-
公开(公告)号：CN116309182A
公开(公告)日：2023-06-23
申请号：CN202310356275.8
申请日：2023-04-06
Applicant: 福州大学
IPC: G06T5/00 , G06V10/774 , G06N3/084 , G06V10/82 , G06V10/77 , G06N3/0464
Abstract: 本发明涉及一种基于递归交互式注意力的低照度图像增强方法。包括：对输入图像进行预处理，包括图像配对、裁剪、数据增强处理，得到训练数据集；设计递归交互式注意力增强网络，该网络由输入映射模块、递归交互式注意力增强网络和输出映射模块组成；设计用于训练步骤B所设计网络的损失函数；使用步骤A得到的训练数据集训练递归交互式注意力增强网络；将待测图像输入到该网络中，使用训练好的网络生成正常照度图像。本发明利用递归交互式注意力机制，能够在局部和全局范围内对图像进行注意力调整和增强，从而提高了图像的质量和清晰度，有效解决了低照度图像亮度不均衡、细节丢失、颜色失真等问题。
-
公开(公告)号：CN116258849A
公开(公告)日：2023-06-13
申请号：CN202211487842.5
申请日：2022-11-24
Applicant: 福州大学
IPC: G06V10/26 , G06V20/70 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明涉及一种基于生成对抗网络的昼夜域自适应语义分割方法。包括：将待训练的数据集，进行数据预处理；设计两个基于生成对抗网络的语义分割分支，分支A用来预测源域图像和目标域白天图像，分别获得对应的语义分割预测结果，分支B用来预测源域图像和目标域夜晚图像，获得对应的语义分割预测结果；根据设计的目标损失函数loss，利用反向传播方法计算昼夜域自适应语义分割网络中各参数的梯度，并利用随机梯度下降方法更新参数，学习到模型的最优参数；将待测的夜晚图像输入到分支B网络中，获得相应的语义分割预测结果。本发明利用有限的白天语义分割数据集，结合生成对抗网络思想和域自适应方法，显著提高对夜晚图像的语义分割的性能。
-
公开(公告)号：CN115880177A
公开(公告)日：2023-03-31
申请号：CN202211600774.9
申请日：2022-12-12
Applicant: 福州大学
IPC: G06T5/00 , G06T3/60 , G06V10/82 , G06V10/46 , G06V10/80 , G06V10/77 , G06N3/048 , G06N3/084 , G06N3/0464
Abstract: 本发明提出一种聚合上下文和增强细节的全分辨率低照度图像增强方法，包括：进行数据预处理，包括数据配对、数据随机裁切、数据增强处理，得到训练数据集；设计聚合上下文和增强细节的全分辨率低照度图像增强网络，该网络由全分辨率细节提取模块、频空域上下文信息注意力模块、特征聚合和增强模块组成；设计损失函数，指导步骤B所设计网络的参数优化；使用步骤A得到的训练数据集训练步骤B中的聚合上下文和增强细节的全分辨率低照度图像增强网络，收敛到纳什平衡，得到训练好的聚合上下文和增强细节的全分辨率低照度图像增强模型。本发明能对低照度图像进行增强，解决低照度图像细节缺失、颜色失真、亮度不足等问题。
-
公开(公告)号：CN112767451B
公开(公告)日：2022-09-06
申请号：CN202110134261.2
申请日：2021-02-01
Applicant: 福州大学
Abstract: 本发明涉及一种基于双流卷积神经网络的人群分布预测方法及其系统。该方法包括：对从视频中提取的待训练图像序列进行数据预处理，归一化图像序列及其对应的人群密度图序列；设计双流卷积神经网络结构，包括F2D‑Net子网络、D2D‑Net子网络、融合模块；使用归一化图像序列中的最后两张图像计算光流，将光流映射到最后一张归一化图像对应的人群密度图作为光流法预测的密度图，并将其与两个子网络预测的特征通过融合模块融合的特征图进行融合，生成未来的人群分布密度图；对所设计网络设计损失函数，使用所设计网络训练人群分布预测模型；利用训练好的人群分布预测模型预测未来的人群分布密度图并估计人群数量。本发明可以预测未来的人群分布、估计未来人群数量。
-
公开(公告)号：CN114972107A
公开(公告)日：2022-08-30
申请号：CN202210663857.6
申请日：2022-06-14
Applicant: 福州大学
Abstract: 本发明提出一种基于多尺度堆叠式注意力网络的低照度图像增强方法，包括以下步骤：步骤A：对原始低照度图像和正常照度图像的训练图像对进行预处理，得到原始低照度图像和正常照度图像组成的训练图像对；步骤B：设计多尺度自适应融合堆叠式注意力网络作为低照度图像增强网络，该网络包含多尺度自适应特征融合模块，堆叠式注意力残差模块和傅里叶重建模块；步骤C：设计低照度图像增强网络的目标损失函数，训练网络至收敛到阈值或迭代次数达到阈值；步骤D：将待测图像输入到所设计的低照度图像增强网络中，利用训练好的网络预测生成正常照度图像。本发明能实现低照度图像增强，生成正常照度下的高质量图像。
