-
公开(公告)号：CN111681231A
公开(公告)日：2020-09-18
申请号：CN202010525671.5
申请日：2020-06-10
Applicant: 厦门理工学院
Abstract: 本发明公开了一种基于目标检测的工业焊接图像缺陷的检测方法，包括获取工业焊接图像；依据工业焊接图像中存在的焊接缺陷生成训练样本集；建立焊接缺陷检测模型；依据训练样本集对焊接缺陷检测模型进行深度学习训练；利用深度学习训练后的焊接缺陷检测模型对工业焊接图像进行焊接缺陷检测。该基于目标检测的工业焊接图像缺陷的检测方法目的是解决人工焊接缺陷检测工作的漏检错检、过程繁琐的问题。
-
公开(公告)号：CN106407690B
公开(公告)日：2018-05-04
申请号：CN201610858464.5
申请日：2016-09-28
Applicant: 厦门理工学院
Abstract: 本发明公开了一种基于自动深度置信网络的门诊量预测方法及系统，其通过从医院挂号系统收集每天的门诊量得到历史门诊量数据，对所述历史门诊量数据进行微分变换的预处理得到微分数据，根据所述微分数据自动构建深度置信网络结构，采用聚类算法进行自动创建分组得到不同时间序列的分组数据，然后根据所述分组数据对所述深度置信网络进行训练得到门诊量预测模型，最后调用所述门诊量预测模型对指定时间序列进行门诊量的预测得到预测结果，并对所述预测结果进行所述预处理的逆变换得到预测门诊量，所述深度置信网络具有使用方便、训练简单的优点，并且，能够为医院门诊量预测提供可靠依据，预测误差小，特别适用于长线预测。
-
公开(公告)号：CN119494122B
公开(公告)日：2025-04-25
申请号：CN202510074490.8
申请日：2025-01-17
Applicant: 厦门理工学院
Abstract: 本发明公开了一种基于本地化差分隐私的大模型训练方法、介质及系统，其中方法包括：用户终端设备获取历史数据，并对所述历史数据进行预处理；基于拉格朗日插值法和傅里叶级数法构造固定上下界的噪声分布函数；根据所述噪声分布函数对预处理后的历史数据进行扰动，以生成训练数据；所述用户终端设备将所述训练数据发送给服务器；所述服务器根据所述训练数据进行模型训练，以生成相应的大语言模型。能够有效提高本地化差分隐私机制获取到的数据的质量，进而提升基于该数据训练得到的模型的可用性。
-
公开(公告)号：CN119741236A
公开(公告)日：2025-04-01
申请号：CN202510246464.9
申请日：2025-03-04
Applicant: 厦门理工学院
IPC: G06T5/77 , G06T3/4038 , G06N3/0455 , G06N3/08 , G06T5/70 , G06T5/60 , G06F17/14
Abstract: 本发明提供了一种甲骨文图像修复方法、装置，涉及图像处理技术领域，本方法通过在频率域中混合不同特征生成挑战性新图像，增强模型泛化能力；其包括训练初始修复模型，设计频带混合模块和掩码生成网络，混合甲骨文图像及其修复版本生成新图像，并以此训练和更新模型。该方法能有效提升甲骨文图像修复的质量，保留文字细节，增强模型鲁棒性；旨在解决甲骨文图像数据稀缺导致的模型泛化能力不足问题。
-
公开(公告)号：CN119722498A
公开(公告)日：2025-03-28
申请号：CN202510220613.4
申请日：2025-02-27
Applicant: 厦门理工学院
IPC: G06T5/60 , G06T5/70 , G06T5/73 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/0499 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/048
Abstract: 基于深层特征的医学图像增强方法、装置、设备和介质，涉及图像处理技术领域。其包含步骤S1至步骤S6。S1、获取低分辨率医学图像。S2、将低分辨率医学图像输入作为浅层特征提取模块的初始卷积层，生成初步浅层特征。S3、将初步浅层特征输入第一Mamba模块，获取增强浅层特征。S4、将增强浅层特征输入深特征提取模块，在深特征提取模块中经过重复#imgabs0#次的残差组的处理生成深层特征表示。S5、深层特征表示通过一个卷积层后与初始卷积层输出的增强浅层特征进行跳跃连接。S6、跳跃连接后的特征表示，再经过一个卷积层和第二Mamba模块，然后输入到图像重建模块通过像素重排操作进行上采样，并使用卷积层处理，生成高分辨率医学图像。
-
Patent Agency Ranking
公开(公告)号：CN119494408A
公开(公告)日：2025-02-21
申请号：CN202510066183.5
申请日：2025-01-16
Applicant: 厦门理工学院
