-
公开(公告)号：CN119359547B
公开(公告)日：2025-05-02
申请号：CN202411936474.7
申请日：2024-12-26
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/0464 , G06N3/0495 , G06T3/4046
Abstract: 本发明设计图像处理技术领域，公开了一种基于特征蒸馏和层间信息交互的轻量级图像超分辨率方法，包括以下步骤：构建动态非对称蒸馏模块和层间全维信息交互模块；基于动态非对称蒸馏模块和层间全维信息交互模块构建轻量级图像超分辨率网络；利用所述轻量级图像超分辨率网络实现图像超分辨率；其中，所述轻量级图像超分辨率网络利用卷积层对输入的低分辨率图像进行浅层特征提取，利用动态非对称蒸馏模块和层间全维信息交互模块对浅层特征进行深层特征提取，利用卷积层和上采样对深层特征进行图像重建，得到高分辨率图像。本发明以更轻量、更有效的方式提取关键特征，从而实现在提升重建效果的同时，最小化计算开销和参数量。
-
公开(公告)号：CN117294894A
公开(公告)日：2023-12-26
申请号：CN202311150398.2
申请日：2023-09-07
Applicant: 华侨大学
Abstract: 本发明提供一种视频目标编辑方法、终端设备及存储介质，方法包括：获取视频信息、目标编辑操作、目标编号和视频目标参数；使用视频实例分割算法对视频中的帧图像进行目标分割，得到目标的像素级信息；输出对应操作和编号的相应图片列表，根据目标编辑操作，输出原帧列表、目标二值掩码列表、平移目标帧列表、平移目标二值掩码列表、缩放目标帧列表或缩放目标二值掩码列表；使用视频图像修复算法对视频画面进行修复，根据目标编辑操作，输出删除修复视频、平移修复视频列表或缩放修复视频。本发明能够更方便、高效及精确地实现视频目标编辑。
-
公开(公告)号：CN118799923B
公开(公告)日：2024-12-24
申请号：CN202411282680.0
申请日：2024-09-13
Applicant: 华侨大学
Abstract: 本发明公开了一种基于掩膜引导双流网络的行人重识别方法及装置，涉及图像识别领域，构建行人重识别模型、第一教师模型和第二教师模型，行人重识别模型包括轮廓单元和暴露单元，将轮廓空间注意力模块作为第一学生模型并与第一教师模型进行蒸馏学习，构造轮廓流中由掩码引导的注意力损失；将暴露空间注意力模块作为第二学生模型并与第二教师模型进行蒸馏学习，构造暴露流中由掩码引导的注意力损失；构造面部信息损失和REID损失；根据轮廓流中由掩码引导的注意力损失、暴露流中由掩码引导的注意力损失、面部信息损失和REID损失构造总损失函数并对行人重识别模型进行训练，得到经训练的行人重识别模型以进行行人重识别，解决背景和衣服因素的干扰问题。
-
公开(公告)号：CN118799923A
公开(公告)日：2024-10-18
申请号：CN202411282680.0
申请日：2024-09-13
Applicant: 华侨大学
Abstract: 本发明公开了一种基于掩膜引导双流网络的行人重识别方法及装置，涉及图像识别领域，构建行人重识别模型、第一教师模型和第二教师模型，行人重识别模型包括轮廓单元和暴露单元，将轮廓空间注意力模块作为第一学生模型并与第一教师模型进行蒸馏学习，构造轮廓流中由掩码引导的注意力损失；将暴露空间注意力模块作为第二学生模型并与第二教师模型进行蒸馏学习，构造暴露流中由掩码引导的注意力损失；构造面部信息损失和REID损失；根据轮廓流中由掩码引导的注意力损失、暴露流中由掩码引导的注意力损失、面部信息损失和REID损失构造总损失函数并对行人重识别模型进行训练，得到经训练的行人重识别模型以进行行人重识别，解决背景和衣服因素的干扰问题。
-
公开(公告)号：CN117237197A
公开(公告)日：2023-12-15
申请号：CN202311475296.8
申请日：2023-11-08
Applicant: 华侨大学
IPC: G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/80
Abstract: 本发明公开了一种基于交叉注意力机制与Swin‑Transformer的图像超分辨率方法及装置，涉及图像重建领域，该方法包括：获取待重建的低分辨率图像及其对应的梯度图；构建基于交叉注意力机制与Swin‑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；将待重建的低分辨率图像输入经训练的图像超分辨率模型，经训练的图像超分辨率模型包括SR分支和梯度分支，SR分支和梯度分支中分别采用浅层特征提取模块提取低分辨率图像及其对应的梯度图的浅层特征，通过全局深层特征提取模块将浅层特征进行融合，得到深层特征，并输入图像重建模块，重建得到高分辨率图像，解决原有经典图像超分辨率模型难以提取全局特征的问题，以提高重建图像的清晰度。
-
Patent Agency Ranking
公开(公告)号：CN116778446A
公开(公告)日：2023-09-19
