-
公开(公告)号：CN110852255A
公开(公告)日：2020-02-28
申请号：CN201911086249.8
申请日：2019-11-08
Applicant: 福州大学
Abstract: 本发明涉及一种基于U型特征金字塔的交通目标检测方法。提出了一种U型模块，并利用级联方式构建多级的图像特征金字塔，来解决多尺度的问题。为了证明U型模块的有效性，我们还设计了一种新的单目标检测器，U-FPNDet，该模型首先利用基础网络提取出基础特征图，然后利用级联的U型模块将基础特征图构建出多级特征金字塔，最后在每一级金字塔上运行检测网络得出最后的结果。
-
公开(公告)号：CN110033007A
公开(公告)日：2019-07-19
申请号：CN201910321093.0
申请日：2019-04-19
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度姿态预估和多特征融合的行人衣着属性识别方法。该方法首先通过外观特征匹配，选取部分检索结果用于后续的属性识别；随后通过基于SSD的深度人体姿态估计方法，能有效定位出图像中属于行人的前景区域，并较好地排除背景因素干扰；最后融合多种方式的解析结果，并结合迭代平滑过程，采取最大后验概率分配的方式，加强属性标签与像素之间的相关性，得到最终的属性解析识别结果。本发明解决了单一解析方式下标签识别不准、像素解析区域偏差等问题。该方法简单灵活，具有较强的实际应用性。
-
公开(公告)号：CN110032991A
公开(公告)日：2019-07-19
申请号：CN201910331226.2
申请日：2019-04-23
Applicant: 福州大学
Abstract: 本发明涉及一种基于车标再定位的车标检测和识别方法。首先采用了颜色特征作为车牌的定位特征对车牌进行定位，通过定位出的车牌位置信息可以对车标进行大致定位。框选出车标的粗定位范围后，本发明通过一种新的基于Canny算子的车标提取方法进一步定位车标。定位完成后，由于车辆散热网形状各异，对有些情况无法精确定位，本发明提出一种基于车标再定位的思想，重新定位车标分类范围。由于车标边缘特征明显，本发明使用梯度方向直方图(HOG)特征作为分类特征。计算提取出的车标范围的梯度方向直方图(HOG)特征，送入支持向量机(SVM)进行训练分类。本发明能够有效地对车标图像进行检测。
-
公开(公告)号：CN110032989A
公开(公告)日：2019-07-19
申请号：CN201910327555.X
申请日：2019-04-23
Applicant: 福州大学
Abstract: 本发明涉及一种基于框线特征和像素分布的表格文档图像分类方法，首先对待分类图像进行灰度化和二值化，接着对得到的二值图像进行基于连通域分析的框线增强操作，对框线增强之后的图像进行基于深度学习方法的图像去噪；对经过预处理的待测图像，用基于形态学的直线检测方法分别检测并提取出横、纵框线，并将其细化，然后采用基于Npcanny的直线检测方法获取框线条数信息；对横框线图像进行水平方向投影，对纵框线进行垂直方向投影，并记录投影后的位置以及像素值，将得到的框线坐标与长度信息与模板库中已录入的标准模板信息进行匹配，筛选出与待分类图像相似度最高的模板图像，最后输出待分类图像的分类结果。本发明能够有效地对表格文档图像进行分类。
-
公开(公告)号：CN109829427A
公开(公告)日：2019-05-31
申请号：CN201910097235.X
申请日：2019-01-31
Applicant: 福州大学
Abstract: 本发明涉及一种基于纯度检测和空间注意力网络的人脸聚类方法。首先获取人脸识别数据集，训练空间注意力网络，对待聚类的所有人脸图像提取深度特征；接着构造距离矩阵，计算初始聚类结果；然后对每个聚类簇进行纯度检测，过滤掉不属于该类别的人脸图像，并删除不符合条件的聚类簇；最后对过滤后的聚类簇通过空间注意力网络提取集合特征，计算聚类簇之间的距离并不断融合得到最终结果。本发明能够改善人脸聚类的效果。
-
Patent Agency Ranking
公开(公告)号：CN109460761A
公开(公告)日：2019-03-12
申请号：CN201811206675.6
申请日：2018-10-17
Applicant: 福州大学
