-
公开(公告)号：CN117011299B
公开(公告)日：2024-02-20
申请号：CN202311280774.X
申请日：2023-10-07
Applicant: 华侨大学
Abstract: 本发明公开了一种融合图重采样和梯度特征的参考点云质量评估方法及系统，涉及图像处理领域，方法包括：使用基于图的关键点重采样方法，对输入的参考点云进行关键点提取；以关键点为中心划分参考点云和失真点云的局部邻域组，根据关键点与其他点在坐标空间中的欧几里德距离来聚类每个局部区域内的点；分别提取参考点云和失真点云的三维梯度幅值特征和三维梯度方向图特征，基于三维梯度幅值特征计算三维梯度幅值相似度，基于三维梯度方向图特征计算三维梯度方向图相似度，并计算出联合三维梯度特征相似度；基于联合三维梯度特征相似度，使用响应强度值进行加权池化，得到失真点云的客观质量分数。本发明具有较高的识别准确性、敏感性以及鲁棒性。
-
公开(公告)号：CN117476250A
公开(公告)日：2024-01-30
申请号：CN202311764347.9
申请日：2023-12-21
Applicant: 华侨大学
Abstract: 本发明公开了一种基于多目标跟踪的流行病调查预测方法、装置及可读介质，涉及图像处理领域，包括：获取目标场景区域的视频数据并进行目标检测以及目标跟踪，得到多目标跟踪结果；基于多目标跟踪结果构建目标场景区域中出现的人员在每个时间步所对应的接触网络；构建当前时间步所对应的传染病动力学模型，若存在感染者，则获取感染者在下个时间步的轨迹数据，根据感染者在下个时间步的轨迹数据和下个时间步的接触网络动态调整当前时间步所对应的传染病动力学模型，得到下个时间步所对应的传染病动力学模型，确定下个时间步的感染者的接触者及其轨迹数据，以解决现有模型无法精确模拟出感染者以及接触者的活动空间的问题。
-
公开(公告)号：CN117456561A
公开(公告)日：2024-01-26
申请号：CN202311779478.4
申请日：2023-12-22
Applicant: 华侨大学
IPC: G06V40/10 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N10/20 , G06N10/60
Abstract: 本发明公开一种基于部件量子学习的行人再辨识方法，涉及量子计算、人工智能领域，包括：用深度神经网络从行人图像中提取特征映射，并用自适应空间平均池化把特征映射分解为多个部件特征；用多分支通道型量子卷积网络，每个分支对应从一个部件特征上进行量子学习，获得部件量子特征；把所有部件量子特征求和并输入通道型量子卷积网络进行部件量子特征融合，获得最终的行人特征向量，用于行人再辨识。本发明利用量子叠加与纠缠特性实现行人特征学习，能提高特征学习效果，进而提升行人再辨识的准确率。
-
公开(公告)号：CN117237259A
公开(公告)日：2023-12-15
申请号：CN202311510614.X
申请日：2023-11-14
Applicant: 华侨大学
Abstract: 本发明公开了一种基于多模态融合的压缩视频质量增强方法及装置，涉及图像处理领域，该方法包括：获取图像帧及其对应的光流图和纹理图并分别进行特征提取，得到图像特征、光流特征和纹理特征；构建压缩视频质量增强模型并训练，得到经训练的压缩视频质量增强模型；将图像特征、光流特征和纹理特征输入经训练的压缩视频质量增强模型，图像特征、光流特征和纹理特征输入多模态一致性单元，自适应调整三种模态信息的分布，得到第一特征、第二特征和第三特征并输入多模态融合单元以进行特征融合，得到融合特征并输入多模态重构单元，得到重构信息，将重构信息与图像帧相加，得到增强的视频帧，解决单模态图像难以有效改善最终重建视频的质量的问题。
-
公开(公告)号：CN117218005A
公开(公告)日：2023-12-12
申请号：CN202311476526.2
申请日：2023-11-08
Applicant: 华侨大学
IPC: G06T3/40 , G06V10/40 , G06T5/00 , G06V10/764
Abstract: 本发明涉及图像超分辨率的技术领域，公开了一种基于全距离特征聚合的单帧图像超分辨率方法及系统，包括以下步骤：利用通道上采样卷积层，将输入的低分辨率图像转换为通道数为C的浅层特征图；对浅层特征图进行短距离、中距离和长距离的特征提取，并聚合成为全距离特征图；利用基于亚像素卷积的通道下采样卷积层，将全距离特征图的通道数由C下采样至输入的低分辨率图像的通道数。本发明提供的超分辨率方法克服了原有经典超分辨率模型提取的特征信息尺度单一的问题，充分利用多尺度特征信息以复原精细的细节，同时抑制冗余噪声对图像重建的干扰。
-
