-
公开(公告)号：CN114140480A
公开(公告)日：2022-03-04
申请号：CN202111496557.5
申请日：2021-12-09
Applicant: 安徽大学
Abstract: 本发明公开一种基于边缘辅助学习的热红外电气设备图像语义分割方法，通过转换模块和全局信息集成模块将从原始输入图像中提取的特征进行转换，将对边缘检测和语义分割任务进行同步优化，同时为更好的实现语义分割和边缘优化的联合优化，使用交叉引导单元进行简单特征变换，将解码器中两条不同分支进行交互，使得两种任务达到联合优化的效果。此外，本发明在卷积神经网络的模块输入端增加有真值监督,由此本发明不仅可以预测到更准确的目标边界，而且能够通过边缘检测分支来辅助语义分支得到更准确的分割结果。
-
公开(公告)号：CN114022516A
公开(公告)日：2022-02-08
申请号：CN202111346472.9
申请日：2021-11-15
Applicant: 安徽大学
Abstract: 本发明公开一种基于高秩特征和位置注意力的双模态视觉跟踪方法，提供一种基于高秩特征和位置注意力的双模态视觉跟踪方法，通过在主干网络中引入目标位置注意力模块来关注目标位置信息，并利用高秩指导模块关注重要的通道并指导可见光和热红外特征图的融合，进一步提高目标跟踪的效果，可根据目标结果的成功与否来判断是否更新网络模型。本发明能够更加精确定位目标的位置，同时减少噪声干扰。
-
公开(公告)号：CN113077491A
公开(公告)日：2021-07-06
申请号：CN202110359997.X
申请日：2021-04-02
Applicant: 安徽大学
Abstract: 本发明公开一种基于跨模态共享和特定表示形式的RGBT目标跟踪方法，对可见光视频和对应的热红外视频进行配准和标注，按照要求将其分成训练集和测试集；利用VGG‑M网络来提取不同模态的模态特定特征，利用共享特征提取模块来提取两个模态之间的模态共享特征，同时在共享特征提取模块中使用多尺度特征融合的策略来增强特征以提高其鲁棒性。本发明在光照变化强烈、夜晚等极端条件下跟踪上目标，通过焦点损失函数使训练的模型更加关注于难以分类的样本，提高模型的鲁棒性。
-
公开(公告)号：CN107018419B
公开(公告)日：2019-07-05
申请号：CN201710280070.0
申请日：2017-04-26
Applicant: 安徽大学
IPC: H04N19/42 , H04N19/52 , H04N19/567
Abstract: 本发明公开一种基于AMBTC的图像压缩编码方法，包括编码和解码两个步骤，具体为：将原始图像以v×v大小的块为单位进行AMBTC压缩；发送方将每个块的量化值再次进行压缩编码；接收方进行解码得到AMBTC压缩图像。本发明对原始图像进行AMBTC压缩后，对其各个量化值求得预测误差，结合霍夫曼编码将预测误差进行分类编码，最终传输及存储的则为图像的预测误差编码及分区信息编码，使得图像冗余性减少，压缩比例进一步提高，同时也大大减少了图像在传输及存储的过程中所占用的资源，节省网络带宽及存储内存。
-
公开(公告)号：CN116385766A
公开(公告)日：2023-07-04
申请号：CN202310173316.X
申请日：2023-02-28
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/08 , G06T7/00 , G06N3/0464
Abstract: 本发明公开一种融合梯度图的镂空目标检测方法，制作镂空物体数据集，对原图处理获得梯度图；将原图和梯度图同时送入两个目标检测网络得到原图特征和对应梯度图特征；将原图特征和梯度图特征通过轻量级梯度注意力模块进行融合，将得融合特征继续进行网络前向传播最终得到目标的边界框信息和类别信息；不断迭代获得最优目标检测模型；将待识别的图像输入至最优目标检测模型，计算输出置信度大于阈值的分类结果作为待检测图像的识别结果。本发明通过梯度注意力模块使用梯度信息来增强原图中的镂空物体特征，使网络能够学习到更有意义的特征。同时，本发明可以很容易地被推广到各种检测框架中，从而使几乎所有镂空目标的检测都得到改善。
-
Patent Agency Ranking
公开(公告)号：CN113077491B
公开(公告)日：2023-05-02
申请号：CN202110359997.X
申请日：2021-04-02
Applicant: 安徽大学
