-
公开(公告)号：CN115116094A
公开(公告)日：2022-09-27
申请号：CN202210801244.4
申请日：2022-07-08
Applicant: 福州大学
Abstract: 本发明涉及一种基于样本增强与实例感知的真实场景行人检索方法，包括以下步骤：步骤S1：将待处理的图像通过检测模型，获得预测的边界框；步骤S2：将预测边界框送入样本增强组合SEC，同时将图像的真实边界框会送入SEC，通过SEC随机抖动后生成若干边界框；步骤S3：在重识别阶段，输入的图像被送入全粒度特征提取网络OSNet的1‑3层网络结构，提取整体图像特征；步骤S4：在整体图像特征与检测阶段产生的边界框送入特征裁剪模块RoIAlign，获得根据边界框从整体图像中裁剪后得到的行人特征；步骤S5：裁剪所得的行人特征被送入OSNet4‑5层网络结构；步骤S6：通过实例感知损失函数进行优化，利用无标签信息以监督特征学习。本发明实现更高效且更具判别性的行人检索。
-
公开(公告)号：CN112668483B
公开(公告)日：2022-06-10
申请号：CN202011600521.2
申请日：2020-12-30
Applicant: 福州大学
IPC: G06V40/16 , G06V20/40 , G06V20/52 , G06V10/75 , G06V10/764 , G06V10/80 , G06K9/62 , G06F16/532 , G06F16/583
Abstract: 本发明涉及一种融合行人重识别和人脸检测的单目标人物跟踪方法，包括步骤S1：输入待处理的视频，得到跟踪模板；S2：根据模板信息，获得对应图像中的人脸图像，将其进行保存；同时训练一个在线分类器辅助后续的跟踪算法；S3：判断当前预测框中的人脸图像与S2中保存的人脸图像是否是同一个人；若是同一个人，则根据预测框信息实现跟踪目标区域的获取，否则进入S5；S5：对当前视频画面视频检测出当前视频画面中所有人物的位置信息获得人物图像列表；使用fast‑ReID行人重识别算法，根据查询图像，从待检索图像中检索出相似度最高的图像，从而实现跟踪错误矫正，并将相似度最高的图像作为新的跟踪模板，返回S2。本发明能够提高单目标人物跟踪效果。
-
公开(公告)号：CN114283320A
公开(公告)日：2022-04-05
申请号：CN202111603923.2
申请日：2021-12-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于全卷积的无分支结构标检测方法，包括以下步骤：步骤S1:获取目标检测数据集，并预处理，生成训练集；步骤S2:构建可重参数化的多分支全卷积网络模型；步骤S3:基于训练集对可重参数化的多分支全卷积网络模型进行训练，通过随机梯度下降方法，优化模型参数；步骤S4:对训练好的多分支全卷积网络模型进行重参数化，构建无分支全卷积网络，作为推理模型；步骤S5:将待测试图像输入推理模型进行测试。本发明能够有效地减少边缘小目标的漏检。
-
公开(公告)号：CN113384744A
公开(公告)日：2021-09-14
申请号：CN202110679363.2
申请日：2021-06-18
Applicant: 福州大学
IPC: A61L27/10 , A61L27/50 , A61L27/02 , A61L27/54 , C01G41/00 , B82Y40/00 , B82Y30/00 , C03C12/00 , C03C4/00 , C03B8/02 , C03B19/12
Abstract: 本发明公开了一种WS2纳米片/生物玻璃微球复合材料及其制备方法。采用液相超声剥离法制备薄层WS2纳米片，随后溶胶‑凝胶法结合液体模板法制备生物玻璃微球，最后采用超声方法制备WS2纳米片/生物玻璃微球复合材料。本发明利用超声的作用使WS2纳米片与生物玻璃微球复合，该方法可控性强，操作简单。本发明中WS2纳米片与生物玻璃微球结合力强、组分分布均匀且工艺简单、成本低。由于制备的WS2纳米片/生物玻璃微球复合材料具有近红外光热性质，因此展现出优异的抗菌性。又由于该复合材料具有高的比表面积，在体液中迅速诱导磷灰石沉淀的生成，具有很高的生物活性。本发明具有重大的产业化前景与医学应用价值。
-
公开(公告)号：CN112668483A
公开(公告)日：2021-04-16
申请号：CN202011600521.2
申请日：2020-12-30
Applicant: 福州大学
IPC: G06K9/00 , G06K9/62 , G06F16/532 , G06F16/583
Abstract: 本发明涉及一种融合行人重识别和人脸检测的单目标人物跟踪方法，包括步骤S1：输入待处理的视频，得到跟踪模板；S2：根据模板信息，获得对应图像中的人脸图像，将其进行保存；同时训练一个在线分类器辅助后续的跟踪算法；S3：判断当前预测框中的人脸图像与S2中保存的人脸图像是否是同一个人；若是同一个人，则根据预测框信息实现跟踪目标区域的获取，否则进入S5；S5：对当前视频画面视频检测出当前视频画面中所有人物的位置信息获得人物图像列表；使用fast‑ReID行人重识别算法，根据查询图像，从待检索图像中检索出相似度最高的图像，从而实现跟踪错误矫正，并将相似度最高的图像作为新的跟踪模板，返回S2。本发明能够提高单目标人物跟踪效果。
