-
公开(公告)号：CN114693930A
公开(公告)日：2022-07-01
申请号：CN202210333902.1
申请日：2022-03-31
Applicant: 福州大学
Abstract: 本发明涉及一种基于多尺度特征和上下文注意力的实例分割方法及系统，该方法包括以下步骤：对训练集中图像进行包括数据增强和标准化处理的数据预处理；构建多尺度特征融合和上下文注意力聚合模块，以利用金字塔结构加强特征表示，并聚焦金字塔特征图中的小目标物体；构建基于多尺度特征融合和上下文注意力聚合的实例分割网络；利用训练集中图像对实例分割网络进行训练，生成实例分割结果并计算损失函数，反向传播优化整个网络的参数，得到训练好的实例分割网络；将待处理图像输入训练好的实例分割网络，得到实例分割结果。该方法及系统不仅能够提高大目标和中等目标的分割精度，同时也聚焦小目标物体，提升小目标的分割性能。
-
公开(公告)号：CN112767279B
公开(公告)日：2022-06-14
申请号：CN202110134075.9
申请日：2021-02-01
Applicant: 福州大学
Abstract: 本发明涉及一种基于离散小波集成生成对抗网络的水下图像增强方法。包括：将待训练的数据进行配对处理、数据增强、归一化处理，然后缩放到固定尺寸，将标签图像，即真实的水下图像增强结果，下采样生成不同尺寸图像；设计多层次图像增强生成网络，使用所设计的网络训练可对水下图像进行增强的图像增强模型；设计多层次图像鉴别神经网络，使用所设计的网络训练可预测输入图像为真实图像概率的图像鉴别模型；设计生成网络和鉴别神经网络目标损失函数；使用配对的图像交替训练生成网络和鉴别神经网络收敛到纳什平衡；将水下图像输入训练好的图像增强生成模型，输出增强后的图像。本发明解决了水下图像颜色失真、模糊的问题，能显著提升水下图像质量。
-
公开(公告)号：CN111860691B
公开(公告)日：2022-06-14
申请号：CN202010758819.X
申请日：2020-07-31
Applicant: 福州大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , H04N13/10 , H04N13/161
Abstract: 本发明涉及基于注意力和循环神经网络的专业立体视频视觉舒适度分类方法，包括以下步骤：1、对训练视频集合和待预测视频集合进行场景分割并通过预处理得到视差图；2、进行帧级处理得到帧级特征；3、进行镜头级处理得到隐藏状态集；4、双流融合，使用注意力网络对上一步输出的隐藏状态集合进行融合得到最终的隐藏状态；5、最终的隐藏状态经过分类网络输出分类概率并将专业立体视频分类为适合儿童观看或仅适合成人观看。6、将待测试视频集合中立体视频的左视图和对应的视差图输入训练好的模型中进行分类。本发明能有效分辨专业立体视频是否适合儿童观看。
-
公开(公告)号：CN109727246B
公开(公告)日：2022-05-13
申请号：CN201910077607.2
申请日：2019-01-26
Applicant: 福州大学
Abstract: 本发明涉及一种基于孪生网络的对比学习图像质量评估方法。首先，将待训练的图像做局部对比度归一化处理，然后划分为图像块，并生成图像对；其次，设计孪生卷积神经网络的结构，使用所设计的网络训练图像质量评估模型；最后，将待测图像划分为图像块，并生成图像对。利用训练好的模型预测所生成的所有待预测图像对的质量优劣，得出所有图像的质量排名，根据排名得出每张图像的质量分数。本发明方法提出将图像质量评价问题转换为图像块之间的质量对比问题，利用图像块间的两两对比，通过统计每张图和其他图像对比的结果来获得每张图像的质量得分，能显著提高无参照图像质量评估性能。
-
公开(公告)号：CN108416756B
公开(公告)日：2021-11-02
申请号：CN201810255379.9
申请日：2018-03-26
Applicant: 福州大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于机器学习的区域感知图像去噪方法，包括以下步骤：1、对噪声图像采用加噪标准差σ和k种缩小率缩小后的标准差rj×σ分别作为去噪参数，获得不同去噪结果集；2、将采用σ分别与采用rj×σ的去噪结果相结合，获得最优缩小率和图像块对于采用σ和这两种去噪参数的偏好；3、对噪声图像和采用两种去噪参数的去噪结果进行特征提取；4、将获得的偏好特征集作为机器学习算法的特征集，学习获得图像块的去噪参数偏好模型；5、采用去噪参数偏好模型对测试集中噪声图像进行预测，获得每个图像块预测的偏好概率值；6、通过阈值处理并结合两种去噪参数的去噪结果，获得最终的去噪结果。该方法能够有效提高图像去噪方法的性能。
-
