-
公开(公告)号：CN118898722B
公开(公告)日：2025-02-11
申请号：CN202411404225.3
申请日：2024-10-10
Applicant: 厦门理工学院
IPC: G06V10/422 , G06V10/80 , G06V10/774 , G06V10/82 , G06V10/10 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于几何基元空间感知的平面几何自动解题方法，S1将待求解的几何图示和几何题目利用解析器按预设的规则，解析成文本子句，并输入Transformer Encoder中编码；S2将几何图示图像通过卷机神经网络分成64个图示补丁特征并通过自注意力机制学习视觉模态内部特征；S3将这些模态特征输入到多模态双支路空间感知预训练语言模块中以学习跨模态全局特征和几何基元空间信息，并输入到双向GRU编码器中以执行融合编码；S4将混合编码中的文本编码送入点基元空间注意力模块中增强模型对几何基元的空间感知能力；S5将增强的混合编码由自限GRU解码器解码，并生成顺序求解程序。
-
公开(公告)号：CN118918589B
公开(公告)日：2025-01-21
申请号：CN202411399134.5
申请日：2024-10-09
Applicant: 厦门理工学院
IPC: G06V30/146 , G06V30/19 , G06V30/18 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种基于网格点的医疗文档图像矫正识别方法及系统，该方法包括以下步骤：步骤A：获取医疗文档的待矫正图像及其对应的真实图像，构建测试数据集；步骤B：构建基于网格点的医疗文档图像矫正模型并通过训练数据集对其进行训练，得到训练好的医疗文档图像矫正模型；步骤C：利用测试数据集对训练好的医疗文档图像矫正模型进行测试，评估合格的即为最终得到的医疗文档图像矫正模型；步骤D：将最终得到的医疗文档图像矫正模型应用于医疗文档图像矫正，获取矫正后的医疗文档图像；然后对矫正后的医疗文档图像进行文字识别，得到识别后的医疗文本。该方法及系统有利于快速、准确地校正医疗文档图像并对其进行文字识别。
-
公开(公告)号：CN118918589A
公开(公告)日：2024-11-08
申请号：CN202411399134.5
申请日：2024-10-09
Applicant: 厦门理工学院
IPC: G06V30/146 , G06V30/19 , G06V30/18 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种基于网格点的医疗文档图像矫正识别方法及系统，该方法包括以下步骤：步骤A：获取医疗文档的待矫正图像及其对应的真实图像，构建测试数据集；步骤B：构建基于网格点的医疗文档图像矫正模型并通过训练数据集对其进行训练，得到训练好的医疗文档图像矫正模型；步骤C：利用测试数据集对训练好的医疗文档图像矫正模型进行测试，评估合格的即为最终得到的医疗文档图像矫正模型；步骤D：将最终得到的医疗文档图像矫正模型应用于医疗文档图像矫正，获取矫正后的医疗文档图像；然后对矫正后的医疗文档图像进行文字识别，得到识别后的医疗文本。该方法及系统有利于快速、准确地校正医疗文档图像并对其进行文字识别。
-
公开(公告)号：CN118898846A
公开(公告)日：2024-11-05
申请号：CN202411396493.5
申请日：2024-10-09
Applicant: 厦门理工学院
IPC: G06V30/146 , G06V30/148 , G06V30/18 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明提出一种应用于歪曲试卷的文档矫正系统，包括试卷图像的分割模块和基于多头注意力机制的试卷图像矫正模块；所述试卷图像的分割模块基于UNet构建的分割模型以实现对于试卷文档的左缘信息和右缘信息分割，通过卷积层、残差连接以及转置卷积层提取和融合图像特征，以获得图像分割图，随后进行后处理以获得实际的掩码图；再将分割后的信息输入到基于多头注意力机制的试卷图像矫正模块中以对分割后的图形进行矫正；所述基于多头注意力机制的试卷图像矫正模块采用Transformer结构，包括Encoder‑Decoder结构，采用多头注意力结构网络生成图像的光流图，通过一系列的Encoder编码器块进行逐步降采样和Decoder解码器块进行逐步上采样，得到矫正后的试卷文档图像。
-
公开(公告)号：CN118898846B
公开(公告)日：2025-03-11
申请号：CN202411396493.5
申请日：2024-10-09
Applicant: 厦门理工学院
IPC: G06V30/146 , G06V30/148 , G06V30/18 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明提出一种应用于歪曲试卷的文档矫正系统，包括试卷图像的分割模块和基于多头注意力机制的试卷图像矫正模块；所述试卷图像的分割模块基于UNet构建的分割模型以实现对于试卷文档的左缘信息和右缘信息分割，通过卷积层、残差连接以及转置卷积层提取和融合图像特征，以获得图像分割图，随后进行后处理以获得实际的掩码图；再将分割后的信息输入到基于多头注意力机制的试卷图像矫正模块中以对分割后的图形进行矫正；所述基于多头注意力机制的试卷图像矫正模块采用Transformer结构，包括Encoder‑Decoder结构，采用多头注意力结构网络生成图像的光流图，通过一系列的Encoder编码器块进行逐步降采样和Decoder解码器块进行逐步上采样，得到矫正后的试卷文档图像。
