“胡伏原”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57个，建议您升级VIP下载更多相关专利

[发明专利]基于生成对抗网络的文本生成序列图像的方法-CN202110384686.9有效
发明人： 胡伏原;张玮琪;李林燕;徐峰磊;夏振平;顾敏明 -专利权人：苏州科技大学;苏州佳图智绘信息技术有限公司
申请日： 2021-04-09 - 公布日： 2023-10-20 - 主分类号： G06T11/60 文献下载
摘要：本发明涉及一种基于生成对抗网络的文本生成序列图像的方法，该方法包括：构建训练数据库，训练数据库包括训练文本和与原始图像，利用训练文本和原始图像对生成对抗网络模型进行训练；生成对抗网络模型包括混合生成器和鉴别器，混合生成器包括场景图引导的图像生成器和基于序列条件的图像生成器；将待处理的文本输入至训练后的所述生成对抗网络模型中，由训练后的生成对抗网络模型生成与待处理文本相对应的图像并输出。本发明能够生成与文本描述相匹配的视觉上真实的图像，避免了对象布局混乱的问题，提高了输出图像的准确度。
基于生成对抗网络文本序列图像方法

[发明专利]基于布局图的多物体场景新视角图像生成方法及系统-CN202111616064.0有效
发明人：高小天;毛志文;倪勇;胡伏原;金凯 -专利权人：江苏贝思旺科技有限公司;苏州科技大学
申请日： 2021-12-27 - 公布日： 2023-09-08 - 主分类号： G06T7/73 文献下载
摘要：本发明涉及一种基于布局图的多物体场景新视角图像生成方法，包括将多个图像的布局图输入至布局图预测器，获得新视角下的布局图；输入多个图像，对图像中的每个对象实例进行采样，并将其与相机位姿矩阵沿通道方向连接构建输入张量，将构建的张量输入至像素预测器，获得新视角下的各个物体的图像；将新视角下的布局图和新视角下的各个物体的图像输入至场景生成器中，各个物体的图像依次经过编码器和融合器，得到一个包含所有物体信息的融合特征，通过解码器生成场景图像。本发明通过场景的布局图信息指导网络生成场景图像，不依赖输入图像的深度图，生成的图像更加清晰真实，解决了现有生成图像中精度较低和准确度较低的问题。
基于布局物体场景新视角图像生成方法系统

[发明专利]融合多源因素的传感器数据长时预测的方法及装置-CN202310258034.X在审
发明人：顾敏明;徐浩钧;汤轶丰;胡伏原;高亮 -专利权人：苏州科技大学
申请日： 2023-03-17 - 公布日： 2023-08-08 - 主分类号： G06F18/25 文献下载
摘要：本发明公开了一种融合多源因素的传感器数据长时预测的方法及装置，属于计算机技术领域。所述方法包括：采集传感器数据，并对采集后的多传感器数据进行缺失填充与归一化处理，分析目标数据与多源因素动态关系，提取特征并构建他们的动态相关性，根据历史序列数据采用频域分解模块以减少多源因素序列冗余的同时保留其时序特征，以及根据历史时序数据采用时间注意模块构建历史时序数据与当前时间步数据的时序相关性。本发明以解码器‑编码器，频域分解模块，注意力模块等为基础，解决了长时预测时多源因素难以动态构建相关性、减少历史序列冗余并保留时序特征的问题。
融合因素传感器数据预测方法装置

[发明专利]微电网能源交易方法和系统-CN202310226587.7在审
发明人：吴征天;王智康;孙骋;江保平;程郁琨;付保川;吴宏杰;胡伏原 -专利权人：苏州科技大学
申请日： 2023-03-10 - 公布日： 2023-07-11 - 主分类号： G06Q30/0601 文献下载
摘要：本申请实施例提供一种微电网能源交易方法及系统、电子设备和计算机可读存储介质。所述方法包括：获取位于微电网中的能源交易参与者的能源交易信息，所述能源交易信息包括能源销售量、能源消费量和能源交易方式；根据能源交易方式在同一微电网和微电网间匹配所述能源销售量和能源消费量，得到剩余能源销售量或剩余能源消费量；若剩余能源销售量或剩余能源消费量不足，则从公用电网匹配所述剩余能源销售量或剩余能源消费量。最大程度地降低了能源价格，减少了电力消费成本，减少了对公用电网的依赖，降低公用电网的负荷，提高公用电网的稳定性。
电网能源交易方法系统