Abstract: 本发明涉及一种基于维度聚类和多尺度预测的银行卡卡号检测与识别方法，包括以下步骤：步骤S1:获取银行卡数据集，并对获取的银行卡数据集进行标注；步骤S2:根据收集到的银行卡数据集训练银行卡卡号定位与识别模型，得到训练好的银行卡卡号定位与识别模型；步骤S3：将待检测的银行卡图像输入训练好的银行卡卡号定位与识别模型中，对待检测的银行卡图像进行卡号定位与识别。本发明提升了银行卡卡号检测的召回率与识别分类的准确率，同时能够保证检测与识别的实时性。
-
公开(公告)号：CN105139023B
公开(公告)日：2018-12-25
申请号：CN201510438672.5
申请日：2015-07-24
Applicant: 福州大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于多尺度特征融合和极限学习机的种子识别方法，通过对样本种子图像的多尺度局部HOG特征以及全局分布的HSV特征进行融合提取，利用ELM极限学习机进行特征训练，得出集成分类模型，对待测试的种子图像采用滑动窗口机制，对其进行多尺度的融合特征提取，并将结果输入到该模型中，并通过对分类结果进行加权投票表决，进而得出待测试种子图像的分类信息。本发明所提出的一种基于多尺度特征融合和极限学习机的种子识别方法，简单灵活，设备要求简单，并且具有较强的实用性。
-
公开(公告)号：CN108830254A
公开(公告)日：2018-11-16
申请号：CN201810681853.4
申请日：2018-06-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于数据均衡策略和密集注意网络的细粒度车型检测与识别方法，首先获取车型数据集，并对获取的车型数据集进行标注，为训练车型检测与识别模型做好准备；接着采用数据均衡策略对收集到的车型数据集进行数据均衡处理；然后用经过数据均衡处理后的车型数据集训练密集注意网络；最后将一幅待检测的图像输入训练好的密集注意网络中，利用训练好的密集注意网络对待检测的图像进行检测与识别。
-
公开(公告)号：CN108449596A
公开(公告)日：2018-08-24
申请号：CN201810342793.3
申请日：2018-04-17
Applicant: 福州大学
CPC classification number: H04N17/004 , G06T7/0002 , G06T7/13 , G06T7/90 , G06T2207/10012 , G06T2207/30168 , H04N2013/0081
Abstract: 本发明涉及一种融合美学和舒适度的3D立体图像质量评估方法，包括以下步骤：步骤S1：对训练图像集合和待预测图像集合中的每幅立体图像提取左、右视图的美学特征及左、右视图美学一致性特征，获得美学特征集F1；步骤S2：对训练图像集合和待预测图像集合中的每幅立体图像提取舒适度特征，获得舒适度特征集F2；步骤S3：对训练图像集合中的所有图像，结合美学特征集F1和舒适度特征集F2，将其作为机器学习特征集T1，训练得到立体图像质量评估模型；步骤S4：利用训练好的质量评估模型评估每幅待预测图像，得到所有待预测图像的最终质量评估分数。该方法有利于提高评估结果与用户主观分数的一致性。
-
公开(公告)号：CN107705560A
公开(公告)日：2018-02-16
申请号：CN201711032264.5
申请日：2017-10-30
Applicant: 福州大学
Abstract: 本发明公开了一种融合视觉特征和卷积神经网络的道路拥堵检测方法，包括步骤：1）对输入的影像视频序列进行移动前景检测与背景建模，得到原始影像的背景和初步移动前景；2）将初步移动前景集合输入卷积神经网络，进行移动车辆识别，排除其他非移动车辆的移动前景；3）利用最终移动前景集合计算反映交通状态的图像视觉特征，图像视觉特征包括交通密度、交通速度、交通占有率和交通流量；4）计算图像光流直方图的信息熵；5）利用交通密度、交通速度、交通占有率、交通流量和光流直方图的信息熵，判断交通道路拥堵状态。本发明融合多维度的视觉特征与卷积神经网络，可以更加准确的判断道路的拥堵程度。
-
-
-
-
-
-
-
-
-
Search Results
298
records
(took 0.039 seconds)