IPC: G06T7/246 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明公开一种基于跨模态共享和特定表示形式的RGBT目标跟踪方法，对可见光视频和对应的热红外视频进行配准和标注，按照要求将其分成训练集和测试集；利用VGG‑M网络来提取不同模态的模态特定特征，利用共享特征提取模块来提取两个模态之间的模态共享特征，同时在共享特征提取模块中使用多尺度特征融合的策略来增强特征以提高其鲁棒性。本发明在光照变化强烈、夜晚等极端条件下跟踪上目标，通过焦点损失函数使训练的模型更加关注于难以分类的样本，提高模型的鲁棒性。
-
公开(公告)号：CN110740168A
公开(公告)日：2020-01-31
申请号：CN201910904089.7
申请日：2019-09-24
Applicant: 安徽大学
Abstract: 本发明公开了一种云中多租户服务器的自适应方法，包括以下步骤：S1：将整个服务器按功能分解为多个组件服务器，通过历史大数据获取各组件服务器的质量参数的均值；S2：计算组件服务器的服务质量的关键性和租户的关键性；S3：根据服务质量关键性和租户关键性来计算各组件服务器的关键性；S4：根据计算得到的组件服务器关键性对各组件服务器进行排名；S5：制定服务冗余策略，确定最终冗余策略。本发明通过采用主动的策略在可能发生故障的组件服务器处进行冗余策略，大幅降低了云中服务器自我修复的开销；进一步提高任务的按时完成率，满足用户对服务质量的需求。
-
公开(公告)号：CN107480250B
公开(公告)日：2018-09-21
申请号：CN201710687556.6
申请日：2017-08-11
Applicant: 安徽大学
Abstract: 一种基于Spark平台Web服务个性化推荐方法及系统，包括：提取用户在电商应用或信息平台的行为数据，对收集的行为数据进行评估分析；利用基于商空间粒度分析的覆盖聚类算法对收集的行为数据进行聚类处理得出聚类结果，根据上述聚类结果构建用户关联矩阵Mu和服务关联矩阵Ms，再通过对上述构建的关联矩阵进行目标用户和目标Web服务的相似邻居分析，得出目标用户和目标Web服务的相似邻居结果，并根据相似邻居结果的聚类信息对用户的评价值QoS进行预测和混合处理得出推荐算法；在Spark平台下对该推荐算法进行并行化计算，对计算结果进行存储。该方法有效提高了Web服务推荐的准确性和效率，同时缓解了推荐过程中可能存在的数据稀疏性以及扩展性问题。
-
公开(公告)号：CN107018419A
公开(公告)日：2017-08-04
申请号：CN201710280070.0
申请日：2017-04-26
Applicant: 安徽大学
IPC: H04N19/42 , H04N19/52 , H04N19/567
CPC classification number: H04N19/42 , H04N19/52 , H04N19/567
Abstract: 本发明公开一种基于AMBTC的图像压缩编码方法，包括编码和解码两个步骤，具体为：将原始图像以v×v大小的块为单位进行AMBTC压缩；发送方将每个块的量化值再次进行压缩编码；接收方进行解码得到AMBTC压缩图像。本发明对原始图像进行AMBTC压缩后，对其各个量化值求得预测误差，结合霍夫曼编码将预测误差进行分类编码，最终传输及存储的则为图像的预测误差编码及分区信息编码，使得图像冗余性减少，压缩比例进一步提高，同时也大大减少了图像在传输及存储的过程中所占用的资源，节省网络带宽及存储内存。
-
公开(公告)号：CN118552491A
公开(公告)日：2024-08-27
申请号：CN202410624123.6
申请日：2024-05-20
Applicant: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) , 安徽大学
IPC: G06T7/00 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06V30/18 , G06V30/19 , G06N3/0464 , G06N3/0985
Abstract: 本发明涉及环境检测技术领域，公开了一种基于跨模态提示学习的红外目标小样本检测方法，包括：制作包含VOCs气体排放场景的基类数据集，并利用共享权重的视觉骨干网络提取目标特征；利用跨模态生成器建立文本模态与图像模态之间的联系，并生成融合模态特征；使用ROI网络分别提取查询特征和支持特征，且支持特征再次使用跨模态生成器建立模态联系；对候选区域进行分类和回归预测。用小样本检测来实现对未知场景下的VOCs气体检测，并通过提示学习减低过拟合现象，并以蒸馏学习的方式实现小样本少标注或零标注，提升了对于迁移到实际应用的效率。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.023 seconds)
