-
公开(公告)号：CN108449596B
公开(公告)日：2020-09-01
申请号：CN201810342793.3
申请日：2018-04-17
Applicant: 福州大学
Abstract: 本发明涉及一种融合美学和舒适度的3D立体图像质量评估方法，包括以下步骤：步骤S1：对训练图像集合和待预测图像集合中的每幅立体图像提取左、右视图的美学特征及左、右视图美学一致性特征，获得美学特征集F1；步骤S2：对训练图像集合和待预测图像集合中的每幅立体图像提取舒适度特征，获得舒适度特征集F2；步骤S3：对训练图像集合中的所有图像，结合美学特征集F1和舒适度特征集F2，将其作为机器学习特征集T1，训练得到立体图像质量评估模型；步骤S4：利用训练好的质量评估模型评估每幅待预测图像，得到所有待预测图像的最终质量评估分数。该方法有利于提高评估结果与用户主观分数的一致性。
-
公开(公告)号：CN111274958A
公开(公告)日：2020-06-12
申请号：CN202010065378.5
申请日：2020-01-20
Applicant: 福州大学
Abstract: 本发明涉及一种网络参数自纠正的行人重识别方法及系统，该方法包括：A、使用已标注类标签行人视频训练深度网络得到参考网络模型；B、利用参考网络模型估计未标注类标签行人视频的伪标签，并选取一定比例训练深度网络得到目标网络模型；C、从选取的未标注视频中再选取一定比例，打乱其伪标签，训练深度网络得到偏差网络模型；D、计算噪声自适应损失，对目标网络模型中错误网络参数更新进行自纠正；E、将参考网络模型替换成目标网络模型，重复步骤B-D，并增加未标注视频的选取比例直到所有未标注视频被选中，得到最终的目标网络模型；F、使用目标网络模型对查询视频进行行人重识别。该方法及系统有利于提高行人重识别的准确性与鲁棒性。
-
公开(公告)号：CN106250915B
公开(公告)日：2019-08-09
申请号：CN201610585022.8
申请日：2016-07-22
Applicant: 福州大学
IPC: G06K9/62
Abstract: 本发明涉及一种融合深度特征和语义邻域的自动图像标注方法：针对传统图像标注方法中人工选取特征费时费力，以及传统标签传播算法忽视语义近邻，导致视觉相似而语义不相似进而影响标注效果等问题，提出了融合深度特征和语义邻域的自动图像标注方法，该方法首先构建基于深度卷积神经网络（CNN）的统一、自适应深度特征提取框架，接着对训练集划分语义组并建立待标注图像的邻域图像集，最后根据视觉距离计算邻域图像各标签的贡献值并排序得到标注关键词。本发明简单灵活，具有较强的实用性。
-
公开(公告)号：CN110046595A
公开(公告)日：2019-07-23
申请号：CN201910326673.9
申请日：2019-04-23
Applicant: 福州大学
Abstract: 本发明涉及一种基于级联式多尺度的密集人脸检测方法，分别训练多种尺度范围的检测器，每种物体检测器针对特定的尺度范围，然后将其级联起来，来优化现有的网络结构，这种策略可以搭载在任何人脸检测的深度模型中，具有良好的扩展性，而且对密集小人脸检测更加适用。可以应用于密集人群监测，教室人数统计等具体场景，有着很强的应用价值。
-
公开(公告)号：CN110020651A
公开(公告)日：2019-07-16
申请号：CN201910316301.8
申请日：2019-04-19
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度学习网络的车牌检测定位方法。针对传统的车牌检测方法可扩展性差，复杂场景检测率低，泛化能力差，车牌检测效果不佳造成的车牌识别率下降等问题提出了一种基于深度学习网络的车牌检测定位方法。为了获得复杂图像中车牌精确定位，该方法首先收集并标记已标注的车辆样本数据集和车牌样本数据集；其次分别构建两个卷积神经网络，第一卷积神经网络用于训练车牌检测粗定位模型，第二卷积神经网络用于训练车牌检测角点回归模型；再次将待检测图片通过车牌检测粗定位模型获得候选存在车牌图片；最后将候选图片通过车牌检测角点回归模型进行检测，获取精确存在车牌的图片并且标记出车牌的角点信息。本发明简单灵活，具有较强的实际应用性。
-
Patent Agency Ranking
公开(公告)号：CN109685074A
公开(公告)日：2019-04-26
申请号：CN201811211384.6
申请日：2018-10-17
Applicant: 福州大学
