公开(公告)号：CN115100476B

公开(公告)日：2024-07-26

申请号：CN202210787855.8

申请日：2022-07-04

Applicant: 福州大学

Inventor： 柯逍 ,  蔡宇航 ,  陈柏涛

IPC: G06V10/764 ,  G06V10/774

Abstract: 本发明涉及一种基于结构建模局部提议网络的细粒度分类方法。首先获取细粒度分类数据集，输入主干网络，通过多粒度融合学习策略整合多粒度层级信息以增强特征表示，并计算跨层自蒸馏正则化损失。然后利用空间注意力模块增强判别性区域定位能力并以弱监督的形式生成区域提议，利用生成的局部区域提议裁剪原始图像，调整裁剪后的图像到指定大小得到局部区域图像，并将局部区域图像再次输入网络。然后基于空间注意力模块生成区域掩码，利用掩码进行极坐标建模，并计算结构建模损失，最后按照指定训练参数进行迭代训练，根据验证准确率不断保存最优模型，利用最终模型得到细粒度分类结果。

公开(公告)号：CN114267069B

公开(公告)日：2024-07-02

申请号：CN202111604882.9

申请日：2021-12-25

Applicant: 福州大学

Inventor： 柯逍 ,  黄旭 ,  陈宇杰

IPC: G06V40/16 ,  G06V10/22 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明涉及一种基于数据泛化与特征增强的人脸检测方法，包括以下步骤：步骤S1:获取人脸检测数据集，并预处理；步骤S2:构建人脸检测神经网络，并分别在神经网络中的残差结构中加入通道自注意力模块；在骨干网部分加入感受野匹配模块；在特征提取部分加入跨层特征融合模块；步骤S3:基于预处理后的人脸检测数据集训练人脸检测神经网络；步骤S4:使用训练后的人脸检测神经网络进行人脸检测，若可以直接检测到人脸则直接进行定位，如果无法直接定位，则使用检测到的关键点位置辅助定位人脸位置，最终输出人脸检测结果。本发明能够有效地对待检测的图像、视频帧中的人脸进行定位并输出结果。

公开(公告)号：CN118196866A

公开(公告)日：2024-06-14

申请号：CN202410363325.X

申请日：2024-03-28

Applicant: 福州大学

Inventor： 柯逍 ,  许培荣

IPC: G06V40/16 ,  G06V20/40 ,  G06V10/25 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/0985 ,  G06V10/82 ,  G06N5/04 ,  G06V10/774 ,  G06V10/74

Abstract: 本发明涉及一种基于损失平衡训练的多模态视觉定位方法，包括以下步骤：步骤S1：将获取到的公开数据集中的文本描述和图像进行预处理，然后输入一致性衡量模块获得一致性分数和第一多模态特征；步骤S2：将第一多模态特征输入一致性迁移模块处理得到第二多模态特征；步骤S3：将第二多模态特征用于关联掩码解码器回归预测文本描述指代的物体在图像中的坐标包围框；步骤S4：在S1‑S3中级联成的神经网络中加入交叉熵损失和图文对比损失，并通过一致性分数平衡模型训练时损失，推理训练后的模型得到坐标包围框完成文本描述指代对象检测和定位。

公开(公告)号：CN114266952B

公开(公告)日：2024-06-14

申请号：CN202111600850.1

申请日：2021-12-24

Applicant: 福州大学

Inventor： 柯逍 ,  蒋培龙 ,  曾淦雄

IPC: G06V10/26 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明提出基于深监督的实时语义分割方法，包括以下步骤；步骤S1、针对特定的应用场景采集用于深监督的场景图像数据，构建场景图像数据库；步骤S2、对数据库中的场景图像进行像素级别标注，导出PASCAL VOC格式的标注文件，使之符合语义分割任务训练要求；步骤S3、构建基于深监督的实时语义分割网络CFSegNet；步骤S4、利用已标注的数据集对CFSegNet神经网络模型进行训练；步骤S5、对应用场景中采集到的图像数据进行预处理，然后输入到CFSegNet神经网络模型，得到图像语义分割结果；本发明准确率高，时效性好，对设备计算性能要求不高，适合部署到性能受限的终端设备中。

公开(公告)号：CN114266846B

公开(公告)日：2024-06-14

申请号：CN202111604881.4

申请日：2021-12-25

Applicant: 福州大学

Inventor： 柯逍 ,  林心茹 ,  蒋培龙

IPC: G06T11/40 ,  G06T3/4038 ,  G06V10/82 ,  G06V10/774 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及一种用于目标检测模型的自学习填充方法，包括以下步骤：步骤S1:获取图像数据集，并进行数据增强扩充数据集；步骤S2:构建可根据网络需要自动调整填充值的特征填充模块；步骤S3:将特征填充模块用于CenterNet骨干网络中，并且使用模糊池化优化下采样层，构建基于自学习填充的目标检测模型；步骤S4:基于扩充后的数据集对基于自学习填充的目标检测模型进行训练，通过随机梯度下降方法，优化自学习填充模块参数，得到训练后的目标检测模型；步骤S5:将测试图像输入训练好的目标检测模型，获取目标检测结果。本发明能够有效地减少边缘小目标的漏检。

