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

Inventor： 江楠峰 ,  李梓瑜 ,  王大寒 ,  陈思 ,  朱顺痣

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：CN117218603A

公开(公告)日：2023-12-12

申请号：CN202311366734.7

申请日：2023-10-20

Applicant: 厦门理工学院

Inventor： 陈思 ,  邱刘翔 ,  王大寒 ,  朱顺痣 ,  吴芸 ,  许华荣

IPC: G06V20/52 ,  G06V10/40 ,  G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  G06F17/16

Abstract: 本发明涉及一种基于高阶结构建模的跨模态行人重识别方法及系统，该方法包括：1）从数据集中成对抽取多个行人的VIS图片和IR图片，形成VIS‑IR图片对训练数据集；2）构建跨模态行人重识别网络模型，跨模态行人重识别网络模型主要包括用于提取图像基本特征的骨干网络、用于提取不同范围尺度特征的短长范围特征提取模块、用于学习图像中高阶结构信息的高阶结构学习模块和用于减少行人在不同模态下差异的共享空间学习模块；通过训练数据集对模型进行训练，得到可泛化的模型参数；3）将训练好的跨模态行人重识别网络模型用于跨模态检索，实现不同模态之间的行人重识别。该方法及系统有利于获得更加稳定、鲁棒、准确的跨模态行人重识别结果。

公开(公告)号：CN115331260A

公开(公告)日：2022-11-11

申请号：CN202210994031.8

申请日：2022-08-18

Applicant: 厦门理工学院

Inventor： 陈思 ,  许博伦 ,  王大寒 ,  朱顺痣 ,  吴芸

IPC: G06V40/10 ,  G06V40/20 ,  G06V10/42 ,  G06V10/44 ,  G06V10/762 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明涉及一种基于全局‑局部图卷积网络的跨域行人重识别方法及系统，该方法包括以下步骤：利用特征提取器提取源域和目标域图像的全局特征；将全局特征进行水平切分得到上半身特征和下半身特征，并使用仿射变换映射得到细粒度更高的局部特征；使用DBSCAN聚类方法对不带有标签的目标域图像生成伪标签，再利用自步学习的策略生成可靠标签；使用图卷积网络将同一张图像的全局特征、上半身特征、下半身特征及细粒度更高的局部特征进行特征融合；将全局特征、细粒度更高的局部特征分别存储于全局特征存储库、局部特征存储库；使用对比学习损失函数训练网络模型，并利用训练好的网络模型对图像进行重识别。该方法及系统有利于提高跨域行人重识别的准确性。

公开(公告)号：CN113569732B

公开(公告)日：2023-06-06

申请号：CN202110853369.7

申请日：2021-07-27

Applicant: 厦门理工学院

Inventor： 陈思 ,  赖心瑜 ,  洪龙福 ,  王大寒 ,  朱顺痣 ,  吴芸

IPC: G06V40/16 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明涉及一种基于并行共享多任务网络的人脸属性识别方法及系统，该方法包括以下步骤：将人脸属性数据集中包含的人脸属性分为部分属性组和整体属性组；构建并行共享多任务网络，其由一个共享子网络以及两个特定任务子网络，即一个部分属性子网络和一个整体属性子网络组成；在每个特定任务子网络中采用注意力机制，以利用共享子网络和特定任务子网络的局部和全局特征之间的相关性；设定损失函数并采用自适应惩罚策略来缓解类别不平衡问题，提高人脸属性识别率；通过人脸属性数据集对并行共享多任务网络进行训练；将待识别的人脸图像输入训练好的并行共享多任务网络模型，实现人脸属性识别。该方法及系统有利于提高人脸属性识别的准确性。

公开(公告)号：CN114092521A

公开(公告)日：2022-02-25

申请号：CN202111425943.5

申请日：2021-11-26

Applicant: 厦门理工学院

Inventor： 陈思 ,  王立波 ,  王大寒 ,  朱顺痣 ,  吴芸

IPC: G06T7/246 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80

Abstract: 本发明涉及一种基于多阶段自适应网络的鲁棒目标跟踪方法及系统，该方法包括以下步骤：S1、构建离线训练数据集；S2、使用元学习的多步梯度下降训练方法对离线训练数据集进行训练，得到元学习模型；S3、构建多阶段自适应网络，包括领域自适应子网、特征自适应子网和位置自适应子网三个不同自适应子网络，S4、将测试视频中仅已知目标位置的第一帧输入到领域自适应子网，对构建的多阶段自适应网络进行初始化训练；S5、将测试视频中第二帧开始的后续帧依次输入到特征自适应子网中，利用多阶段自适应网络对测试视频进行跟踪。该方法及系统有利于获得更加稳定、鲁棒、准确的跟踪结果。

