-
公开(公告)号：CN118898847A
公开(公告)日：2024-11-05
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：CN117372701B
公开(公告)日：2024-03-12
申请号：CN202311667809.5
申请日：2023-12-07
Applicant: 厦门瑞为信息技术有限公司 , 厦门理工学院
IPC: G06V10/26 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开基于Transformer的交互式图像分割方法，选取想要标注的图像，载入到交互式图像分割标注软件中；选择分割目标，根据用户点击行为生成点击记录，在对应位置生成点击标记；确认交互完成后，根据点击记录将其转换为圆盘图，作为相对应的正负点击指导再和原始掩码拼接，在与原图相加后作为分割模型输入；利用预训练分割模型对图像中的指定目标进行分割，返回初始的分割掩码；根据初始的分割掩码结果，选择添加合适的正负点击对错误区域进行再次标记；将新的标记再次送入分割模型，并返回修正后的结果。如此往复，对分割结果进行细化，以得到满意的结果。本发明能提高交互式图像分割标注性能，以更少的交互次数得到更好的分割结果。
-
公开(公告)号：CN119360007B
公开(公告)日：2025-03-18
申请号：CN202411924702.9
申请日：2024-12-25
Applicant: 厦门理工学院
IPC: G06V10/25 , G06V10/44 , G06V10/74 , G06V10/764 , G06V10/774 , G06V20/70
Abstract: 本发明涉及一种基于自适应高斯学习标签分配的微小目标检测方法，包括：1）获取训练数据集和训练集标注文件；2）构建微小目标检测网络模型，包括基准检测器、自适应加权高斯度量模块和动态循环标签分配模块；通过基准检测器提取分类特征图和定位特征图分别用于分类和定位任务；对于定位特征图，利用自适应加权高斯度量模块获得真实框和特征点对应的高斯分布并度量相似度；在标签分配过程中，利用动态循环标签分配模块动态设置正负样本筛选的阈值；3）将微小目标检测网络模型用于检测目标。该方法及系统可以为候选先验提供与真实框更准确的相似度分数，并在标签分配过程中动态为真实框分配适当的正样本，从而提高微小目标检测的准确性。
-
公开(公告)号：CN117475155A
公开(公告)日：2024-01-30
申请号：CN202311797890.9
申请日：2023-12-26
Applicant: 厦门瑞为信息技术有限公司 , 厦门理工学院
IPC: G06V10/26 , G06V20/13 , G06V20/17 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0895
Abstract: 本发明公开基于半监督学习的轻量级遥感图像分割方法，包括S1、收集原始图像数据集，标注部分数据集以得到部分标注的训练数据集；S2、构建两个完全一致的语义分割模型；S3、将无标签数据同时输入两个语义分割模型，计算输出的一致性损失；S4、将有标签数据同时输入两个语义分割模型，计算交叉熵损失和骰子损失的混合损失作为有监督损失；S5、总损失为一致性损失和两个模型的混合损失三者按权重相加；S6、对总体损失进行优化和反向梯度传播，更新网络参数；S7、在同一测试集分别测试训练好的两个模型，选择其中精度较高的一个模型作为最终模型。本发明可提高遥感图像分割的效率，在较低的参数量和计算复杂度下实现了更高的精度。
-
公开(公告)号：CN117372701A
公开(公告)日：2024-01-09
申请号：CN202311667809.5
申请日：2023-12-07
Applicant: 厦门瑞为信息技术有限公司 , 厦门理工学院
IPC: G06V10/26 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开基于Transformer的交互式图像分割方法，选取想要标注的图像，载入到交互式图像分割标注软件中；选择分割目标，根据用户点击行为生成点击记录，在对应位置生成点击标记；确认交互完成后，根据点击记录将其转换为圆盘图，作为相对应的正负点击指导再和原始掩码拼接，在与原图相加后作为分割模型输入；利用预训练分割模型对图像中的指定目标进行分割，返回初始的分割掩码；根据初始的分割掩码结果，选择添加合适的正负点击对错误区域进行再次标记；将新的标记再次送入分割模型，并返回修正后的结果。如此往复，对分割结果进行细化，以得到满意的结果。本发明能提高交互式图像分割标注性能，以更少的交互次数得到更好的分割结果。
-
Patent Agency Ranking
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。
-
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：CN117475155B
公开(公告)日：2024-04-02
申请号：CN202311797890.9
申请日：2023-12-26
Applicant: 厦门瑞为信息技术有限公司 , 厦门理工学院
IPC: G06V10/26 , G06V20/13 , G06V20/17 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0895
Abstract: 本发明公开基于半监督学习的轻量级遥感图像分割方法，包括S1、收集原始图像数据集，标注部分数据集以得到部分标注的训练数据集；S2、构建两个完全一致的语义分割模型；S3、将无标签数据同时输入两个语义分割模型，计算输出的一致性损失；S4、将有标签数据同时输入两个语义分割模型，计算交叉熵损失和骰子损失的混合损失作为有监督损失；S5、总损失为一致性损失和两个模型的混合损失三者按权重相加；S6、对总体损失进行优化和反向梯度传播，更新网络参数；S7、在同一测试集分别测试训练好的两个模型，选择其中精度较高的一个模型作为最终模型。本发明可提高遥感图像分割的效率，在较低的参数量和计算复杂度下实现了更高的精度。
-
公开(公告)号：CN117409421A
公开(公告)日：2024-01-16
申请号：CN202311479798.8
申请日：2023-11-08
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于字符联合学习的手写数学公式识别方法。提出一种利用字符关系学习的识别方式，设计了一种概率分布策略来捕捉符号之间的关系，并且设计了关系学习的辅助模块，该模块从粗到细进一步细化每个符号的类别。通过这种策略，本发明发明可以更好地表示公式序列中的语义关系和上下文信息，避免歧义。在手写数学公式识别任务上达到了很高的性能，并且可以很好地推广到复杂和较长的公式中。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.014 seconds)
