-
公开(公告)号：CN109801273B
公开(公告)日：2022-11-01
申请号：CN201910016167.X
申请日：2019-01-08
Applicant: 华侨大学
Abstract: 本发明涉及一种基于极平面线性相似度的光场图像质量评价方法，属于图像处理领域，根据人类视觉系统理解光场图像时对场景结构变化的敏感性和光场图像中包含丰富的场景结构变化信息提出，方法包括：对参考光场图像和失真光场图像分别提取极平面图；接着分别提取参考极平面图和失真极平面图的线性特征图，进而计算得到极平面线性特征相似度图；基于极平面线性相似度图得到最终失真光场图像质量评价值。本发明充分利用极平面线性特征来描述光场图像中场景结构变化，从而评价失真光场图像的质量，反映人眼主观视觉系统对于光场图像的主观感知度，具有较好的光场图像质量评价性能。
-
公开(公告)号：CN110399886B
公开(公告)日：2022-09-30
申请号：CN201910635863.9
申请日：2019-07-15
Applicant: 华侨大学
Abstract: 本发明涉及一种屏幕图像JND模型构建方法。首先利用文本分割技术得到屏幕图像的文本区域；其次提取文本区域的边缘像素，将屏幕图像分为文本边缘区域和非文本边缘区域；然后利用边缘宽度和边缘对比度计算出边缘结构失真敏感度和边缘对比度掩蔽，得到文本边缘区域视觉掩蔽模型；接着计算出非文本边缘区域的亮度自适应和对比度掩蔽效应，得到非文本边缘区域视觉掩蔽模型；最后结合文本边缘区域和非文本边缘区域的视觉掩蔽模型得到屏幕图像JND模型。本发明充分考虑屏幕图像特点以及人眼对屏幕图像不同区域具有不同的视觉感知特性等因素，对屏幕图像的视觉冗余信息有较为准确的估计，可广泛地应用到屏幕图像技术领域。
-
公开(公告)号：CN110309770B
公开(公告)日：2022-09-30
申请号：CN201910577021.2
申请日：2019-06-28
Applicant: 华侨大学
Abstract: 本发明涉及一种基于四元组损失度量学习的车辆再辨识方法，包括：构建参数共享的四分支卷积神经网络，设计四元组损失函数，对输入的四元组图像进行距离度量学习。本发明特别考虑了车辆再辨识中的特殊难点，即，车型和颜色都相同的车辆具有非常相似的车辆外观，能够有效地解决车辆再辨识中对于高相似度车辆识别精度不高的问题。
-
公开(公告)号：CN115115983A
公开(公告)日：2022-09-27
申请号：CN202210724179.X
申请日：2022-06-24
Applicant: 华侨大学
Abstract: 本发明公开一种基于时空稀疏字典的全参考屏幕视频质量评价方法及系统，包括：将输入参考和失真屏幕视频进行预处理分割成屏幕视频块；采用两种不同尺度的3D‑DOG滤波器对输入训练数据进行预处理，基于K‑TSVD模型训练两个不同尺度的稀疏字典；使用所得两种不同尺度的稀疏字典进行特征提取；基于提取到的特征计算参考和失真屏幕视频的相似度；采用时空池化策略计算屏幕视频对应的质量分数。本发明符合人类视觉系统主观感知和屏幕视频特点，具有较好的屏幕视频质量评价效果。
-
公开(公告)号：CN112365559B
公开(公告)日：2022-08-26
申请号：CN202011305117.2
申请日：2020-11-19
Applicant: 华侨大学
Abstract: 本发明涉及一种基于结构相似度的生成对抗网络的红外图像着色方法，构造一个基于结构相似度的生成对抗网络，包括生成器和鉴别器；鉴别器能够区别图像是来自红外图像域或是来自彩色图像域，对生成器采用基于生成对抗网络的损失函数、基于一范或二范的循环一致损失函数和重构损失函数、基于结构相似度的损失函数，使生成器能够生成色彩逼真且边缘清晰的彩色图像；利用预先采集的红外图像和彩色图像将所提出的基于结构相似度的生成对抗网络训练到收敛条件，所获得的生成器即可实现对红外图像的着色。本发明不仅能保留红外成像在夜间拍摄的优势，也能利于人眼能够更好更快的捕捉到图像中的有用信息，充分发挥图像价值，从而促进夜视成像技术的发展。
-
Patent Agency Ranking
公开(公告)号：CN114743128A
公开(公告)日：2022-07-12
申请号：CN202210225924.6
申请日：2022-03-09
Applicant: 华侨大学 , 厦门亿联网络技术股份有限公司
