李凡
- 作品数：22 被引量：13H指数：3
- 供职机构：昆明理工大学更多>>
- 发文基金：国家自然科学基金云南省科技厅科技计划项目云南电网公司科技项目更多>>
- 相关领域：自动化与计算机技术经济管理更多>>
- 一种基于细节信息渐近恢复的图像超分辨率重建方法
- 本发明涉及一种基于细节信息渐近恢复的图像超分辨率重建方法，属于图像超分辨率重建技术领域。该方法包括：针对基于学习的图像超分辨率重建算法中存在边缘信息丢失、易产生视觉伪影等问题。本发明首先对SR网络中边缘特征通过特征对齐模...
- 李凡朱静
- 基于多尺度和非压缩激励通道注意力的野外蝴蝶识别方法
- 本发明提出了一种基于多尺度和非压缩激励通道注意力的野外蝴蝶识别方法，属于计算机视觉领域，本方法以野外蝴蝶图像的种类自动识别为目标，在自建混合数据集基础上，对YOLOv3模型的主干网络进行了改进，构建出一种内嵌通道注意力M...
- 周文进李凡
- 文献传递
- 一种图像融合质量检测装置
- 本申请公开了一种图像融合质量检测装置，属于图像融合检测技术领域，包括安装架，所述安装架的上表面固定安装有检测装置，安装架的内部设置有固定盘，固定盘的内部设置有清洁棉板，清洁棉板的上方设置有摄像头，摄像头的上表面贯穿安装架...
- 山子岐李凡刁悦钦邹华宇李志文
- 基于开放式创新的云南液态金属新材料产业吸收能力的影响因素研究
- 伴随第四次工业革命的发展,企业技术创新由一个孤立系统变为非线性开放式的活动过程,在“开放式创新”模式下,企业可以不拘一格地运用跨越组织边界的知识。云南液态金属新材料产业的突破创新正为热控能源、增材制造、智能机器及生物医疗...
- 李凡
- 关键词：开放式创新
- 文献传递
- 一种基于知识嵌入的自适应多模态图像融合方法
- 本发明涉及图像处理技术领域，且公开了一种基于知识嵌入的自适应多模态图像融合方法旨在解决现有图像融合技术在恶劣天气条件下的挑战。该方法通过采用Mean Teacher的自监督机制，有效提升了图像融合网络在恶劣天气下的鲁棒性...
- 陈著李凡
- 低秩先验引导的无监督域自适应行人重识别被引量：3
- 2021年
- 无监督域自适应行人重识别在智能监控中发挥着重要作用,并引起了研究者的广泛关注。尽管目前的研究已经取得了较大进步,但不同数据集之间的域偏移问题给行人重识别带来极大挑战。研究发现,在连续时间里,同一摄像机视角下的行人图像具有相同的风格,如果将这种风格信息从行人图像中分离出去,将有效缓解由图像风格差异引起的域偏移问题。为此,提出一种低秩先验引导的域不变信息分离的字典学习方案。根据风格信息的低秩先验性,将行人图像特征中的风格信息和行人身份信息分离开来,根据同一身份行人属性的域不变性建立视觉特征与属性之间的联系,缓解域偏移所带来的影响,通过自训练策略来调整学习参数。实验表明,方法的性能在很多数据集上超过了传统的无监督域自适应行人重识别方法以及部分基于深度学习的无监督域自适应行人重识别方法。
- 李玲莉谢明鸿李凡李凡李华锋李华锋
- 一种融合多任务协同与渐进式解析策略的小目标结直肠息肉分割方法
- 本发明涉及医学图像处理技术领域，且公开了一种融合多任务协同与渐进式解析策略的小目标结直肠息肉分割方法包括对小目标息肉全局语义信息建模的粗分割阶段；对小目标息肉细节信息进行挖掘的超分辨率重建阶段；结合超分辨率所挖掘的细节信...
- 范浦银李凡
- 基于对抗自学习的跨域绝缘子检测算法被引量：4
- 2020年
- 为实现在海量线路巡检图像中对绝缘子的自动识别,提出一种基于对抗自学习的跨域绝缘子识别方法。该方法由对抗学习和自训练学习2个阶段组成。在对抗学习阶段,通过特征提取器和分类器之间的对抗学习,使模型分别获得对玻璃绝缘子和复合绝缘子具有鲁棒性的分类特征。在自训练学习阶段,首先,采用有标签的玻璃绝缘子样本对模型进行预训练;然后,将无标签的复合绝缘子样本输入网络,并选择置信度高的样本赋予软标签对模型进行再次训练,使模型最终获得在不同域上的泛化能力。与现有方法相比,该文方法采用分属不同材质的绝缘子样本对深度神经网络进行2个阶段的训练,在有效降低模型训练过程中样本标注量的同时,解决了跨域识别不同材质的绝缘子的问题。
- 李凡李凡王红斌王红斌王红斌徐开雄李爽
- 关键词：绝缘子线路巡检图像玻璃绝缘子复合绝缘子
- 一种基于字幕生成任务增强的肺炎医学图像分割方法
- 本发明涉及医学图像处理技术领域，且公开了一种基于字幕生成任务增强的肺炎医学图像分割方法。该方法通过引入额外的文本生成模块，通过生成与病变区域相关的医学文本描述，并用生成的文本引导分割任务，提升了图像分割的准确性的同时还提...
- 李凡赵万龙
- 基于FPN与PAN网络的双重注意力的遥感小目标检测方法
- 本发明涉及一种基于FPN与PAN网络的双重注意力的遥感小目标检测方法，属于计算机视觉领域。本发明首先对FPN网络中的顶层特征图进行池化得到通道向量，再将通道向量进行矩阵运算后得到通道注意力矩阵，接着将其归一化得到通道权重...
- 李凡 韩兴勃