IPC: G06N5/04 , G06F21/62 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于差分隐私机制的大模型训练方法、介质和系统，其中方法包括：S101，获取历史数据，并进行预处理，以及对预处理后的历史数据进行分组和标注，以形成训练数据集；S102，初始化大语言模型参数；S103，基于训练数据集进行训练，并计算梯度；S104，进行梯度加噪，以得到加噪梯度，并基于加噪梯度计算对应的综合不公平性指标值；S105，判断综合不公平性指标值是否处于预设取值范围内；S106，如果综合不公平指标值处于预设取值范围内，则判断当前大语言模型是否满足训练要求；如果是，则将当前大语言模型作为最终模型；如果否，则返回步骤S103。能够实现对用户隐私进行有效保护，同时，避免因使用差分隐私机制而导致的不公平现象的产生。
-
公开(公告)号：CN119229220B
公开(公告)日：2025-02-18
申请号：CN202411746649.8
申请日：2024-12-02
Applicant: 厦门理工学院
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06N3/096
Abstract: 本发明提供了基于跨域截断式迁移学习的放大内镜图像病变分类方法，包括获取放大内镜的真实图像、病变类别，构建训练、验证和测试数据集；构建基于跨域截断式迁移学习的放大内镜图像病变分类模型，设置截断点后进行训练，得到训练后的放大内镜图像病变分类模型；利用验证数据集对模型进行评估，根据验证结果调整模型参数，确定最终的模型；利用测试数据集进行测试，将经过测试的放大内镜图像病变分类模型应用于实际的放大内镜图像病变分类任务中。该方法适用于关于放大内镜图片病变类别工作，在模型训练过程中利用分层截断策略以及动态学习率调整机制，提升了模型的分类精度和训练效率，具有较强的实用性和推广价值。
-
公开(公告)号：CN118898847B
公开(公告)日：2025-01-17
申请号：CN202411390566.X
申请日：2024-10-08
Applicant: 厦门理工学院
IPC: G06V30/16 , G06V30/18 , G06V10/82 , G06N3/0464
Abstract: 本发明提出一种基于注意力导向细节修复的文档图像阴影去除方法，包括以下步骤；步骤S1、利用YCbCr颜色空间变换和亮度信息生成阴影注意力图作为标签，以识别阴影区域；步骤S2、通过阴影注意力生成子网络，采用多尺度大核注意力机制，提取阴影特征，获得最优注意力图；步骤S3、对所述最优注意力图和阴影特征进行动态融合；步骤S4、通过细节细化子网络，采用轻量级空间通道卷积计算并恢复图像细节；步骤S5、基于损失函数，通过端到端训练优化网络参数；步骤S6、使用训练完成的网络对文档图像进行阴影去除处理。旨在有效去除文档图像中的复杂阴影，同时保留图像细节，并以较低的计算复杂度实现。
-
公开(公告)号：CN119251852A
公开(公告)日：2025-01-03
申请号：CN202411774132.X
申请日：2024-12-05
Applicant: 厦门理工学院
Abstract: 一种基于多模态大模型的甲骨文字图像识别方法、装置、设备和介质，涉及计算机视觉技术领域。其中，这种甲骨文字图像识别方法首先，从OBIMD数据集提取甲骨文单字图像，并从镜原甲骨平台检索基础信息，形成单字数据集。接着，利用大语言模型生成包含文字释义等信息的第一对话数据集，并对Qwen2VL模型进行微调，得到初始识别模型。然后，通过位置信息对话数据集进行第二微调，获得定位顺序识别模型，该模型能识别字符并完成定位标注。进一步，生成现代汉语翻译对话数据集，并对模型进行第三微调，得到语义识别模型，能组合字符成句并翻译。最后，输入待识别甲骨图像，模型根据图像是单字或多字，分别输出字符标识、释义或组合句子并翻译成现代汉语。
-
公开(公告)号：CN119228940A
公开(公告)日：2024-12-31
申请号：CN202411774131.5
申请日：2024-12-05
Applicant: 厦门理工学院
IPC: G06T11/00 , G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/084
Abstract: 本发明提供了一种基于病理信息引导的扩散模型放大内镜图像生成方法，包括获取放大内镜的真实图像、Mask图像和病理信息文本提示，构建训练、测试数据集；构建基于病理信息引导的放大内镜图像生成模型通过训练数据集进行训练，得到训练好的放大内镜图像生成模型；利用测试数据集进行测试，评估其在未知数据上的性能，评估合格的即为最终得到的放大内镜图像生成模型；将最终得到的放大内镜图像生成模型应用于放大内镜图像生成工作，获取模型生成的放大内镜图像。该方法适用于关于放大内镜图片生成工作，利用病理信息和背景Mask图片引导的方式来精准生成不同病理的放大内镜图片，有效的解决了关于放大内镜图片下游分割和分类任务的数据不平衡问题。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.036 seconds)
