-
公开(公告)号：CN109034230B
公开(公告)日：2021-03-30
申请号：CN201810785332.3
申请日：2018-07-17
Applicant: 厦门大学
Abstract: 一种基于深度学习的单幅图像相机溯源方法，涉及信息安全领域，包括以下步骤，步骤1、利用多尺度拉普拉斯滤波器提取不同尺度的高频图像，并进行初步特征提取和拼接合并；步骤2、将步骤1中拼接合并后的特征送入基于信噪比增强的特征抽取器进一步进行特征提取；步骤3、将步骤2中进一步提取的特征送入基于层级结构的串联型多任务分类模块，实现对相机品牌、相机型号或个体相机设备的识别；能够自适应地提取相机成像过程的微弱指纹特征，抑制强背景噪声，且准确率高，也可适用于对篡改图像的相机溯源和对手机拍摄图像的溯源，具有更强的鲁棒性。
-
公开(公告)号：CN109239669B
公开(公告)日：2020-11-03
申请号：CN201810932287.X
申请日：2018-08-16
Applicant: 厦门大学
Abstract: 一种基于深度学习的自进化雷达目标检测算法，涉及雷达信号处理。雷达数据的特征处理；雷达目标检测基础模型设计；双视图协同训练算法应用于模型自进化。采用深度学习方法实现了雷达目标检测，同时通过所提出的协同训练双视图算法实现雷达目标检测模型能力的自进化。建立在深度学习与机器学习的基础上，可提升雷达识别能力，实用性强，可移植性强，充分利用雷达数据流实现检测能力的可靠提升，能够实现减小人力损耗的半监督学习的需求。
-
公开(公告)号：CN110349136A
公开(公告)日：2019-10-18
申请号：CN201910573995.3
申请日：2019-06-28
Applicant: 厦门大学
Abstract: 一种基于深度学习的篡改图像检测方法，涉及图像被动取证领域。构造基于多尺度噪声约束的卷积层，用以获得图像中的高频噪声残差；使用双流网络进行篡改图像检测；使用多任务学习方法，同时实现图像区域是否篡改的分类，以及篡改区域的检测和分割任务；在网络优化时，提取感兴趣区域提取网络、篡改分类支路、篡改区域的检测支路以及分割支路这四部分的输出特征，计算网络的误差进行反向传播，进一步调整网络参数，使网络达到最优解。可实现对于图像是否篡改的识别，并对篡改图像中的篡改区域做出精确的检测和分割，使其适用于实际应用场景。通过深度学习方法检测图像的真实性，进而解决图像恶意篡改问题，提高篡改检测的准确率和泛化能力。
-
公开(公告)号：CN109598732A
公开(公告)日：2019-04-09
申请号：CN201811510501.9
申请日：2018-12-11
Applicant: 厦门大学
Abstract: 一种基于三维空间加权的医学图像分割方法，涉及图像处理领域。构造一种U型卷积神经网络，实现端到端的医学图像分割；将医学图像的多个模态的图像分别作为输入送入到并行的深度学习网络中，得到不同的特征图；提取多个并行网络的特征图并融合，再进行非线性变换，得到每个并行网络各自的体素级权重；将并行网络各自的体素级权重与原先的特征图相乘，完成特征的重标定；将所有并行网络末端的特征图融合，得到多张概率图，从而得到分割结果。利用变换得到三维空间中权重，再将权重与特征图相乘，以达到特征重标定的目的。相较于传统的深度学习分割模型，该空间加权方式能有效地提高网络中特征图的表征能力，从而取得更好的分割效果。
-
公开(公告)号：CN109034230A
公开(公告)日：2018-12-18
申请号：CN201810785332.3
申请日：2018-07-17
Applicant: 厦门大学
CPC classification number: G06K9/6269 , G06K9/40 , G06K9/46 , G06N3/0454
Abstract: 一种基于深度学习的单幅图像相机溯源方法，涉及信息安全领域，包括以下步骤，步骤1、利用多尺度拉普拉斯滤波器提取不同尺度的高频图像，并进行初步特征提取和拼接合并；步骤2、将步骤1中拼接合并后的特征送入基于信噪比增强的特征抽取器进一步进行特征提取；步骤3、将步骤2中进一步提取的特征送入基于层级结构的串联型多任务分类模块，实现对相机品牌、相机型号或个体相机设备的识别；能够自适应地提取相机成像过程的微弱指纹特征，抑制强背景噪声，且准确率高，也可适用于对篡改图像的相机溯源和对手机拍摄图像的溯源，具有更强的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN105232046A
公开(公告)日：2016-01-13
申请号：CN201510833537.0
申请日：2015-11-26
