-
公开(公告)号：CN110070091A
公开(公告)日：2019-07-30
申请号：CN201910359127.5
申请日：2019-04-30
Applicant: 福州大学
Abstract: 本发明涉及一种用于街景理解的基于动态插值重建的语义分割方法及系统，该方法包括：对训练集输入图像进行预处理，使图像标准化并获取相同尺寸的预处理图像；用卷积网络提取通用特征，再获取混合空间金字塔池化特征，以这两部分级联作为编码网络提取编码特征；从卷积网络中选取中间层特征，结合编码特征计算插值权重特征，以动态插值的方式搭建解码网络，重建图像分辨率，计算解码特征；计算得到边缘增强的语义分割损失，以最小化边缘增强的语义分割损失为目标对深度神经网络进行训练；利用深度神经网络模型对待分割图像进行语义分割，输出分割结果。该方法及系统有利于提高图像语义分割的准确性和鲁棒性。
-
公开(公告)号：CN110070066A
公开(公告)日：2019-07-30
申请号：CN201910359494.5
申请日：2019-04-30
Applicant: 福州大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于姿态关键帧的视频行人重识别方法及系统，该方法包括以下步骤：步骤A：使用标注了行人姿态关键点位置信息的数据训练行人姿态估计深度神经网络；步骤B：根据行人姿态估计深度神经网络预测得到的姿态信息选取姿态关键帧，训练行人重识别深度神经网络；步骤C：将查询集和检索集的视频输入行人重识别深度神经网络以提取特征，计算各视频间的特征距离，并对各特征距离进行排序，生成各查询视频的近邻列表；步骤D：利用重排序方法对近邻列表进行重新排序，选取近邻列表的前若干名为行人重识别结果。该方法及系统可以提高视频行人重识别的准确度和速度。
-
公开(公告)号：CN110059769A
公开(公告)日：2019-07-26
申请号：CN201910359495.X
申请日：2019-04-30
Applicant: 福州大学
Abstract: 本发明涉及一种用于街景理解的基于像素重排重建的语义分割方法及系统，该方法包括：对训练集输入图像进行预处理，使图像标准化并获取相同尺寸的预处理图像；用卷积网络提取通用特征，再获取稠密带孔空间金字塔融合特征，以这两部分级联作为编码网络提取编码特征；从卷积网络中选取中间层特征，结合编码特征计算边缘特征，以基于像素重排技术的稠密网为解码网络，重建图像分辨率，计算解码特征；计算得到语义分割损失和辅助监督的边缘损失，以最小化两者加权和损失为目标对深度神经网络进行训练；利用深度神经网络模型对待分割图像进行语义分割，输出分割结果。该方法及系统有利于提高图像语义分割的准确性和鲁棒性。
-
公开(公告)号：CN109033225A
公开(公告)日：2018-12-18
申请号：CN201810713311.0
申请日：2018-06-29
Applicant: 福州大学
CPC classification number: G06F17/2775
Abstract: 本发明涉及一种中文地址识别系统，包括：数据预处理模块、地址标准化模块、地址清洗模块、关系构建模块以及地址管理模块。数据预处理模块将源地址数据输入后进行预处理，并粗分成词。地址标准化模块通过Trie树结构与正则匹配方式对有效地址进行十级地址标准化处理。地址清洗模块包括地址补全和地址去重。关系构建模块包括地址标签识别与人群关系构建。地址管理模块包括地址模型管理和地址库管理。本发明通过结合Trie树与有限自动机能有效提高中文地址标准化分级的准确率，对于庞大的地址数据有较快的处理速率，对于相似地址的智能识别也有较高的准确率，并能根据地址信息获取人群关系。
-
公开(公告)号：CN108959652A
公开(公告)日：2018-12-07
申请号：CN201810880920.5
申请日：2018-08-04
Applicant: 福州大学
CPC classification number: G06Q50/01
Abstract: 本发明涉及基于密度峰值与社区归属度的重叠社区发现方法，包括以下步骤：步骤S1：读取网络数据集，生成网络图G；步骤S2：根据网络图G节点间的路径长度来计算网络中节点间距离、距离最大值dmax、距离最小值dmin，得到节点间距离字典Pd；步骤S3：根据节点间距离字典Pd计算节点间的距离阈值dc、节点的局部密度Rho；步骤S4：根据节点间距离字典Pd、节点的局部密度Rho求取节点的跟随节点Nnb和跟随距离Del；步骤S5：根据密度峰值聚类算法的原理生成非重叠社区集C；步骤S6：对非重叠社区集C的边界点进行社区归属判断，得到重叠社区集C'；步骤S7：输出最终的社区划分结果。
-
Patent Agency Ranking