[发明专利]孪生导向锚框RPN网络的实时目标跟踪方法-CN202010657633.5有效
发明人： 胡伏原;尚欣茹;李林燕;赵柳清;韩菲;颜梦芳;孙云飞;陶重犇;夏振平 -专利权人：苏州科技大学;苏州佳图智绘信息技术有限公司
申请日： 2020-07-09 - 公布日： 2023-07-04 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种孪生导向锚框RPN网络的实时目标跟踪方法。本发明一种孪生导向锚框RPN网络的实时目标跟踪方法，包括：S1.分别将大小为127×127×3的模板帧和256×256×3的检测帧输入到孪生网络中的对应输入端口；S2.将通过孪生网络提取得到的特征分别输入到导向RPN(GA‑RPN)网络的目标分类分支和位置回归分支，得到对应的分数图；S3.将导向RPN网络得到的分类分数图和位置回归分数图结果融合，然后进行插值计算，即可得到跟踪的结果。本发明的有益效果：解决孪生RPN目标跟踪网络的精度较低和速度较低的问题。
孪生导向 rpn 网络实时目标跟踪方法

[发明专利]基于孪生网络的RGB-D特征目标跟踪方法-CN202110064596.1有效
发明人： 胡伏原;尚欣茹;李林燕;高小天;张玮琪;程洪福 -专利权人：苏州科技大学;苏州佳图智绘信息技术有限公司
申请日： 2021-01-18 - 公布日： 2023-07-04 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于孪生网络的RGB‑D特征目标跟踪方法，包括以下步骤：构建基于RGB‑D特征的孪生网络模型；模板图像经共享网络处理，获得模板图像的语义特征，将高层语义特征输入至深度卷积网络模块，获得深度图；对深度图进行深度特征提取，获得深度特征信息，通过级联方式将深度特征信息与语义特征进行融合，获得融合后的图像特征；搜索图像经共享网络处理，获得搜索图像的特征，搜索图像的特征经卷积和池化操作，获得搜索图像的上下文信息，通过搜索图像的上下文信息指导融合后的图像特征，生成用于目标定位的自适应特征；将自适应特征与搜索图像通过共享网络处理获得的特征进行互相关操作，对分数图进行插值计算，获得跟踪的结果。其引入深度图，能够实现在复杂场景中高精度跟踪，效果好。
基于孪生网络 rgb 特征目标跟踪方法

[发明专利]一种医学图像中肝脏及其病灶分割的方法-CN202010180378.X有效
发明人：奚雪峰;郑志华;程成;崔志明;胡伏原;付保川 -专利权人：苏州科技大学;苏州金比特信息科技有限公司
申请日： 2020-03-16 - 公布日： 2023-05-23 - 主分类号： G06T7/11 文献下载
摘要：本发明涉及一种医学图像中肝脏及其病灶分割的方法，先将腹部CT图像数据进行筛选及整合预处理，并划分成多个不同用处的数据集，然后搭建新的神经网络，使用小图数据进行初始训练；之后，保存训练好的模型，使用原图和新的数据增强方式进行二次训练，对预测的图片进行膨胀和腐蚀处理，用医学评价指标进行评测；分别用DL、GDL、TL损失函数训练的模型预测结果，将上述三个损失模型的预测结果相加取平均值形成融合特征，最后修改网络，把这三个损失模型融合在单个网络进行训练预测。能进行端到端的训练测试，以高精度和高速度来同时识别肝脏和病灶，有效帮助医生识别CT图像，大大减少医生所消耗的时间和精力，减少误诊的概率。
一种医学图像肝脏及其病灶分割方法

