-
公开(公告)号：CN106599901B
公开(公告)日：2019-06-07
申请号：CN201610878504.2
申请日：2016-10-09
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度玻尔兹曼机的协同目标分割与行为识别方法。该方法，首先利用深度玻尔兹曼机从目标行为训练库中学习行为与动作的多层结构特征，接着以底层图像分割为出发点，根据贝叶斯推理，将目标分割看作最大化条件概率，然后在学习得到的高层先验行为指导下，采用目标形状信息作为底层、中层和高层连接的纽带，并建立总的能量函数，最后通过能量极小化完成目标的同时分割与行为识别。本发明利用底层与高层的协同合作可以同时提高目标分割的精度和行为识别的准确性，解决了在低质量环境下由于噪声、遮挡、光照等多种因素影响下分割效果不佳的问题。
-
公开(公告)号：CN106447675A
公开(公告)日：2017-02-22
申请号：CN201610878522.0
申请日：2016-10-09
Applicant: 福州大学
CPC classification number: G06T2207/20056 , G06T2207/30196
Abstract: 本发明涉及一种基于先验形状和循环移位的目标分割方法。该方法，首先将形状用概率的方式定义，建立一个先验目标的形状库并运用主成份分析进行降维，利用核密度估计拟合先验形状分布建立先验形状约束项。然后利用先验形状的循环移位，将目标位移和旋转变换，看作循环卷积运算，通过快速傅里叶变换，提高运算速度。将目标形变与底层灰度特征相结合建立数据约束项。接着将数据约束项和先验形状约束项线性组合建立总的能量函数，最后通过能量极小化完成目标的分割。本发明利用高层先验形状的循环移位辅助底层目标分割，解决了现有目标分割方法中对于目标形状发生形变时分割效果不佳的问题。
-
公开(公告)号：CN105894469A
公开(公告)日：2016-08-24
申请号：CN201610194833.5
申请日：2016-03-31
Applicant: 福州大学
IPC: G06T5/00
CPC classification number: G06T5/002
Abstract: 本发明涉及一种基于外部块自编码学习和内部块聚类的去噪方法，其具体做法是：首先利深度学习中的自动编码模型从外部干净自然图像块中学习块结构特征，并利用这些特征对带噪声图像块进行降维，然后采用由粗至细的策略实现整个图像范围内的块聚类，在每一个类别中构建低秩正则约束，在所有类别中构建全局约束，并建立总的能量函数，最后通过能量极小化完成目标图像的去噪。本发明利用外部自然图像块结构信息辅助待测图像内部块聚类去噪，解决了现有去噪方法中对被高斯白噪声腐蚀的自然图像去噪效果不佳的问题。
-
公开(公告)号：CN114821580B
公开(公告)日：2025-01-07
申请号：CN202210497742.4
申请日：2022-05-09
Applicant: 福州大学
Abstract: 本发明提供了一种分阶段融入去噪模块的含噪图像分割方法，首先将噪声图像输入到主干网络中，经过卷积运算，提取四个阶段的特征图；其次，将第四个阶段所提取到的特征图通过双重注意力机制，得到初步的语义分割结果。在此基础上，利用主干网络不同阶段的特征区别，通过迭代融合多阶段语义特征，形成去噪帮助分割，分割帮助去噪的模式；最后将得到的三个语义分割结果进行结合，形成最终的分割结果，通过混合交叉熵损失进一步优化参数。本发明利用协同去噪和分割来提高噪声图像的语义分割精度，解决了现有的针对带噪图像语义分割方法中去噪环节丢失语义信息，从而影响后续目标类别划分的准确性以及目标轮廓的分割完整度的问题。
-
公开(公告)号：CN118154882A
公开(公告)日：2024-06-07
申请号：CN202410486859.1
申请日：2024-04-22
Applicant: 中国烟草总公司福建省公司 , 福州大学
IPC: G06V10/26 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/096
Abstract: 本发明提出基于迁移学习和骨架融合的烟叶脉络分割方法。通过迁移学习的方法去学习作为源域的视网膜数据集的知识，然后将训练后的迁移模型应用到作为目标域的烟叶数据集任务内；采用的迁移学习模型包括主干网和双分支；在训练阶段，首先通过U‑Net主干网对视网膜图片进行特征提取；其次，采用骨架化分支来辅助监督训练，保留脉络的全局拓扑结构；并且利用方向增强分支对局部细节进行学习；在推理阶段，首先让烟叶图片经过预训练后的迁移模型，得到第一阶段的烟叶脉络粗分割结果，最后通过级联的全局处理模块和局部处理模块对粗分割结果进行纠正。
