公开(公告)号：CN119228788B

公开(公告)日：2025-02-18

申请号：CN202411725027.7

申请日：2024-11-28

Applicant: 华侨大学

Inventor： 潘文杰 ,  朱建清 ,  曾焕强 ,  陈婧 ,  施一帆 ,  蔡磊 ,  龚鑫荣 ,  蔡灿辉

IPC: G06T7/00 ,  G06N3/0455 ,  G06N3/08 ,  G06V10/26 ,  G06V10/40 ,  G06V10/764 ,  G06V10/82 ,  G01R31/12 ,  G01N21/88

Abstract: 本发明公开了一种基于类别余弦映射的绝缘子故障检测方法及装置，涉及人工智能、机器视觉领域，包括：从真实数据集合与合成数据集合中获取图像数据、故障标签以及类别标签；利用类别余弦偏置编码将类别偏置编码进图像数据，利用特征提取网络提取编码结果中的空间特征；利用类别余弦偏置解码缓解空间特征中的偏置信息以获得类别特征，利用多标签分类器获取类别特征与类别标签的分类损失；利用分割解码器获取空间特征与故障标签的掩码损失；基于分类损失与掩码损失完成模型训练。本发明将正常、故障绝缘子以及合成图像的类别差异通过余弦偏置编码至图像数据中，引导模型理解合成图像与真实场景中的分布差异，最终提升合成数据在实践中的有效性。

公开(公告)号：CN119229130B

公开(公告)日：2025-02-14

申请号：CN202411736952.X

申请日：2024-11-29

Applicant: 华侨大学

Inventor： 潘文杰 ,  朱建清 ,  曾焕强 ,  陈婧 ,  施一帆 ,  蔡磊 ,  龚鑫荣 ,  蔡灿辉

IPC: G06V10/26 ,  G06N3/0464 ,  G06V10/44 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种基于分类激活映射自举的路面裂痕分割方法及装置，涉及人工智能、机器视觉领域，方法包括：训练基于深度网络的正常与裂痕路面分类模型；利用类激活映射方法生成路面图像的激活映射图，通过高激活阈值筛选出类别高激活掩码并进行增强操作后，加入路面图像训练集；重复上述步骤，直到达到设定条件；基于训练好的正常与裂痕路面分类模型生成待推理的路面图像的激活映射图，通过裂痕掩码阈值获得待推理的路面图像的裂痕掩码，作为裂痕分割结果。本发明利用分类模型与激活映射，寻找类别高激活掩码更新路面图像训练集，不断迭代优化掩码效果，以改善路面裂痕分割效果，无需对裂痕进行像素级的标注，大大降低了标注成本。

公开(公告)号：CN119339084A

公开(公告)日：2025-01-21

申请号：CN202411836240.5

申请日：2024-12-13

Applicant: 华侨大学 ,  泉州圣源警用侦察设备有限公司

Inventor： 潘文杰 ,  朱建清 ,  周前果 ,  曾焕强 ,  陈婧 ,  施一帆 ,  蔡磊 ,  龚鑫荣

IPC: G06V10/26 ,  G06V10/764

Abstract: 本发明公开了一种基于区块类别编码的电缆图像分割方法及装置，涉及图像处理领域，包括：构建电缆图像分割模型和区块编码模块，将电缆分割训练数据中的图像数据输入到语义分割编码器，得到区块特征，将区块特征输入到语义分割解码器，得到语义类别概率，基于语义类别概率和语义类别标签构建语义分割损失函数，将语义类别标签输入到区块编码模块，得到区块类别标签，基于语义类别概率和区块类别标签构建相关性匹配损失函数，并计算得到总损失函数，基于总损失函数对电缆图像分割模型进行训练，得到经训练的电缆图像分割模型；利用经训练的电缆图像分割模型进行图像分割。本发明解决目前电缆图像分割技术中分割不完整、准确率低的问题。

公开(公告)号：CN119180752A

公开(公告)日：2024-12-24

申请号：CN202411678685.5

申请日：2024-11-22

Applicant: 华侨大学 ,  厦门松霖科技股份有限公司

Inventor： 曾焕强 ,  朱显丞 ,  朱建清 ,  施一帆 ,  龚鑫荣 ,  蔡磊 ,  陈斌 ,  陈志达 ,  卢伟

IPC: G06T3/4053 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  G06T3/4046

Abstract: 本发明公开了一种基于高效频域Transformer的轻量级图像超分辨率方法及装置，涉及图像处理领域，包括：构建基于高效频域Transformer的图像超分辨率模型并训练，得到经训练的图像超分辨率模型，图像超分辨率模型包括第一卷积层、亚像素卷积层、第二卷积层以及若干个高效频域Transformer模块；获取待重建的低分配率图像和上采样因子并输入经训练的图像超分辨率模型，先经过第一卷积层，得到第一卷积层的输出特征，第一卷积层的输出特征依次经过若干个高效频域Transformer模块，将最后一个高效频域Transformer模块的输出特征与第一卷积层的输出特征相加，得到第二相加结果，第二相加结果依次经过亚像素卷积层和第二卷积层，得到高分辨率重建图像。本发明克服现有Transformer方法计算复杂度过高的问题。

公开(公告)号：CN118865075A

公开(公告)日：2024-10-29

申请号：CN202411319739.9

申请日：2024-09-23

Applicant: 华侨大学

Inventor： 曾焕强 ,  刘智鸿 ,  陈婧 ,  朱建清 ,  施一帆 ,  蔡磊 ,  林琦 ,  郑惠洁 ,  龚鑫荣 ,  侯军辉

IPC: G06V10/98 ,  G06N3/043 ,  G06N3/0464 ,  G06V10/776 ,  G06V10/82

Abstract: 本发明公开了一种基于分层时空感知的屏幕内容视频质量评价方法及装置，涉及视频评价领域，包括：提取屏幕内容视频中的若干个碎片化视频和若干个关键帧并输入经训练的屏幕内容视频质量评价模型，每个关键帧输入显著性计算模块筛选出若干个显著视频块，每个显著视频块输入双通道卷积神经网络，得到每个阶段的多层特征并输入块级质量评估模块，经过空间门特征增强模块，得到每个阶段的增强特征并输入块级质量聚合模块，得到每个视频块的块级质量分数；采用自适应加权策略计算得到空域感知质量分数；碎片化视频输入时域感知质量评估支路，得到时域感知质量分数，两者结合计算得到屏幕内容视频的质量分数，解决现有视频质量评价方法可靠性差的问题。