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：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：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：CN119168963A

公开(公告)日：2024-12-20

申请号：CN202411201206.0

申请日：2024-08-29

Applicant: 电子科技大学

Inventor： 左琳 ,  余芸倩 ,  彭浩然 ,  罗文伟 ,  肖永俊

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/26 ,  G06V10/82 ,  G06V10/774 ,  G06V10/80

Abstract: 本发明公开了一种基于三阶段的低光照复杂干扰条件下的电缆隧道积水检测方法，属于深度学习技术领域。本发明根据实际应用场景中存在的问题，通过使用低照度图像增强、图像分割、目标检测这三个阶段来对电缆隧道中的积水区域进行检测。首先使用低照度图像增强提高图像质量，丰富图像细节，然后通过图像分割，在减少复杂背景干扰的同时，准确地圈定积水道路区域，最后使用了集成注意力机制的目标检测方法增强了模型在复杂背景中识别基本特征的能力，显著提高了检测积水区域的准确性。本发明提出的方法在进行电缆隧道积水识别时，有效提升了图像质量及小目标特征，排除了电缆隧道中的复杂背景干扰，提高了积水识别的准确率。

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：CN119169456A

公开(公告)日：2024-12-20

申请号：CN202411198883.1

申请日：2024-08-29

Applicant: 电子科技大学

Inventor： 左琳 ,  陈彪 ,  何沛 ,  罗文伟 ,  杨坤山

IPC: G06V20/10 ,  G06V10/25 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80

Abstract: 本发明公开了一种基于互注意力机制和领域自适应的隧道烟火检测方法，属于深度学习技术领域。本发明通过使用基于互注意力机制和细粒度领域自适应的烟火区域定位检测方法，根据实际应用场景中存在的问题对隧道烟火进行检测，首先利用图像生成技术生成大量的仿真隧道烟火图像数据，随后通过互注意力机制度量仿真隧道烟火图像和真实隧道烟火图像特征向量的相关性并优先对齐相关性较高的特征分布，再利用细粒度领域自适应方法对齐图像级和实例级特征分布，最后实现细粒度领域自适应的隧道烟火定位检测。本发明提出的方法在进行隧道烟火检测时，能够有效地对齐仿真隧道烟火图像和真实隧道烟火图像的分布，利用仿真隧道烟火图像中的特征知识提升隧道烟火区域定位检测能力，提高准确率。