-
Patent Agency Ranking
公开(公告)号：CN114805372B
公开(公告)日：2023-03-31
申请号：CN202210395012.3
申请日：2022-04-15
Applicant: 福州大学
IPC: C07D487/22 , C07F7/10 , A61K41/00 , A61P35/00
Abstract: 本发明公开了一种具有双摄取通路的轴向磺酸基修饰酞菁硅及其制备方法和应用。本发明设计的酞菁硅可以通过磺酸阴离子和白蛋白介导的双摄取途径被HepG2细胞吸收，产生极高的光细胞毒性，IC50值为2.0 nM。另外，本发明所述的磺酸基修饰酞菁与白蛋白复合物不仅提高了酞菁的光活性（如荧光发射和活性氧的产生），而且能在血液中的FBS的存在下完全解聚，产生最大的光敏活性。磺酸基修饰酞菁与白蛋白复合物的肿瘤靶向性也显著增强，能够实现有效的体内荧光成像和光动力治疗。这是首个阴离子酞菁通过有机阴离子转运多肽（OATP）途径摄取的例子，也是光敏剂通过分子和超分子介导的双重细胞摄取途径的首个例子。
-
公开(公告)号：CN115205741A
公开(公告)日：2022-10-18
申请号：CN202210808388.2
申请日：2022-07-11
Applicant: 福州大学
Abstract: 本发明涉及一种基于非关键帧扰动的视频序列样本增强方法，包括步骤S1：在网络训练过程中，将输入视频序列样本送入视频行人重识别网络模型中，并根据网络输出结果计算损失；步骤S2：对视频序列样本计算其梯度方向；步骤S3：对视频序列中每一个视频帧计算该视频帧下的梯度方向绝对值的总和；步骤S4：根据视频序列中每一帧的总和值，计算获得视频序列中前n_k个总和值最大的帧的索引，并视为此视频序列中的关键帧；步骤S5：根据关键帧的索引，对视频序列中其他非关键帧进行随机高斯噪声扰动；步骤S6：经过扰动后的非关键帧替换掉原视频序列中对应索引的帧，构建新的视频序列样本，再次送入视频重识别网络中进行后续训练。
-
公开(公告)号：CN114805372A
公开(公告)日：2022-07-29
申请号：CN202210395012.3
申请日：2022-04-15
Applicant: 福州大学
IPC: C07D487/22 , C07F7/10 , A61K41/00 , A61P35/00
Abstract: 本发明公开了一种具有双摄取通路的轴向磺酸基修饰酞菁硅及其制备方法和应用。本发明设计的酞菁硅可以通过磺酸阴离子和白蛋白介导的双摄取途径被HepG2细胞吸收，产生极高的光细胞毒性，IC50值为2.0 nM。另外，本发明所述的磺酸基修饰酞菁与白蛋白复合物不仅提高了酞菁的光活性（如荧光发射和活性氧的产生），而且能在血液中的FBS的存在下完全解聚，产生最大的光敏活性。磺酸基修饰酞菁与白蛋白复合物的肿瘤靶向性也显著增强，能够实现有效的体内荧光成像和光动力治疗。这是首个阴离子酞菁通过有机阴离子转运多肽（OATP）途径摄取的例子，也是光敏剂通过分子和超分子介导的双重细胞摄取途径的首个例子。
-
公开(公告)号：CN113398327B
公开(公告)日：2022-05-10
申请号：CN202110677667.5
申请日：2021-06-18
Applicant: 福州大学
Abstract: 本发明公开了一种高生物活性MXene/生物玻璃微球复合材料的制备方法。采用原位合成氢氟酸刻蚀法制备MXene，随后溶胶‑凝胶法结合模板法制备生物玻璃微球，最后用静电自组装法制备MXene/生物玻璃微球复合材料。由于MXene表面具有特殊的表面基团，包括羟基(‑OH)、氧(‑O)或氟(‑F)等极性基团，与生物玻璃复合后，这些基团可以作为活性位点，能够促进羟基磷灰石沉淀量的增加，并且MXene具有高表面电荷性(负Zeta电位超过‑40 mV)，能够更快吸附体液中的Ca、P等离子，加快羟基磷灰石沉淀的生成，因此MXene/生物玻璃微球复合材料具有很高的生物活性。
-
公开(公告)号：CN112200138A
公开(公告)日：2021-01-08
申请号：CN202011184624.5
申请日：2020-10-30
Applicant: 福州大学
Abstract: 本发明涉及一种基于计算机视觉的课堂学情分析方法，包括以下步骤：步骤S1:获取人体图像数据，并进行预处理，得到人体图像数据集；步骤S2:根据得到的人体图像数据集，训练YOLOv4目标检测算法模型，并基于训练后的YOLOv4目标检测算法模型对课堂实时视频进行逐帧人体检测，得到每个目标的人体位置信息；步骤S3:根据得到每个目标的人体位置信息，采用CrowdPose拥挤场景姿态估计算法进行姿态估计，获得每个目标的骨骼关键点分布信息；步骤S4:根据得到的每个目标的骨骼关键点分布信息，分别进行行为检测和情绪分析；步骤S5:根据行为检测、人脸识别，情绪分析结果，进一步实现目标的课堂考勤和获得识别目标的课堂参与度。本发明有效的获取每个学生课堂状态，供教师改进教学策略，提高课堂教学质量。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.02 seconds)