Patent Agency Ranking
公开(公告)号：CN109461128B
公开(公告)日：2021-09-28
申请号：CN201811235870.1
申请日：2018-10-24
Applicant: 福州大学
Abstract: 本发明涉及一种基于梯度保持的结构一致立体图像颜色校正方法，首先利用SIFT特征提取和匹配分别对参考图像和目标图像进行特征提取和像素匹配，获取结构图像和匹配图像；然后利用结构相似性算法生成匹配图像和目标图像的置信度图，对图像置信度较低的区域进行局部映射，生成初始颜色校正结果图像；最后利用梯度保持算法对初始颜色校正结果图像的颜色和结构进行有参考的优化，得到最终的结果图像。本发明解决了局部颜色校正算法的结构一致问题和全局颜色校正算的区域颜色混乱问题，而且还保留了图像的梯度信息，提升了图像的保真度。
-
公开(公告)号：CN112767280A
公开(公告)日：2021-05-07
申请号：CN202110134465.6
申请日：2021-02-01
Applicant: 福州大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于循环迭代机制的单幅图像雨滴去除方法。包括：对原始附着雨滴退化图像和干净图像的训练图像对进行预处理，得到原始附着雨滴退化图像和干净图像的训练图像对组成的图像块数据集；利用不断迭代去雨的动机，设计一个单幅图像雨滴去除的卷积神经网络；设计一个用于优化网络的目标损失函数loss，以图像块数据集为训练数据，根据所设计的目标损失函数loss，利用反向传播方法计算所设计的图像雨滴去除卷积神经网络中各参数的梯度，并利用随机梯度下降方法更新参数，最终学习到模型的最优参数；将待测图像输入，利用训练好的模型预测生成雨滴去除之后的干净图像。本发明方法能显著提高图像雨滴去除的性能，同时大大减少了其网络参数大小。
-
公开(公告)号：CN112613303A
公开(公告)日：2021-04-06
申请号：CN202110020656.X
申请日：2021-01-07
Applicant: 福州大学
IPC: G06F40/253 , G06F40/242 , G06F40/284 , G06F40/30 , G06K9/46 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于知识蒸馏的跨模态图像美学质量评价方法。包括以下步骤：S1：设计图文多模态美学质量评价的教师网络；S2：设计用于图像美学质量评价的学生网络；S3：设计用于进行对抗训练的判别器网络；S4：设计用于训练教师网络和学生网络的损失函数；S5：使用损失函数对步骤S1、S2及S3所设计网络进行训练；S6：将用于测试的图像输入训练好的学生网络预测其美学质量。本发明方法能显著提高美学质量预测精度。
-
公开(公告)号：CN111988593A
公开(公告)日：2020-11-24
申请号：CN202010893423.6
申请日：2020-08-31
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度残差优化的立体图像颜色校正方法，包括以下步骤：S1：对数据集中无失真立体图像的左或右视图进行颜色失真处理，产生失真立体图像，建立包括无失真立体图像和失真立体图像的训练集；S2：用立体匹配模型计算所有失真立体图像的视差图，利用图像变形技术生成初始化匹配图像；S3：构建基于神经网络的颜色校正残差图优化模型，将残差图作为模型的输入，并设计损失函数；S4：使用损失函数训练模型，通过最小化损失函数学习模型的最优参数，得到训练好的模型；S5：用训练好的模型对待校正的失真立体图像进行颜色校正。该方法及系统有利于提高颜色校正结果与参考图像的颜色一致性，并保持与目标图像的结构一致性。
-
公开(公告)号：CN111950655A
公开(公告)日：2020-11-17
申请号：CN202010861877.5
申请日：2020-08-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于多领域知识驱动的图像美学质量评价方法，步骤S1：设计一个密集连接网络作为主干网络，提取图像的美学特征；S2：设计一个半监督学习算法，同时从有标签和无标签图像学习风格特征，提取图像的风格特征；S3：使用场景语义分类数据集和情感分类数据集训练场景语义分类模型和情感分类模型，提取图像的语义特征和情感特征；S4：使用梯度提升算法XGBoost，对提取到的特征进行特征筛选与融合，分别训练SVM分类模型和SVR回归模型来预测图像的美学质量。本发明能显著提高美学质量预测精度。
-
-
-
-
-
-
-
-
-
Search Results
215
records
(took 0.027 seconds)
