-
公开(公告)号：CN110851601A
公开(公告)日：2020-02-28
申请号：CN201911085444.9
申请日：2019-11-08
Applicant: 福州大学
IPC: G06F16/35 , G06F16/33 , G06F40/211 , G06F40/289 , G06K9/62
Abstract: 本发明涉及一种基于分层注意力机制的跨领域情感分类系统，包括：文本预处理模块，用于对跨领域文本进行特征化处理；枢轴特征提取模块，用于学习领域适应的特征表示空间，得到源领域与目标领域的枢轴特征文档表示；非枢轴特征提取模块，用于获取非枢轴特征表示；情感类别输出模块，用于获取最终的情感分类结果。本发明实现了高效的跨领域情感分类，提高了跨领域情感分类精度并减少人工时间精力的消耗。
-
公开(公告)号：CN110795585A
公开(公告)日：2020-02-14
申请号：CN201911099493.8
申请日：2019-11-12
Applicant: 福州大学
Abstract: 本发明涉及一种基于生成对抗网络的零样本图像分类模型，包括生成对抗网络模块，用于获取视觉误差信息；视觉特征提取网络处理模块，用于得到图像一维视觉特征向量；属性语义转换网络模块，用两层的线性激活层将低维的属性语义向量映射到与视觉特征向量维度相同的高维特征向量；视觉-属性语义衔接网络，实现视觉特征向量与属性语义特征向量的融合；得分分类结果和奖励输出模块，采用交叉熵损失对已见过带标签的类别进行分类，而奖励输出是对未见过的无标签数据进行惩罚，以及惩罚无标签数据中见过的类别和未见过的类别最有可能性的预测结果。本发明能够有效的解决图像类别标签缺失问题。
-
公开(公告)号：CN110598792A
公开(公告)日：2019-12-20
申请号：CN201910868563.5
申请日：2019-09-16
Applicant: 福州大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于PGGAN迁移学习的排水管道缺陷检测训练数据生成方法，考虑通过生成对抗网络生成排水管道缺陷检测训练数据，需要大规模的数据集训练，现有的数据集不满足要求。为了能够减少训练集数据量，在现有的数据集上训练生成对抗网络，本发明在渐进式生成对抗网络中引入迁移学习，充分利用已有的数据先进行预训练，再在目标缺陷类数据上进行微调。微调后的模型可以生成质量更好的排水管道缺陷检测训练数据。
-
公开(公告)号：CN110570038A
公开(公告)日：2019-12-13
申请号：CN201910841552.8
申请日：2019-09-06
Applicant: 福州大学
Abstract: 本发明涉及一种不规则带缺陷板材矩形排样方法及装置，包括：步骤S1：获取板材边界多边形、缺陷多边形集合的几何信息，以及获取矩形信息；步骤S2：设置遗传算法参数，并初始化种群；步骤S3：利用HL启发式方法评估个体适应度值，并保存最优个体；其中个体适应度值为板材利用率；步骤S4：判断是否到达最大迭代次数，若是，则输出最优排样结果，并结束；否则进入步骤S5；步骤S5：对种群进行交叉、变异操作，生成新的种群，并返回步骤S3。本发明能够快速得到满足排样约束且利用率较高的排样结果。
-
-
Patent Agency Ranking
公开(公告)号：CN108985349A
公开(公告)日：2018-12-11
申请号：CN201810673021.8
申请日：2018-06-26
Applicant: 福州大学
Abstract: 本发明涉及一种考虑图像集复杂性的石材纹理图像CNN识别方法，首先加载石材图像集；接着将石材图像集的复杂性量化为计算石材图像集的本征维数，使用小波图像去噪方法处理石材图像集中的每张石材图像以降低石材图像集复杂性；然后构建卷积神经网络，并使用去噪后的石材图像训练卷积神经网络；接着使用训练好的卷积神经网络模型识别石材图像；最后依据卷积神经网络模型的输出结果，选择最大的前5个值对应的石材类别，将其按照值从大到小的顺序依次作为前5类最相似石材。本发明将小波图像去噪结合卷积神经网络用以石材纹理图像识别，有效提高了识别的准确率。
-
公开(公告)号：CN119478089A
公开(公告)日：2025-02-18
申请号：CN202411537873.6
申请日：2024-10-31
Applicant: 福州大学
Abstract: 本发明提供一种基于ADM与动态去噪滤波模型的蕾丝纹理图像扩散生成方法，该模型将可学习的高斯模糊层与高通滤波技术结合，高斯模糊层旨在根据输入图像的不同，自适应地调整对图像的模糊力度，减少蕾丝纹理图像中的高频噪声。高通滤波技术则通过增强图像中主体图案的轮廓和边缘等关键区域，进而凸显图像的主要纹理特征。将该模块加入ADM网络的下采样层，改善了原始模型生成的蕾丝纹理图像中存在的过于平滑的现象，并且增强了图像的纹理层次感。
-
公开(公告)号：CN117591694A
公开(公告)日：2024-02-23
申请号：CN202311557591.8
申请日：2023-11-21
Applicant: 福州大学
IPC: G06F16/583 , G06V10/54 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/0895 , G06N3/094
Abstract: 本发明提供一种在多视图自监督乘积量化策略下的织物图像鲁棒检索方法，引入了一个多视图模块，模块中包括使用AutoAugment方法增强的视图、对抗样本视图和图像高频分量视图。AutoAugment方法可以生成更多样的数据变化，使模型能够更好地学习织物纹理的不同特征和结构；织物图像通常具有较高的复杂度和多样性，将对抗样本加入到模型训练中，可以增加更多的噪声和变化，是现有的抵御对抗攻击最好的方式之一；图像高频分量可以使织物图像中的边缘、细节、对比度更加清晰。同时还设计了一个多视图交叉量化对比损失函数，通过比较多个视图来共同学习码字和深度视觉描述符，可以有效提高模型的鲁棒性和泛化性。本发明在取得很好检索性能的同时，还具有较高的对抗鲁棒性。
-
公开(公告)号：CN110598792B
公开(公告)日：2022-10-14
申请号：CN201910868563.5
申请日：2019-09-16
Applicant: 福州大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于PGGAN迁移学习的排水管道缺陷检测训练数据生成方法，考虑通过生成对抗网络生成排水管道缺陷检测训练数据，需要大规模的数据集训练，现有的数据集不满足要求。为了能够减少训练集数据量，在现有的数据集上训练生成对抗网络，本发明在渐进式生成对抗网络中引入迁移学习，充分利用已有的数据先进行预训练，再在目标缺陷类数据上进行微调。微调后的模型可以生成质量更好的排水管道缺陷检测训练数据。
-
公开(公告)号：CN110795585B
公开(公告)日：2022-08-09
申请号：CN201911099493.8
申请日：2019-11-12
Applicant: 福州大学
Abstract: 本发明涉及一种基于生成对抗网络的零样本图像分类模型，包括生成对抗网络模块，用于获取视觉误差信息；视觉特征提取网络处理模块，用于得到图像一维视觉特征向量；属性语义转换网络模块，用两层的线性激活层将低维的属性语义向量映射到与视觉特征向量维度相同的高维特征向量；视觉‑属性语义衔接网络，实现视觉特征向量与属性语义特征向量的融合；得分分类结果和奖励输出模块，采用交叉熵损失对已见过带标签的类别进行分类，而奖励输出是对未见过的无标签数据进行惩罚，以及惩罚无标签数据中见过的类别和未见过的类别最有可能性的预测结果。本发明能够有效的解决图像类别标签缺失问题。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.025 seconds)
