公开(公告)号：CN119851032A

公开(公告)日：2025-04-18

申请号：CN202510018963.2

申请日：2025-01-07

Applicant: 电子科技大学

Inventor： 左琳 ,  罗文伟 ,  敬蒙蒙 ,  罗时敏 ,  严家富 ,  胡钰国

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/77 ,  G06V10/82 ,  G06N3/096 ,  G06N3/0895 ,  G06N3/045

Abstract: 本发明公开了一种基于扩散模型的跨域渐进适应方法，属于深度学习技术领域。本方法通过基于能量的伪标签标注策略与混合特征引导的扩散模型，逐步实现目标域的渐进式域适应。首先，结合领域特征和实例的不确定性，生成目标域数据的伪标签，确保目标域类别信息的有效标注。接着，通过扩散模型对源域数据进行预训练，向目标域和中间域数据添加噪声，并通过反向去噪的方式，将目标域的特征逐步转化为源域的风格。在去噪过程中，采用混合特征引导策略，平衡图像的结构信息与类别信息，引导编码器在跨域特征转换中保持目标域的特征一致性和源域的风格特性。最终移除扩散模型，仅使用编码器和分类器对目标域数据进行分类识别。本发明显著降低了域间迁移的计算成本，增强了模型的适应能力，为域适应相关任务提供了一种高效且鲁棒的解决方案。

公开(公告)号：CN119690693A

公开(公告)日：2025-03-25

申请号：CN202411259619.4

申请日：2024-09-10

Applicant: 电子科技大学

Inventor： 敬蒙蒙 ,  肖永俊 ,  罗文伟 ,  罗时敏 ,  彭浩然 ,  左琳

IPC: G06F9/54 ,  G06V20/40 ,  G06V20/52 ,  G06V10/764 ,  G06N3/08 ,  G06N5/04 ,  H04N7/18

Abstract: 本发明提供了一种高效的深度学习模型部署方案，通过采用消息队列和微服务架构，实现大规模图像处理的高并发请求处理和批量推理。系统包括前端调用方、SpringBoot集群、RabbitMQ消息队列、基于PyTorch的算法实例和Redis缓存，多个组件的搭配旨在实现高效的请求处理、批量图像推理和快速结果查询。该方案能够显著提升系统的处理能力和响应速度，适用于大规模实时图像处理应用。相较于传统的单机处理方式在面对高并发请求时往往表现出效率低下和响应时间长的问题，该方案能有效提升集群的吞吐量，降低检测的延迟，并最终大幅提升集群的实时检测能力。

公开(公告)号：CN119941564A

公开(公告)日：2025-05-06

申请号：CN202411930121.6

申请日：2024-12-26

Applicant: 电子科技大学

Inventor： 左琳 ,  罗时敏 ,  汪淑贤 ,  田现龙 ,  胡钰国 ,  敬蒙蒙

IPC: G06T5/73 ,  G06T5/60 ,  G06T5/94 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及一种基于码本先验和双域对齐的图像眩光去除方法，针对复杂眩光伪影问题，提出结合数据驱动先验知识、高维特征对齐与动态注意力机制的多阶段深度学习框架。通过向量量化技术提取清晰图像的离散潜在特征，构建高质量先验；利用编码器和解码器网络，在空间域与频域中对眩光图像特征进行对齐，分离眩光伪影与图像内容；基于差异图生成分布注意力图，对伪影区域进行动态加权并增强细节恢复；通过构建联合优化目标，确保全局一致性与局部细节精确修复。实验验证表明，本方法在合成与真实场景下均取得优异效果，适用于多种复杂眩光场景的图像处理任务。

公开(公告)号：CN119205539A

公开(公告)日：2024-12-27

申请号：CN202411391478.1

申请日：2024-10-08

Applicant: 电子科技大学

Inventor： 左琳 ,  罗文伟 ,  胡钰国 ,  郭峰 ,  敬蒙蒙 ,  余芸倩 ,  田现龙

IPC: G06T5/60 ,  G06T5/70 ,  G06N3/0464 ,  G06N3/0455 ,  G06V10/80 ,  G06N3/08

Abstract: 本发明公开了一种基于低光特征先验的低照度图像增强方法，属于深度学习技术领域。本发明采用低光特征图、注意力机制和扩散模型，对实际应用场景中存在的低照度图像进行增强，首先使用特征感知模块对低光图像提取低光特征图，然后使用卷积网络对低光区域进行局部恢复，再结合低光特征图引导的注意力机制对极暗区域进行全局恢复，接着融合两个恢复结果得到粗粒度的增强结果，最后通过扩散模型进行细粒度的细节恢复，得到最终的增强结果。本发明提出的方法在进行低照度图像增强时，有效恢复了图像的低光区域和极暗区域，极大地减少了增强后所带来的伪影和噪声，显著提升了图像的视觉感知质量。

公开(公告)号：CN119444568A

公开(公告)日：2025-02-14

申请号：CN202410607645.5

申请日：2024-05-16

Applicant: 电子科技大学

Inventor： 左琳 ,  胡钰国 ,  罗文伟 ,  郭峰 ,  敬蒙蒙 ,  陈彪 ,  田现龙

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/092

Abstract: 本发明公开了一种基于路径动态选择的轻量化超分辨率网络方法，该方法属于图像处理和深度学习技术领域。本方法结合了策略网络、强化学习和超分辨率网络，有效克服了计算资源受限的边缘设备在进行高精度图像超分辨率处理时面临的挑战。通过策略网络和超分网络的卷积层，从低分辨率图像中有效提取特征，策略网络进一步根据这些特征生成优化路径，指导超分网络按此路径精确处理图像，生成高分辨率图像。本发明的核心创新在于将超分网络与路径动态选择机制结合，在不牺牲图像质量的前提下，显著提高了处理速度，实现了在计算受限环境下的高效图像处理。

公开(公告)号：CN117875396A

公开(公告)日：2024-04-12

申请号：CN202410018366.5

申请日：2024-01-05

Applicant: 电子科技大学

Inventor： 左琳 ,  丁永奇 ,  敬蒙蒙 ,  杨坤山 ,  肖永俊 ,  何沛

IPC: G06N3/084 ,  G06N3/0464

Abstract: 本发明公开了一种基于时间步长收缩的脉冲神经网络训练方法，属于类脑计算和深度学习领域。本发明所述方法将具有任意网络结构的脉冲神经网络划分为多个阶段，每个阶段的时间步长逐渐收缩，结合代理梯度及随机梯度下降算法对脉冲神经网络进行训练；同时，使用非对称注意力机制对时间步长收缩时的信息进行自适应重要性评估，对其进行重分配实现时间尺度转换。相较于现有方法，本发明所述方法能够大幅降低脉冲神经网络的推理延迟，且在同等延迟下达到更高的识别、检测性能。