公开(公告)号：CN107491341B
公开(公告)日：2018-09-18
申请号：CN201710770929.6
申请日：2017-08-31
Applicant: 福州大学
Abstract: 本发明涉及云计算（IaaS）技术领域，特别是一种基于粒子群优化的虚拟机分配方法，包括如下步骤：获取数据中心的虚拟机请求和物理主机资源，构建虚拟机列表和物理主机列表；初始化粒子群，设置粒子群算法的参数；计算粒子群中每个粒子的适应度值，根据粒子适应度值，记录个体历史最优粒子和种群最优粒子；根据更新策略，更新每个粒子的速度和位置；判断是否满足最大迭代次数，是则输出全局最优粒子编码，否则继续迭代；将全局最优粒子编码解码成虚拟机分配方案，并输出方案。该方法能够在减小响应时间下提高资源利用率，同时在负载均衡度和能耗之间达到了更好的平衡。
-
公开(公告)号：CN108319958A
公开(公告)日：2018-07-24
申请号：CN201810218709.7
申请日：2018-03-16
Applicant: 福州大学
Abstract: 本发明涉及一种基于特征融合匹配的行驶证检测和识别方法：首先进行区域检测定位，针对行驶证图片存在的背景复杂、角度倾斜的问题，提出的特征匹配方法能有效解决传统方法倾斜校正时间长、正确率低的问题。然后通过模板分割得到字段区域，由于光照不均和背景底纹导致传统的二值化算法效果不佳，提出的融合二值化方法可以解决光照、底纹影响以及文字笔划粘连缺失的问题。最后通过分类器得到文字识别结果，具有较高的文字识别准确率。该方法具有快速、多角度、背景鲁棒与光照鲁棒等优点，具有较高的应用价值。
-
公开(公告)号：CN104598605B
公开(公告)日：2018-01-12
申请号：CN201510046398.7
申请日：2015-01-30
Applicant: 福州大学
IPC: G06F17/30
Abstract: 本发明涉及一种社交网络中的用户影响力评估方法，该方法包括如下步骤：步骤A：读取社交网络数据，构造以社交网络用户为节点，用户关系为边的社交网络图G；步骤B：根据社交网络图，遍历社交网络图中的所有节点，根据节点的度初始化每个节点的影响力标签，结束遍历；步骤C：根据社交网络图，遍历社交网络图中的所有节点，根据所遍历节点的邻居节点的影响力等级，计算所遍历节点的影响力等级；步骤D：重复步骤C，直到每个节点的影响力等级均收敛。该方法具有接近线性的线性时间复杂度，可有效地分析大规模社交网络中的用户影响力分布情况，挖掘高影响力用户，可应用于网络营销等领域。
-
公开(公告)号：CN107220732A
公开(公告)日：2017-09-29
申请号：CN201710399158.4
申请日：2017-05-31
Applicant: 福州大学
Abstract: 本发明涉及一种基于梯度提升树的停电投诉风险预测方法，包括以下步骤：步骤A：建立用户用电信息表；步骤B：对用户用电信息表中的用户用电信息数据集进行预处理；步骤C：采用Canopy算法、KMeans算法对用户用电信息数据集进行聚类，通过客户画像分析对用户用电信息数据集进行敏感类别标记，然后通过基于SPARK的SMOTE过采样算法对不平衡分布的用户用电信息数据集进行数据处理；步骤D：对用户用电信息数据集进行梯度提升树的训练，得到停电投诉风险模型；步骤E：利用停电投诉风险模型，预测用户的停电敏感类别。该方法有利于准确判别不同用户对停电的敏感程度，以采取不同的安抚和引导策略，减少用户的停电投诉量。
-
公开(公告)号：CN105913427A
公开(公告)日：2016-08-31
申请号：CN201610222900.X
申请日：2016-04-12
Applicant: 福州大学
CPC classification number: G06T7/0002 , G06T5/002 , G06T2207/20028 , G06T2207/20081
Abstract: 本发明涉及一种基于机器学习的噪声图像显著性检测方法，包括以下步骤：1、对每个幅度的噪声图像分别采用多种去噪参数，获得每个幅度的最佳去噪参数；2、对每幅噪声图像使用噪声评估算法进行特征提取，获得噪声值特征，组成噪声值特征集；3、将噪声值特征集作为机器学习算法的特征集，并通过机器学习算法和五等分交叉验证方法，获得噪声幅度预测模型；4、采用噪声幅度预测模型对相应的噪声图像进行预测，获得预测噪声幅度值；5、采用每幅噪声图像的预测噪声幅度值和对应的最佳去噪参数进行去噪处理，获得去噪图像集；6、对去噪图像集中的图像使用显著性检测方法，获得最终的显著性图。该方法可提高显著性检测方法在噪声图像中的检测性能。
-
-
-
-
-
-
-
-
-
Search Results
224
records
(took 0.025 seconds)