-
Patent Agency Ranking
公开(公告)号：CN111988593B
公开(公告)日：2022-06-14
申请号：CN202010893423.6
申请日：2020-08-31
Applicant: 福州大学
IPC: H04N13/15 , H04N13/122 , G06V10/774 , G06V10/74
Abstract: 本发明涉及一种基于深度残差优化的立体图像颜色校正方法，包括以下步骤：S1：对数据集中无失真立体图像的左或右视图进行颜色失真处理，产生失真立体图像，建立包括无失真立体图像和失真立体图像的训练集；S2：用立体匹配模型计算所有失真立体图像的视差图，利用图像变形技术生成初始化匹配图像；S3：构建基于神经网络的颜色校正残差图优化模型，将残差图作为模型的输入，并设计损失函数；S4：使用损失函数训练模型，通过最小化损失函数学习模型的最优参数，得到训练好的模型；S5：用训练好的模型对待校正的失真立体图像进行颜色校正。该方法及系统有利于提高颜色校正结果与参考图像的颜色一致性，并保持与目标图像的结构一致性。
-
公开(公告)号：CN111723822B
公开(公告)日：2022-06-14
申请号：CN202010570806.X
申请日：2020-06-20
Applicant: 福州大学
Abstract: 本发明涉及一种基于多层次融合的RGBD图像显著性检测方法及系统，包括：步骤S1：进行数据增强，同时对彩色图像以及对应的深度图和人工标注图进行处理；步骤S2：设计多层次卷积神经网络结构，提取并融合深度图与彩色图像特征，融合多层次的特征，得到各个层次预测的显著性图Sk；步骤S3：设计一个融合优化模块,然后融合各个层次的显著性图Sk，得到最终的显著性图Sfinal；步骤S4：通过求解最小化损失函数，学习到RGBD图像显著性检测模型的最优参数，得到训练好的RGBD图像显著性检测模型；步骤S5：最后，将RGBD图像输入训练好的模型，计算得到输入图像的显著性检测结果，即显著性图。本发明解决了RGBD图像显著性检测边缘粗糙问题，能显著提升RGBD图像显著性检测的性能。
-
公开(公告)号：CN109685074B
公开(公告)日：2022-05-10
申请号：CN201811211384.6
申请日：2018-10-17
Applicant: 福州大学
IPC: G06V10/44 , G06V10/26 , G06V30/146
Abstract: 本发明涉及一种基于Scharr算子的银行卡卡号行定位方法，包括以下步骤：步骤S1：使用CANNYLINES直线检测方法检测输入银行卡卡面图像中存在的线段；步骤S2：对CANNLINES直线检测得到的直线进行判断，找出银行卡卡面的4条边，并由此得到银行卡卡面的4个顶点；步骤S3：使用透视变换对银行卡卡面进行矫正，得到归一化的标准银行卡卡面图像；步骤S4：利用Scharr算子检测银行卡面的垂直边缘，并按行累加，定位其中累加值最大的固定高度横向区域，得到银行卡卡号行区域。本发明能够有效地对待检测图像中的银行卡卡号行进行定位。
-
公开(公告)号：CN114399427A
公开(公告)日：2022-04-26
申请号：CN202210018956.9
申请日：2022-01-07
Applicant: 福州大学
Abstract: 本发明涉及一种基于循环生成对抗网络的字效迁移方法。包括：S1：对数据集进行处理，得到字形图像和字效图像对，并对每幅图像进行预处理，得到训练数据集；S2：设计一个基于循环生成对抗网络的字效风格迁移网络，该网络由字效去除子网和字效迁移子网组成；S3：设计用于训练步骤S2所设计网络的损失函数；S4：使用训练数据集训练基于循环生成对抗网络的字效风格迁移网络；S5：将新的目标字效图像和待迁移的字形图像输入训练好的字效迁移网络，输出字效迁移后具有目标字效的图像。本发明能实现字效风格迁移，并生成高质量、结构性强的字效迁移图像。
-
公开(公告)号：CN108388920B
公开(公告)日：2022-04-08
申请号：CN201810172048.9
申请日：2018-03-01
Applicant: 福州大学
Abstract: 本发明公开了一种融合HOG和LBPH特征的身份证复印件检测方法，包括：首先选取大量身份证和非身份证图片作为训练样本集的正、负样本，分别对训练样本集提取HOG特征和LBPH特征，并训练SVM，得到第一分类器和第二分类器，利用第一分类器对测试图像进行目标检测，获取目标检测结果的LBPH特征；利用第二分类器根据目标检测结果的LBPH特征进行判断，保留判断结果为真的目标。本发明先利用HOG分类器进行检测，然后利用LBPH分类器对HOG检测结果进行再次检测，方法简单、快速、高效，检测准确率高。
-
-
-
-
-
-
-
-
-
Search Results
215
records
(took 0.026 seconds)