申请号：CN202310761995.2
申请日：2023-06-26
Applicant: 华侨大学
IPC: G06V20/56 , G06N3/0464 , G06V10/82 , G06N3/048 , G06V10/22 , G06V10/764 , G06V10/26 , G06V10/74 , G06N3/08
Abstract: 本发明公开了一种车道线快速检测方法、装置及可读介质，获取路况图像；构建基于编码器‑解码器的神经网络并训练，得到车道线检测模型，基于编码器‑解码器的神经网络包括主干分支和辅助分支，主干分支包括依次连接的编码器网络、CBAM注意力机制模块和解码器网络，编码器网络中包括改进的残差结构，改进的残差结构包括第一卷积层以及分别与第一卷积层连接的第一分支和第二分支，第一分支包括第二卷积层，第二分支包括依次连接的第三卷积层和第四卷积层，第一分支、第二分支与第一卷积层的输入通过加法器相连，辅助分支为实例分割网络，并仅在训练过程中使用；将路况图像输入车道线检测模型，检测得到车道线图像，提高车道线检测的准确率和检测速度。
-
公开(公告)号：CN114885172A
公开(公告)日：2022-08-09
申请号：CN202210389982.2
申请日：2022-04-14
Applicant: 华侨大学
IPC: H04N19/182 , H04N19/593 , H04N19/96
Abstract: 本发明提供的一种针对H.266/VVC帧内预测编码的快速编码单元划分方法，根据纹理描述符对当前编码CU的纹理复杂度进行判别，若为平坦区域，则终止当前CU的划分，将尺寸为64×64的CU块采取四叉树划分，得到尺寸为32×32的CU块，计算水平、垂直活动度，若水平、垂直活动度之差小于设定阈值，则采取VTM默认方式，若水平活动度大于垂直活动度，则计算四叉树划分、水平二叉树划分和水平三叉树划分的纹理活动度，若垂直活动度大于水平活动度，计算四叉树划分、垂直二叉树划分和垂直三叉树划分的纹理活动度，并对纹理活动度大小进行判别，选择对应划分方式，否则采取VTM默认方式；本发明方法能提前终止平坦的CU块划分，跳过大量的代价计算，简单有效地节省编码时间。
-
公开(公告)号：CN119648117A
公开(公告)日：2025-03-18
申请号：CN202510169101.X
申请日：2025-02-17
Applicant: 华侨大学
IPC: G06Q10/0875 , G06K17/00 , G06K7/10 , G06N3/0464 , G06T7/00 , G06T7/90
Abstract: 本发明公开了一种基于机器视觉的石材版面智能仓储管理方法及系统，涉及图像处理技术领域，方法包括：通过机器视觉检测石材版面的瑕疵并计算异常得分，进行异常排序与评级，获得每个石材版面的瑕疵评级；将RGB图像归一化为正则RGB，并进行伽玛矫正线性化转换至CIELAB颜色空间，计算石材版面的均色LAB；基于瑕疵评级和均色LAB信息录入RFID标签，并据此分类入库；接收用户对石材版面数量、瑕疵评级和均色的要求，筛选出最相似的石材版面反馈给用户；用户可选择接受或拒绝，若拒绝则重新筛选。本申请通过机器视觉检测石材版面的瑕疵和色差，结合RFID标签实现自动化入库、分类管理和精准出库，提高了仓储效率和管理精度。
-
公开(公告)号：CN119444804A
公开(公告)日：2025-02-14
申请号：CN202510037837.1
申请日：2025-01-10
Applicant: 华侨大学
Abstract: 本发明涉及图像处理技术领域，提出了一种基于动态自适应和强化特征的多目标跟踪分割方法及系统，方法包括前处理步骤、外观代价计算步骤、预匹配步骤、运动代价计算步骤、正式匹配步骤、后处理步骤、重复步骤和可视化步骤。该方法通过具有动态自适应的数据关联对目标特征进行细化整合，以及利用基于掩码的注意力机制和基于四三角形变的掩码预测分别强化目标外观特征和运动信息，以能够在保持高跟踪精度的同时，实现快速运算和低成本运行，适用于更广泛的应用场景。
-
公开(公告)号：CN117196960B
公开(公告)日：2024-03-01
申请号：CN202311475299.1
申请日：2023-11-08
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/80
Abstract: 本发明公开了一种全尺度特征细化轻量级图像超分辨率方法及装置，涉及图像处理领域，该方法包括：构建全尺度特征细化轻量级图像超分辨率模型并训练，得到经训练的全尺度特征细化轻量级图像超分辨率模型，将低分辨率图像输入经训练的全尺度特征细化轻量级图像超分辨率模型，先经过第一卷积层得到第一特征图，第一特征图经过串联的K个特征蒸馏提取模块，每一个特征蒸馏提取模块的输出均传送至第二卷积层，并经过第三卷积层，得到第二特征图，第二特征图与第一特征图相加，得到最终特征图，最终特征图输入上采样模块，重建得到高分辨率图
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.019 seconds)
