络模型的构建以进行图像特征提取，所述双通道注意力机制包括通道注意力机制以及空间注意力机制。本发明主要从网络模型选取、损失函数构建中去弥补现有算法中的不足，提升算法检索性能，从而可应用于大规模检索引擎、医学计算机辅助诊断及人脸数据库中。
一种深度监督量化图像检索方法

[发明专利]一种基于生成对抗网络的图像超分辨率重建方法-CN202010236916.2在审
发明人： 程述立;汪烈军;杜安钰;王德勇;敖乃翔;李永明;李灿 -专利权人：新疆大学;新疆联海创智信息科技有限公司
申请日： 2020-03-30 - 公布日： 2020-07-17 - 主分类号： G06T3/40 文献下载
摘要：本发明提供一种基于生成对抗网络的图像超分辨率重建方法，所述生成对抗网络包括生成器和判决器，所述生成器包括深层生成器和浅层生成器，所述判决器包括深层判决器和浅层判决层，所述方法包括：在生成器中，低分辨率图片经过第一层卷积层后并行进入深层生成器和浅层生成器，得到深层特征图和浅层特征图，最后通过逐元素相加的方式将深层特征图和浅层特征图进行融合，融合后的特征图经过卷积层进入最终的特征映射层，生成预测图片；在判决器中，将生成器生成的预测图片与原始的图片同时并行输入深层判决器和浅层判决器以预测图片的真实或者虚假概率。本发明通过提出的深层网络和浅层网络的训练可以加快收敛速度，并提高生成的超分辨率图像的质量。
一种基于生成对抗网络图像分辨率重建方法