公开(公告)号：CN111967389B

公开(公告)日：2022-02-18

申请号：CN202010829155.1

申请日：2020-08-18

Applicant: 厦门理工学院

Inventor： 陈思 ,  赖心瑜 ,  王大寒 ,  朱顺痣 ,  吴芸

IPC: G06V40/16 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明涉及一种基于深度双路径学习网络的人脸属性识别方法及系统，该方法包括：1）将人脸属性数据集包含的人脸属性分成局部属性组和全局属性组；2）构建双路径学习网络模型，包括不同层数的局部属性子网络和全局属性子网络，用以对局部属性组和全局属性组的学习；3）将数据集中人脸图片输入双路径学习网络模型，获取不同尺度人脸图片，分别以大、小尺度人脸图片作为局部属性、全局属性子网络的输入；4）设计考虑挖掘难分样本和平衡正负样本的自适应损失函数，并使用损失函数训练模型，得到训练好的双路径学习网络模型；5）用训练好的双路径学习网络模型对待识别的人脸图片进行人脸属性识别。该方法及系统有利于提高人脸属性识别的准确性。

公开(公告)号：CN111967389A

公开(公告)日：2020-11-20

申请号：CN202010829155.1

申请日：2020-08-18

Applicant: 厦门理工学院

Inventor： 陈思 ,  赖心瑜 ,  王大寒 ,  朱顺痣 ,  吴芸

IPC: G06K9/00 ,  G06N3/04

Abstract: 本发明涉及一种基于深度双路径学习网络的人脸属性识别方法及系统，该方法包括：1）将人脸属性数据集包含的人脸属性分成局部属性组和全局属性组；2）构建双路径学习网络模型，包括不同层数的局部属性子网络和全局属性子网络，用以对局部属性组和全局属性组的学习；3）将数据集中人脸图片输入双路径学习网络模型，获取不同尺度人脸图片，分别以大、小尺度人脸图片作为局部属性、全局属性子网络的输入；4）设计考虑挖掘难分样本和平衡正负样本的自适应损失函数，并使用损失函数训练模型，得到训练好的双路径学习网络模型；5）用训练好的双路径学习网络模型对待识别的人脸图片进行人脸属性识别。该方法及系统有利于提高人脸属性识别的准确性。

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

Inventor： 陈思 ,  林世豪 ,  王大寒 ,  江楠峰 ,  苏燕飞 ,  肖顺鑫 ,  朱毅 ,  池志鸿

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：CN118968599A

公开(公告)日：2024-11-15

申请号：CN202411154083.X

申请日：2024-08-21

Applicant: 厦门理工学院

Inventor： 陈思 ,  雷鸣轩 ,  王大寒 ,  朱顺痣 ,  苏燕飞 ,  吴嘉骅

IPC: G06V40/16 ,  G06V10/82 ,  G06N3/045 ,  G06V10/774 ,  G06V10/80 ,  G06N3/08 ,  G06N3/048

Abstract: 本发明涉及一种基于掩码属性建模的Transformer人脸属性识别方法及系统，该方法包括以下步骤：1）获取人脸属性识别数据集和人脸属性标签组合；2）构建基于掩码属性建模的人脸属性识别网络模型，其包含动态关系感知编码模块、Transformer编码器、语言编码器、语言解码器多个组件，协同执行FAR任务和MFAM任务；语言编码器获取来自语言模态的人脸属性关系编码；动态关系感知编码模块将语言和视觉模态的信息融合，得到多模态融合特征；Transformer编码器挖掘多模态融合特征之间的长距离依赖，得到注意力感知多模态特征；语言解码器进行MFAM任务；3）将训练好的人脸属性识别网络模型用于人脸属性识别任务。该方法及系统有利于获得更加稳定、鲁棒、准确的人脸属性识别结果。

公开(公告)号：CN116128928A

公开(公告)日：2023-05-16

申请号：CN202310192731.X

申请日：2023-03-02

Applicant: 厦门理工学院

Inventor： 陈思 ,  黄璜 ,  王大寒 ,  朱顺痣 ,  吴芸 ,  周伟

IPC: G06T7/246 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明涉及一种基于跨层特征校准融合的目标跟踪方法及系统，该方法包括：将模板区域图像和搜索区域图像输入共享权重的孪生卷积神经网络；分别采用修改后的resnet50提取模板分支和搜索分支的特征，提取第三个、第四个卷积块的特征；分别使用基于注意力的特征融合模块融合模板分支、搜索分支的第三个和第四个卷积块的特征；模板分支和搜索分支分别使用跨层校准模块通过融合后的特征来校准第四个卷积块的特征；分别对模板分支和搜索分支的第三个卷积块特征、融合后的特征、校准后的特征做深度互相关，得到三个相似性响应图，拼接在一起并降维；将降维后的相似性响应图输入预测头进行分类回归，最后得到目标的位置。该方法及系统有利于提高目标跟踪的性能。