CPC classification number: G06K9/4604 , G06K9/3216 , G06K9/3275 , G06K9/34
Abstract: 本发明涉及一种基于Scharr算子的银行卡卡号行定位方法，包括以下步骤：步骤S1：使用CANNYLINES直线检测方法检测输入银行卡卡面图像中存在的线段；步骤S2：对CANNLINES直线检测得到的直线进行判断，找出银行卡卡面的4条边，并由此得到银行卡卡面的4个顶点；步骤S3：使用透视变换对银行卡卡面进行矫正，得到归一化的标准银行卡卡面图像；步骤S4：利用Scharr算子检测银行卡面的垂直边缘，并按行累加，定位其中累加值最大的固定高度横向区域，得到银行卡卡号行区域。本发明能够有效地对待检测图像中的银行卡卡号行进行定位。
-
公开(公告)号：CN109271941A
公开(公告)日：2019-01-25
申请号：CN201811122390.4
申请日：2018-09-26
Applicant: 福州大学
Abstract: 本发明涉及一种基于防屏摄攻击的活体检测方法，首先采集人脸识别场景下有无摩尔纹的训练图像；然后采用限制对比度自适应直方图均衡化对训练图像进行图像增强；接着对有无摩尔纹的训练图像提取其hog特征；接着将提取的hog特征送入支持向量机中训练；最后将人脸识别系统中的图像送入训练好的支持向量机进行二分类，判断是否存在摩尔纹，从而检测屏摄攻击。本发明能够提高人脸识别的安全性和可靠性。
-
公开(公告)号：CN105701516B
公开(公告)日：2019-01-22
申请号：CN201610036626.7
申请日：2016-01-20
Applicant: 福州大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于属性判别的自动图像标注方法：针对数据集不均衡导致整体标注效果不理想的问题，提出一种基于属性判别的图像标注方法，利用每一个关键词的语义概念构建局部均衡数据集，并基于此数据集提出一种有效提升中低频标签标注准确率的语义传播算法。最后结合栈式自动编码器模型，通过判别图像的高低频属性来选择不同标注过程，提升了整体图像标注效果。该方法利用SAE模型较好预测高频标签和SP算法较好预测中低频标签的特点，通过判别未知图像的高低频属性来选择不同的标注过程，提升了整个模型的标注效果，该方法简单灵活，具有较强的实用性。
-
公开(公告)号：CN109165697A
公开(公告)日：2019-01-08
申请号：CN201811187360.1
申请日：2018-10-12
Applicant: 福州大学
Abstract: 本发明涉及一种基于注意力机制卷积神经网络的自然场景文字检测方法，首先对自然场景下的带文本的图像数据进行标注，并将其分为训练集和测试集；然后使用数据增强的方法对文本图像进行处理作为训练数据；基于注意力机制模块和Inception网络构建了基于注意力机制特征提取网络，并采用多尺度特征融合的方法学习不同大小字体的特征；使用课程学习的策略预训练网络；利用自然场景的文本图像数据再次训练网络；使用融合后的特征进行回归得到图像中文本的坐标，得到文本检测的结果。最后在测试集以及其他公开数据集验证训练后的神经网络的有效性。本发明能够解决当前技术面对复杂自然环境下文字召回率不高、识别正确率较低的问题，并在运行速度上具有优势。
-
公开(公告)号：CN105678340B
公开(公告)日：2018-12-25
申请号：CN201610035975.7
申请日：2016-01-20
Applicant: 福州大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于增强型栈式自动编码器的自动图像标注方法：针对深度学习中传统SAE模型难以有效训练有偏数据集的问题，提出一种提升低频标签准确率的平衡栈式自动编码器，较好地改善低频标签的标注效果。然后针对单个B‑SAE模型不稳定导致标注效果易随参数改变而发生较大变化的问题，提出一种针对图像标注任务的增强平衡栈式自动编码器，通过分组按序训练、加权累加各组最优B‑SAE子模型，取得稳定的标注结果。该方法通过逐层预训练权值并用后向传播算法整体调优，改善了传统浅层模型泛化能力弱、难以收敛到最佳极值点等问题，并在训练过程中加强弱标签样本的训练，提升了整个模型的标注效果，该方法简单灵活，具有较强的实用性。
-
-
-
-
-
-
-
-
-
Search Results
298
records
(took 0.051 seconds)