公开(公告)号：CN117788487A

公开(公告)日：2024-03-29

申请号：CN202311839370.X

申请日：2023-12-28

Applicant: 福州大学

Inventor： 柯逍 ,  陈洋

IPC: G06T7/11 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/09 ,  G06N3/0985

Abstract: 本发明提供一种皮肤癌病变图像区域分割方法及系统，首先，获取皮肤镜图像数据集，对图像样本进行预处理，并将样本划分训练集验证集；其次，利用大规模预训练的主干网络作为编码器，使用支持可变形特征细化的解码器，引入融合通道交叉注意力的跳跃连接，构建U‑Net架构的模型网络；再次，设置基于自信度的联合损失函数，使用训练集数据对模型进行深监督训练，并保存在验证集上表现最优的模型；最后，将待测皮肤镜图像数据输入最优模型进行预测，得到皮肤癌病变区域图像的分割预测结果。本发明利用可变形特征细化改善解码器上采样空间信息恢复效果，同时利用自信度损失函数降低预测结果不确定性，能够有效提升皮肤镜图像中癌症病变部位的分割精度。

公开(公告)号：CN117689613A

公开(公告)日：2024-03-12

申请号：CN202311388113.9

申请日：2023-10-25

Applicant: 福州大学

Inventor： 郭文忠 ,  王汉灵 ,  柯逍

IPC: G06T7/00

Abstract: 本发明涉及一种基于主次分层评价的光场图像质量评估方法，包括以下步骤：步骤S1：初始化模型，将模型和感知分数拆分。步骤S2：对于光场图像的每一个子孔径图像，将该图像输入到模型得到整体质量评价和细节质量，进而获取该子孔径图像的质量分数。步骤S3：重复步骤S2，直到遍历完该光场图像中的全部子孔径图像，将这些子孔径图像的均值作为该光场图像的质量分数。步骤S4：推定该次训练中的损失函数，使用优化器优化主要评价过程的损失函数比例和次要过程的损失函数比例；步骤S5：重复步骤S2至S4直到神经网络的网络权重稳定，达到光场图像质量评价的目标。

公开(公告)号：CN117593696A

公开(公告)日：2024-02-23

申请号：CN202311615531.7

申请日：2023-11-28

Applicant: 福州大学

Inventor： 柯逍 ,  郑心玥

IPC: G06V20/52 ,  G06V20/40 ,  G06V10/25 ,  G06V10/20 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明提供一种基于SimAM的改进YOLOv7道路积水检测方法，包括：收集与道路积水相关的有效素材，构建初始数据集；利用Automix对初始数据集进行数据增强处理；后利用GDIP自适应图像处理技术对已有的数据集所属天气条件自适应地进行处理，得到处理后的道路积水图像数据集；构建改进的YOLOv7网络，包括在YOLOv7网络中添加注意力机制SimAM模块；将道路积水数据集输入到模型中，利用MPDIoU损失函数进行迭代，获得训练后的改进YOLOv7目标检测模型；对待检测的道路图像进行积水检测，输出包含道路积水区域检测框的检测图像。本发明采用城镇监控拍摄道路图像，对道路积水能够进行快速且有效的识别。

公开(公告)号：CN117523402A

公开(公告)日：2024-02-06

申请号：CN202311598810.7

申请日：2023-11-28

Applicant: 福州大学

Inventor： 柯逍 ,  方蔚杭

IPC: G06V20/10 ,  G06V20/52 ,  G06V10/25 ,  G06V10/44 ,  G06V10/762 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/048

Abstract: 本发明提供了一种基于改进CBAM注意力机制的YOLOv7道路坑洼检测方法，包括：通过城镇中的监控对道路进行俯拍，获得道路坑洼的图片数据；同时对原始的路面坑洼图片数据使用SMOTE方法结合添加Coarse Dropout噪声对数据集进行处理，建立典型与非典型的道路坑洼图片数据集；构建改进的YOLOv7网络，包括在YOLOv7网络中添加改进空间注意力模块之后的CBAM注意力机制；将道路坑洼数据集输入到改进的YOLOv7目标检测模型；改进损失函数，将CIOUloss改进为WIoUv1；对待检测的道路图像进行道路坑洼检测，使用K‑Means方法对坑洼边界框尺寸进行聚类，获得合适的预设框尺寸；输出包含道路坑洼区域检测框的检测图像。本发明采用市政监控拍摄道路图像，对于道路的坑洼能够进行快速且有效的识别。

公开(公告)号：CN116863374A

公开(公告)日：2023-10-10

申请号：CN202310806223.6

申请日：2023-07-03

Applicant: 福州大学

Inventor： 柯逍 ,  缪欣

IPC: G06V20/40 ,  G06F30/27 ,  G06N3/0464 ,  G06N3/0895 ,  G06F111/04

Abstract: 本发明提出了一种基于时间戳的弱监督动作分割方法，通过生成伪标签对所有的视频帧进行训练以获得完整的动作信息：针对时间戳训练基于动作时序关系通过优化帧集变化以估计动作边界，将时间戳的标签分配给相应的帧以生成伪标签完成模型训练；针对时间戳监督中边界预测问题，基于能量函数对视频帧置信度的约束采用边界优化损失，以确保在训练过程中能够学习动作的完整信息。