[发明专利]随机网络平均一致性数据聚合能耗优化方法-CN202310052228.4在审
发明人：陈珍萍;胡伏原;顾敏明;施丽佳;贺文;景苏川 -专利权人：苏州科技大学
申请日： 2023-02-02 - 公布日： 2023-05-05 - 主分类号： H04W52/02 文献下载
摘要：本发明公开了一致随机网络平均一致性数据聚合能耗优化方法，包括以下步骤：步骤1、建立预布置的理想网络和随机网络之间的通信连接关系；步骤2、基于平均一致性理论结合通信连接关系进行感知聚合，得到随机网络的一致性聚合算法方程；步骤3、建立一致性聚合算法方程实现收敛时的一致性聚合能耗、一致性聚合增益和收敛速率；步骤4、以一致性聚合能耗最小为目标进行求解，得到随机网络的通信链路连接概率优化解；步骤5、将随机网络中所有通信链路概率均调节为通信链路连接概率优化解。
随机网络平均一致性数据聚合能耗优化方法

[发明专利]基于图结构的目标检测方法及电子设备-CN202310035275.8在审
发明人：徐峰磊;赵浩剀;张佳欣;张乐谦;施斐;马益路;胡伏原 -专利权人：苏州科技大学;苏州中星拟景信息技术有限公司
申请日： 2023-01-10 - 公布日： 2023-04-28 - 主分类号： G06V10/74 文献下载
摘要：本发明涉及一种基于图结构的目标检测方法及电子设备，包括：步骤S1：获取待检测图像；步骤S2：通过改进的知识蒸馏方法来构建基于图结构的目标检测网络，其中，所述改进的知识蒸馏方法为：通过图结构法对所述教师模型进行蒸馏得到学生模型，所述教师模型通过预设图像数据集训练得到，所述学生模型为基于图结构的目标检测网络；步骤S3：通过所述基于图结构的目标检测网络检测所述待检测图像中的目标。本发明解决了现有知识蒸馏方法中提炼特征知识的信息不丰富的问题，本发明的知识蒸馏方法能够有效提高学生模型在目标检测中的性能。
基于结构目标检测方法电子设备

[发明专利]密集场景中的多目标跟踪方法、系统及电子设备-CN202310036508.6在审
发明人：徐峰磊;吴奕飞;杨明月;张乐谦;施斐;马益路;胡伏原 -专利权人：苏州科技大学;苏州中星拟景信息技术有限公司
申请日： 2023-01-10 - 公布日： 2023-04-28 - 主分类号： G06T7/246 文献下载
摘要：本发明涉及一种密集场景中的多目标跟踪方法、装置及电子设备，方法包括：获取第T帧图像并对其进行下采样，得到若干下采样特征图；基于若干下采样特征图得到第一特征图，并对第一特征图进行映射得到热力图检测结果,得到目标人物检测框；同时对第T‑1帧图像中的目标人物在第T帧图像中的位置进行定位，得到定位结果；将目标人物检测框和定位结果进行IOU匹配，若IOU匹配均成功，则完成跟踪；若存在IOU匹配未成功，执行下一步；基于若干下采样特征图得到第二特征图，将第二特征图进行处理后进行二次匹配，若二次匹配均成功，则完成跟踪；若二次匹配未成功，不断循环上述两次匹配。本发明能够在拥挤场景下提高多目标跟踪精度。
密集场景中的多目标跟踪方法系统电子设备

[发明专利]基于全局注意力的卷积-Transformer的RGB-T目标跟踪网络-CN202211113015.X在审
发明人：姚睿;仇甲柱;周勇;王鹏;张艳宁;胡伏原;祝汉城;赵佳琦;刘兵 -专利权人：中国矿业大学
申请日： 2022-09-14 - 公布日： 2022-11-22 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于全局注意力的卷积‑Transformer的RGB‑T目标跟踪网络方法，输入是一对来自视频流中的可见光和红外图像，通过构建卷积‑Transformer特征提取网络，共享参数的Transformer分支处理多模态数据的共享特征并建立全局信息模型。独立的卷积分支则处理各个模态的独立特征。结合全局与局部、共享和独立信息特征以充分挖掘多模态数据的可利用信息。然后通过交叉注意融合模块利用交叉注意力建立模态之间全局对应关系以加强模态间的信息交互，实现深度融合。通过ROIAlign层将候选样本映射成固定大小的特征。最后，由每个候选样本映射的融合特征被送入全连接层以预测分数由二元分类层获得。
基于全局注意力卷积 transformer rgb 目标跟踪网络