-
Patent Agency Ranking
公开(公告)号：CN117636332A
公开(公告)日：2024-03-01
申请号：CN202311619506.6
申请日：2023-11-30
Applicant: 中国烟草总公司福建省公司 , 福州大学
Abstract: 本发明涉及一种基于软阈值加权和上下文聚类图卷积的烟叶图像细粒度分类方法，包括：S1、利用添加了FPN网络的Swin‑Transfomer网络对烟叶图像提取多层令牌特征图；S2、利用K‑means聚类算法和高斯函数对令牌特征图进行软阈值加权；S3、叠加多层令牌特征图的注意力分布，使用可学习参数将最后一层令牌特征图划分为主要令牌特征图和次要令牌特征图；S4、聚合主要令牌特征图的上下文信息，融合入原始特征图，再将令牌特征视为节点，根据节点相似性建图；S5、通过图卷积神经网络聚合所有信息得到分类预测结果。该方法有利于提高烟叶图像细粒度分类的精度。
-
公开(公告)号：CN111291411B
公开(公告)日：2022-12-23
申请号：CN202010092004.2
申请日：2020-02-13
Applicant: 福州大学
Abstract: 本发明提出了一种基于卷积神经网络的安全视频异常检测系统及方法，包括以下四方：内容所有者、边缘计算服务器、随机数提供者和授权用户；内容所有者将每个密文视频帧和密文用户访问控制策略分割成两个随机秘密分享，并分别发送给两个边缘计算服务器进行存储；边缘计算服务器用于执行CNN模型的训练，为授权用户提供异常检测，并验证授权用户的访问有效性；随机数提供者分别为两台边缘计算服务器提供具有加性分享性质的随机数；授权用户向边缘计算服务器发送密文请求并接收来自两台边缘计算服务器的密文检测结果。其在确保原始视频中的相关信息隐私安全性的同时，实现了外包视频的安全异常检测，且降低了用户本地计算和通信成本。
-
公开(公告)号：CN113160247B
公开(公告)日：2022-07-05
申请号：CN202110433521.6
申请日：2021-04-22
Applicant: 福州大学
IPC: G06T7/11 , G06T7/246 , G06T5/50 , G06K9/62 , G06V10/774 , G06V10/764 , G06N3/04
Abstract: 本发明提出一种基于频率分离的抗噪孪生网络目标跟踪方法，其特征在于：首先利用卷积神经网络对跟踪目标和后续帧搜索区域图进行特征提取。然后利用Ocatave卷积结构对搜索区域特征图和模板特征图进一步生成高维特征图，在完成互相关操作后将互相关相应图进行融合获得目标位置回归图，利用目标位置回归信息得到物体感知分类结果图，利用相同的方法获得常规分类图，获得最终分类结果图完成目标位置的确定。本发明利用高低频信息交换增强网络的抗噪能力，同时引入一种新的特征融合方法，该特征融合方法可以聚合本地和全局上下文信息，解决了现有目标跟踪方法中对于噪声环境下跟踪效果不佳的问题。
-
-
公开(公告)号：CN113160188A
公开(公告)日：2021-07-23
申请号：CN202110458896.8
申请日：2021-04-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于圆形特征的鲁棒血细胞检测方法。该方法，首先设置模型的相关配置，模型采用YOLO，骨干网络采用抗噪特征提取模块结合Darknet53；通过抗噪特征提取模块实现噪声鲁棒；模型共有三个输出，每个输出的尺度不同，并且分别负责检测不同大小的目标；锚框形状采用圆形；锚框直径通过数据集聚类获得，每个检测头分配3个相应大小的锚框；训练阶段开始后，每张输入图像通过分配器分配正负样本，进行预处理后输入模型，三个检测头得到不同的输出；预先分配好的正负样本根据损失函数分别进行损失计算；最后通过反向传播训练模型；直到模型损失趋于平缓，训练结束，保存参数文件。模型在YOLO的基础上增加了圆形锚框与IOU损失函数，以及抗噪特征提取模块，显著提高了模型对于圆形目标的检测精度和抗噪能力。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.054 seconds)