-
Patent Agency Ranking
公开(公告)号：CN119360007A
公开(公告)日：2025-01-24
申请号：CN202411924702.9
申请日：2024-12-25
Applicant: 厦门理工学院
IPC: G06V10/25 , G06V10/44 , G06V10/74 , G06V10/764 , G06V10/774 , G06V20/70
Abstract: 本发明涉及一种基于自适应高斯学习标签分配的微小目标检测方法，包括：1）获取训练数据集和训练集标注文件；2）构建微小目标检测网络模型，包括基准检测器、自适应加权高斯度量模块和动态循环标签分配模块；通过基准检测器提取分类特征图和定位特征图分别用于分类和定位任务；对于定位特征图，利用自适应加权高斯度量模块获得真实框和特征点对应的高斯分布并度量相似度；在标签分配过程中，利用动态循环标签分配模块动态设置正负样本筛选的阈值；3）将微小目标检测网络模型用于检测目标。该方法及系统可以为候选先验提供与真实框更准确的相似度分数，并在标签分配过程中动态为真实框分配适当的正样本，从而提高微小目标检测的准确性。
-
公开(公告)号：CN118968034A
公开(公告)日：2024-11-15
申请号：CN202411154081.0
申请日：2024-08-21
Applicant: 厦门理工学院
IPC: G06V10/25 , G06V10/82 , G06V10/774 , G06V10/40 , G06V10/80 , G06V10/764 , G06V10/766
Abstract: 本发明涉及一种基于动态混合标签分配的端到端目标检测方法及系统，该方法包括以下步骤：1）获取训练数据集和训练集标注文件；2）构建基于动态混合标签分配的端到端目标检测网络模型，所述端到端目标检测模型包括初步特征提取模块、多尺度特征融合模块、检测头模块、混合样本选择模块和阶段感知软权重调整模块；通过训练数据集和训练集标注文件对端到端目标检测网络模型进行训练，得到可泛化的模型参数；3）将训练好的端到端目标检测网络模型用于检测目标，实现端到端目标检测。该方法不仅可以学习到稳健的特征表示，还能在推理过程中执行高效的端到端检测。
-
公开(公告)号：CN118898848A
公开(公告)日：2024-11-05
申请号：CN202411399838.2
申请日：2024-10-09
Applicant: 厦门理工学院
IPC: G06V30/16 , G06V30/18 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种基于色彩感知的文档图像阴影去除方法，该方法包括：获取用于训练的文档图像，构成训练集；构建端到端阴影去除模型，其中颜色感知背景提取网络从输入的阴影图像中提取背景特征并预测背景图像，阴影去除网络在第一阶段对输入的阴影图像利用背景特征生成粗略的阴影去除结果，再通过第二阶段进行细化，得到最终的去阴影图像；构建结合结构一致性损失、背景重建损失和外观一致性损失的损失函数，利用训练集对端到端阴影去除模型进行训练，通过训练优化模型参数；将训练完成的端到端阴影去除模型应用于新的文档图像，对文档图像自动进行阴影去除处理。该方法可有效去除文档图像中的阴影并保留文本细节，从而提高文档图像的可读性。
-
公开(公告)号：CN118898722A
公开(公告)日：2024-11-05
申请号：CN202411404225.3
申请日：2024-10-10
Applicant: 厦门理工学院
IPC: G06V10/422 , G06V10/80 , G06V10/774 , G06V10/82 , G06V10/10 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于几何基元空间感知的平面几何自动解题方法，S1将待求解的几何图示和几何题目利用解析器按预设的规则，解析成文本子句，并输入Transformer Encoder中编码；S2将几何图示图像通过卷机神经网络分成64个图示补丁特征并通过自注意力机制学习视觉模态内部特征；S3将这些模态特征输入到多模态双支路空间感知预训练语言模块中以学习跨模态全局特征和几何基元空间信息，并输入到双向GRU编码器中以执行融合编码；S4将混合编码中的文本编码送入点基元空间注意力模块中增强模型对几何基元的空间感知能力；S5将增强的混合编码由自限GRU解码器解码，并生成顺序求解程序。
-
公开(公告)号：CN118898560A
公开(公告)日：2024-11-05
申请号：CN202411398363.5
申请日：2024-10-09
Applicant: 厦门理工学院
IPC: G06T5/77 , G06T5/60 , G06T5/10 , G06N3/0455 , G06N3/0464
Abstract: 本发明提供了一种基于频域挖掘与调制的文档图像修复方法，其步骤如下：步骤S1：通过将退化图片分成多个编码块，得到相对应的特征矩阵。步骤S2：通过图像注意力模块和降采样模块结合的频域特征提取模块对于图像特征矩阵进行多次特征提取，并保存下来每一次的模块提取后的频域细节矩阵。步骤S3：将退化图片（带阴影的图片）输入频域注意力计算模块，并将之和对应的频域细节矩阵进行细化处理，然后进行上采样，重复多次，直到将图片恢复到和原本图片尺度差不多的图像。步骤S4：在最后将之输入到特征恢复模块，得到恢复图像的图片。步骤S5：将训练完成的网络应用于新的文档图像，自动进行阴影去除处理，输出清晰、无阴影的文档图像。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.018 seconds)