[发明专利]基于卷积神经网络的单图像去雨方法-CN201911095524.2有效
发明人： 胡伏原;叶子寒;李林燕;孙钰;温尧乐 -专利权人：苏州科技大学
申请日： 2019-11-11 - 公布日： 2022-10-18 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于卷积神经网络的单图像去雨方法。本发明首先，我们并未使用导向滤波或者其他滤波分离图像以尽可能地保留图像的原始信息。其次，我们提出了我们的RK块来代替残差块以更高效地提取特征。最后，我们提出了特征转换连结操作来处理多尺度雨线。此外，批正则化操作假设了特征都有着相同的分布，然而不同的雨线有着不同的方向、颜色和形状，因此我们移除了网络中所有的批正则化操作。本发明的有益效果：以卷积神经网络为基础，设计一类较为简洁、高效的单步单流去雨网络模型，以便更好地修复带雨图像，同时保持修复质量和模型大小之间的平衡。
基于卷积神经网络图像方法

[发明专利]基于注意力机制的目标变换方法-CN201810866277.0有效
发明人： 胡伏原;叶子寒;李林燕;孙钰;付保川 -专利权人：苏州科技大学
申请日： 2018-08-01 - 公布日： 2022-10-18 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种基于注意力机制的目标变换方法，包括：训练神经网络模型：步骤1，使用随机数初始化神经网络模型的参数；步骤2，输入一张属于类别X的图像x到模型的生成器G中，进入编码阶段，x经过一个卷积层来计算出第一层特征图f1。利用上述训练得到的神经网络模型进行图像的目标变换，通过在模型中引入注意力机制，使模型能够在目标变化任务中识别出需要转换的目标物体，从而将目标和背景区分开。同时，通过构建注意力一致损失函数和背景一致损失函数来保证原始图像和转换图像的背景一致性。
基于注意力机制目标变换方法

[发明专利]小样本图像分类系统及其方法-CN202210719747.7在审
发明人：奚雪峰;仇真;顾晨凯;崔志明;胡伏原;左严 -专利权人：苏州科技大学;江苏新希望科技有限公司
申请日： 2022-06-23 - 公布日： 2022-09-23 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种小样本图像分类系统及方法，多分辨率模块，学习不同分辨率图像的特征嵌入，为输入图像生成深度局部描述符学习不同分辨率图像的特征嵌入，每个查询图像和每个支持类的分布都可在深度局部描述符的级别上表示；全局注意力模块，放大跨维度接受区域，捕获全局维度的重要交互特征；自适应融合模块，联合学习得到的权值向量将局部关系和全局关系自适应地融合在一起，采用非参数最近邻分类器作为动态分类器；自蒸馏模块，将深层网络分类器作为教师网络，对共享第二层卷积模块权重的浅层网络进行蒸馏。卷积神经网络中使用多分辨率学习的方法，全局注意力机制融入自蒸馏方法中，解决小样本学习任务中图像空间冗余问题。
样本图像分类系统及其方法

[发明专利]差异沉降下的假山拱形门径向裂纹状态的计算方法-CN202210751526.8在审
发明人：顾敏明;汤轶丰;程洪福;胡伏原;肖亮;郑期栋 -专利权人：苏州科技大学;苏州市拙政园管理处
申请日： 2022-06-28 - 公布日： 2022-09-09 - 主分类号： G06F30/13 文献下载
摘要：本发明公开了一种差异沉降下的假山拱形门径向裂纹状态的计算方法。所述计算方法包括如下步骤：将拱形门视作杆件体，两拱脚处视为固定支撑，将差异沉降视作为视为支座位移；根据拱形门结构的对称性，将所述支座位移分解为正对称结构与反对称结构两种状态的叠加，并计算所述反对称结构中的内力；根据内力计算结果推导裂纹截面处的应力场情况；以及根据所述裂纹截面处应力场情况，对权重函数和裂纹表面应力分布乘积进行积分，并计算出裂纹的应力强度因子。根据本发明的差异沉降下的假山拱形门径向裂纹状态的计算方法，以力法、截面法和权函数法等为基础，解决在工程计算中拱形门径向裂纹应力强度因子难以模型化计算的问题。
差异沉降假山拱形门径向裂纹状态计算方法

1
2
3
4
下一页»
尾页
共 57 条