Applicant: 厦门大学
IPC: A61B5/055
Abstract: 一种基于重叠回波的单扫描定量磁共振T2成像方法，涉及磁共振成像的方法。通过在单次扫描中加入两个有相同偏转角的激发脉冲来产生两个不同演化时间的回波信号，尽管两个回波信号的演化时间不同，导致两个回波信号的T2加权不同，这两个回波信号来自同一个成像切片，可通过两个回波信号之间的先验知识：两者结构类似、联合边缘的稀疏性来分离这两个回波信号，利用稀疏变换配合相应的分离算法对这两个回波信号进行分离；最后对分离得到的两个信号进行T2计算得到定量T2图像。获得了单次扫描的定量T2成像，将定量T2成像的时间由秒级甚至分钟级，减少到ms级，并且得到的T2图像质量能够与常规的单次扫描EPI序列得到的图像质量相当。
-
公开(公告)号：CN103020920A
公开(公告)日：2013-04-03
申请号：CN201310008427.1
申请日：2013-01-10
Applicant: 厦门大学
IPC: G06T5/00
Abstract: 一种低照度图像增强方法，涉及图像处理。提供可改善雾天、阴雨天、夜间及光照较弱等低照度条件下所摄取图像的视觉效果的一种低照度图像增强方法。1）利用亮通道先验和暗通道先验分别求取低照度图像的亮通道图像和暗通道图像；2）通过所述亮通道图像求取自适应大气光照图；3）通过所述暗通道图像和自适应大气光照图求取自适应传输函数图；4）根据大气散射物理模型中的低照度图像、自适应大气光照图和自适应传输函数图复原场景图像。建立在大气散射物理模型的基础上，能够自适应的处理夜间或光照较弱的环境下所摄取的各种图像，增强后的图像具有理想的对比度和视觉效果，整体增强效果优于传统的图像增强方法。
-
公开(公告)号：CN118506149A
公开(公告)日：2024-08-16
申请号：CN202410549662.8
申请日：2024-05-06
Applicant: 厦门大学
Abstract: 本发明公开了一种基于局部注意力与上下文关系的目标检测知识蒸馏方法，包括：获取图像数据，以便获取每张图像中的每个目标在对应层级多尺度特征图中的前景掩码、前景权重掩码和背景掩码；根据前景掩码和背景掩码分别获取教师模型和学生模型对应的每张图像中的每个目标在对应层级多尺度特征图上经过与之对应的注意力图加权后的前景特征和背景特征；根据前景特征、前景权重掩码和背景特征得到前景损失和背景损失，以便得到第一蒸馏损失；根据前景掩码和背景掩码分别获取教师模型和学生模型对应的目标关系矩阵和目标‑背景关系矩阵，以便得到第二蒸馏损失；根据第一蒸馏损失和第二蒸馏损失对学生模型进行知识蒸馏；从而提高对复杂场景的检测效果。
-
公开(公告)号：CN112766334B
公开(公告)日：2022-06-21
申请号：CN202110025651.6
申请日：2021-01-08
Applicant: 厦门大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种基于伪标签域适应的跨域图像分类方法，涉及图像处理。包括步骤：A、预训练深度模型；B、生成目标域图像伪标签；C、训练及优化深度模型。方法简单有效，能在多个自然图像数据集上获得较好效果。避免错误伪标签的影响，将伪标签样本加入训练集进一步训练网络可提高模型在目标域的辨别性，提高模型在目标域的泛化性能。通过交替给目标域打伪标签和采用伪标签样本训练网络，充分利用无标签的目标域数据，有效提升模型在目标域上的识别性能。改善利用深度学习模型进行自然图像识别时的泛化性能，提高跨数据库测试时的准确率和召回率，实用性强，可移植性强，能够满足域差异大、类别不均衡等情况下弱监督学习的需求。
-
公开(公告)号：CN112767328A
公开(公告)日：2021-05-07
申请号：CN202110025559.X
申请日：2021-01-08
Applicant: 厦门大学
Abstract: 基于对抗学习和适应性分析的医学图像病灶跨域检测方法，属于医学图像处理领域。针对医学图像中有标签的数据少、难获得，且不同数据库样本分布差异大，跨数据库检测时泛化性能差等实际问题，包括以下步骤：A、将对抗学习引入深度学习病灶检测框架中构建无监督域适应病灶检测模型；B、局部适应性分析与特征选择；C、全局适应性分析与图像选择。可以有效利用已有的带标签数据，能有效提高跨域病灶检测的性能，提高跨数据库测试时的准确率和召回率，能改善利用深度学习模型进行医学图像病灶检测时的泛化性能，提高跨数据库测试时的准确率和召回率，满足实际应用的需求。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.021 seconds)