Patent Agency Ranking
公开(公告)号：CN116600107B
公开(公告)日：2023-11-21
申请号：CN202310893891.7
申请日：2023-07-20
Applicant: 华侨大学
IPC: H04N19/103 , H04N19/119 , H04N19/124 , G06N3/0464 , G06T9/00
-
公开(公告)号：CN117011299A
公开(公告)日：2023-11-07
申请号：CN202311280774.X
申请日：2023-10-07
Applicant: 华侨大学
Abstract: 本发明公开了一种融合图重采样和梯度特征的参考点云质量评估方法及系统，涉及图像处理领域，方法包括：使用基于图的关键点重采样方法，对输入的参考点云进行关键点提取；以关键点为中心划分参考点云和失真点云的局部邻域组，根据关键点与其他点在坐标空间中的欧几里德距离来聚类每个局部区域内的点；分别提取参考点云和失真点云的三维梯度幅值特征和三维梯度方向图特征，基于三维梯度幅值特征计算三维梯度幅值相似度，基于三维梯度方向图特征计算三维梯度方向图相似度，并计算出联合三维梯度特征相似度；基于联合三维梯度特征相似度，使用响应强度值进行加权池化，得到失真点云的客观质量分数。本发明具有较高的识别准确性、敏感性以及鲁棒性。
-
公开(公告)号：CN117010458A
公开(公告)日：2023-11-07
申请号：CN202311287656.1
申请日：2023-10-08
Applicant: 华侨大学
IPC: G06N3/0464 , G06N3/048 , G06N3/084 , G06F16/31 , G06F16/33 , G06F16/51 , G06F16/583
Abstract: 本发明公开了一种基于动态排序优化的图文检索深度神经网络模型训练方法，涉及信息检索技术领域，包括：构建深度神经网络用于图像与文本数据的深度特征提取；基于输入的图文实例对的标签与特征信息，计算实例间的标签层级相似度矩阵、特征层级相似度矩阵以及不同实例之间的亲和矩阵；通过构建融合语义相似度损失、排序损失以及哈希量化损失的综合损失函数，采用梯度下降优化算法缩小所述损失值，得到训练好的深度神经网络模型。本发明在模型训练过程中动态地调整梯度优化强度，提高了训练速度和精度，通过训练好的深度神经网络模型实现跨模态检索精度的提升。
-
公开(公告)号：CN116777926B
公开(公告)日：2023-10-31
申请号：CN202311053453.6
申请日：2023-08-21
Applicant: 华侨大学
IPC: G06T7/10 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像分割领域，公开了基于左右分和式轻量卷积神经网络的裂缝分割方法及装置，方法包含以下步骤：S1，原始裂缝图片输入到左右分和式轻量卷积神经网络；S2，所述左分式结构输出特征映射#imgabs0#；S3，所述右分式结构输出特征映射#imgabs1#；S4，第i层神经构件融合左分式结构的输出特征映射#imgabs2#与右分式结构的输出特征映射#imgabs3#，输出融合特征#imgabs4#，作为下一层神经结构的输入特征映射#imgabs5#；最后一层神经构件输出的融合特征#imgabs6#作为最终输出，表达裂缝语义分割特征。本发明的左分式采用卷积与最大池化层运算，右分式采用轻量异质卷积与平均池化层运算，将左右两个分式的输出特征相加，既增强了左右分式特征学习的互补性，又实现了网络轻量化。
-
公开(公告)号：CN116612439B
公开(公告)日：2023-10-31
申请号：CN202310891061.0
申请日：2023-07-20
Applicant: 华侨大学
IPC: G06V20/52 , G06V40/10 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种模态域适应性和特征鉴别性平衡方法及行人再辨识方法，其中的模态域适应性和特征鉴别性平衡方法用于红外光与可见光跨模态行人再辨识。本发明在模态域适应性优化和特征鉴别性优化之间设置一个注意力模块，用模态域适应性优化函数监督注意力模块的掩码学习，并用特征鉴别性优化函数监督注意力模块的反掩码学习，从而借助注意力机制自动平衡模态域适应性和特征鉴别性之间的矛盾，改善特征学习效果，提升红外光与可见光跨模态行人再辨识准确性。本发明可以应用于智能视频监控系统中的行人身份识别、行人轨迹分析等，具有广泛的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
324
records
(took 0.087 seconds)
