-
公开(公告)号：CN117475519A
公开(公告)日：2024-01-30
申请号：CN202311797195.2
申请日：2023-12-26
Applicant: 厦门理工学院 , 厦门瑞为信息技术有限公司
Abstract: 本发明公开了基于孪生网络与多重通道融合的脱机笔迹鉴别方法，将两张输入的笔迹图片进行取反操作，获取其反灰度图片，包括参考图片、测试图片、参考图片的反灰度图片、测试图片的反灰度图片四张笔迹图片；将四张笔迹图片分别进入同一个网络模型提取图像特征向量 ，生成相应的四个特征向量；特征向量经过两次双重笔迹注意力，进行权重加权处理，得到特征向量Y；将四张笔迹图片经过图像处理的128维图片进行融合，融合有512维图片；将融合后的图片经过自注意力与卷积操作，进行判断；将输出的特征向量进行sigmoid操作，将其作为置信度用来判断两张输入图片是否为同一个人书写。
-
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。
-
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：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。
-
Patent Agency Ranking
公开(公告)号：CN117475519B
公开(公告)日：2024-03-12
申请号：CN202311797195.2
申请日：2023-12-26
Applicant: 厦门理工学院 , 厦门瑞为信息技术有限公司
Abstract: 本发明公开了基于孪生网络与多重通道融合的脱机笔迹鉴别方法，将两张输入的笔迹图片进行取反操作，获取其反灰度图片，包括参考图片、测试图片、参考图片的反灰度图片、测试图片的反灰度图片四张笔迹图片；将四张笔迹图片分别进入同一个网络模型提取图像特征向量#imgabs0#，生成相应的四个特征向量；特征向量#imgabs1#经过两次双重笔迹注意力，进行权重加权处理，得到特征向量Y；将四张笔迹图片经过图像处理的128维图片进行融合，融合有512维图片；将融合后的图片经过自注意力与卷积操作，进行判断；将输出的特征向量进行sigmoid操作，将其作为置信度用来判断两张输入图片是否为同一个人书写。
-
公开(公告)号：CN118864286A
公开(公告)日：2024-10-29
申请号：CN202411312130.9
申请日：2024-09-20
Applicant: 厦门瑞为信息技术有限公司
IPC: G06T5/60
Abstract: 本发明公开了一种暗光图像增强方法、装置以及设备，其包括：获取输入对图像作为训练样本，所述输入对图像包括亮光图像以及对应的暗光图像；将所述输入对图像输入包括暗光图像分解网络、图像生成器以及语义判别器所构建的模型中并基于预设损失函数进行训练，得到暗光增强模型；将待增强暗光图像输入训练完成的所述暗光增强模型，得到增强结果图像。能够有效地提升增强后的感知能力，同时保留并恢复原暗光图像的语义信息，使得增强后的图像更加清晰、自然，极大地改善了图像的视觉质量。
-
公开(公告)号：CN118781036A
公开(公告)日：2024-10-15
申请号：CN202411239964.1
申请日：2024-09-05
Applicant: 厦门瑞为信息技术有限公司
Abstract: 本发明公开了一种基于跨尺度嵌入及小波变换的暗光图像增强方法，使用深度学习模型增强图像数据，模型包括编码器及解码器，编码器包括跨尺度嵌入模块、变换器模块及下采样模块，解码器包括变换器模块及上采样模块，变换器模块包含显示高低频信息的分离和融合模块及带小波变换的注意力机制。带有噪声的暗光图像依次经过编码器和解码器，编码器首先利用跨尺度嵌入模块提取不同尺度的信息；随后，通过变换器模块和下采样模块来逐步降低图像的空间维度，同时保留关键的特征信息；解码器的任务是从编码器提供的压缩特征表示中重建图像，利用变换器模块和上采样模块来逐步增加图像的空间维度，同时细化图像的细节和质量，最终得到清晰的输出图像。
-
公开(公告)号：CN118587779B
公开(公告)日：2024-10-11
申请号：CN202411060218.6
申请日：2024-08-05
Applicant: 厦门瑞为信息技术有限公司
IPC: G06V40/40 , G06V40/16 , G06V10/764 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种结合掩码卷积和负样本特征序列的活体检测方法，利用深度神经网络结构，通过编码器、可学习的掩码卷积模块和带负样本特征序列的分类器三个模块相互配合，实现对图像中的真假人脸进行准确区分。编码器模块用于提取输入图像的特征表示；可学习的掩码卷积模块利用卷积、池化、全连接层等操作及高斯函数获得可优化的掩码，该掩码与卷积相乘后能够对不同位置的像素赋予不同的权重，自适应地捕捉图像中的细节信息并抑制图像中的噪声和干扰使得纹理特征更加明显，增强所学纹理特征的辨别性，从而提高特征的表达能力、判别性以及抗干扰能力。此外，带负样本特征序列的分类器的使用使得算法能够学习到更加鲁棒的特征空间。
-
公开(公告)号：CN118675216A
公开(公告)日：2024-09-20
申请号：CN202411171785.9
申请日：2024-08-26
Applicant: 厦门瑞为信息技术有限公司
IPC: G06V40/16 , G06V40/40 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/80
Abstract: 本发明公开了一种基于Transformer的人脸活体检测方法，其包括：获取原始人脸图片，并对所述原始人脸图片进行人脸检测和特征点定位，得到人脸特征点信息，并根据所述特征点信息构造对应不同人脸目标位置的多张训练图像；将所述训练图像输入包括Transformer主干网络、多任务分支模块以及FC，所述训练图像包括人脸图像、人眼位置图像、鼻子位置图像、嘴巴位置图像以及耳朵位置图像分类模块所构建的模型中并基于预设损失函数进行训练，得到活体检测模型；通过单目摄像头采集待检测人脸图像并输入至所述活体检测模型中，得到识别结果，根据识别结果判断所述待检测人脸图像是否是活体。能够有效区分真实人脸与各种高仿真度的假体攻击，提升活体检测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.044 seconds)