Abstract: 本发明公开了一种基于异种神经网络的多模态东北虎再辨识方法及装置，涉及机器视觉技术领域，可应用于跟踪东北虎的活动轨迹调查，对保护濒危的东北虎具有重大意义。本发明的异种神经网络包括用双分支残差神经网络和Transformer网络，其中，双分支残差卷积神经网络用于先对红外图像和可见光图像学习局部特征；Transformer网络对由双分支残差卷积神经网络学得的红外图像和可见光图像的局部特征，利用自注意力机制学习东北虎的全局特征。双分支残差卷积神经网络的各分支结构相同但参数独立，用于处理红外和可见光东北虎图像光谱、分辨率、对比度等特性；而Transformer网络从全局视角学习信息东北虎特征，减少图像模态差异带来的噪声影响，实现高准确率的东北虎再辨识。
-
公开(公告)号：CN112905822B
公开(公告)日：2022-07-01
申请号：CN202110144443.8
申请日：2021-02-02
Applicant: 华侨大学 , 厦门亿联网络技术股份有限公司 , 厦门云知芯智能科技有限公司 , 厦门华联电子股份有限公司
Abstract: 本发明涉及一种基于注意力机制的深度监督跨模态对抗学习方法，针对每个模态构建深度学习网络获取深度特征，引入生成对抗网络，利用模态间的交叉判别借助注意力机制不断提炼模态特征网络的生成特征，在公共子空间进行异质性数据的度量的同时，利用标签信息在标签空间对模态数据进行深度监督学习。如此构建的网络，使得训练得到的基于注意力机制的跨模态深度监督对抗模型具有良好的图文互相检索性能；在检索过程中利用训练得到的网络模型M对待查询图像(文本)和候选库中的文本(图像)进行特征提取以及余弦距离计算，从而获取待查询图像(文本)与候选库中的文本(图像)数据之间的相似度较高者，实现跨模态检索。
-
公开(公告)号：CN114266973A
公开(公告)日：2022-04-01
申请号：CN202111588195.2
申请日：2021-12-23
Applicant: 华侨大学
IPC: G06V20/10 , G06V40/10 , G06V10/22 , G06V10/40 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于人车部件联合学习的载人电动车再识别方法及系统，所述方法包括：在训练阶段，构建双分支深度学习网络，获取载人电动车图像作为训练图像集对网络进行训练，得到基于人车部件联合学习的载人电动车再识别模型；在测试阶段，使用训练阶段得到的基于人车部件联合学习的载人电动车再识别模型，对查询图像和注册图像集的图像进行特征提取，计算查询图像特征和注册图像特征之间的距离，选取注册图像集中与查询图像距离近的图像，即为载人电动车再识别结果。本发明利用双分支深度学习网络对电动车进行再识别，可有效提高人车识别准确度，并提高整体识别效率，有利于协助交警快速追查电动车肇事者并规范电动车驾驶。
-
公开(公告)号：CN110516569B
公开(公告)日：2022-03-08
申请号：CN201910753998.5
申请日：2019-08-15
Applicant: 华侨大学 , 厦门市公安局思明分局 , 中国人民公安大学
Abstract: 本发明提供一种基于身份和非身份属性交互学习的行人属性识别方法。首先，采用一种具有视角变化鲁棒性的特征学习方法对行人图像进行特征表达；其次，将行人属性分为身份属性和非身份属性，对二者之间的潜在关系进行建模，设计出行人身份属性和非身份属性交互学习的目标函数，利用身份属性的识别优势促进非身份属性识别率的提高，并且利用非身份属性识别率的提高反过来进一步改进身份属性的识别效果。行人属性分为身份属性和非身份属性的潜在关系为：相同身份的行人之间，必然具有相同的非身份属性；非身份属性差异大的行人之间，其身份属性差异一般较大。最后，采用mini‑batch随机梯度下降算法对目标函数进行优化，实现行人属性的识别。
-
公开(公告)号：CN108846475B
公开(公告)日：2021-10-26
申请号：CN201810542036.0
申请日：2018-05-30
Applicant: 华侨大学
IPC: G06N3/04
Abstract: 本发明涉及一种应用于目标检测、目标分类或目标识别系统的分段密集连接型深度网络构建方法，首先把深度网络中各串连续连接的卷积层划分为多个小段；其次，对每个小段内的卷积层进行密集连接，即段内密集连接；然后，对每个小段进行密集连接，即段间密集连接，从而实现了对连续连接的卷积层的分段密集连接。最后，在各串连续连接的卷积层之间配合上最大池化层，并在最后的最大池化层之后配上全连接层，就完成了分段密集连接型深度网络的构建。借助分段密集连接的机制，一方面有利于训练更深的深度网络，进而有利提升深度网络的特征学习能力；另一方面，由于分段划分，各个小段内只包含少数卷积层，能够有效地避免因密集连接所带来的庞大计算量。
-
-
-
-
-
-
-
-
-
Search Results
265
records
(took 0.024 seconds)
