公开(公告)号：CN108876870B

公开(公告)日：2022-12-13

申请号：CN201810538118.8

申请日：2018-05-30

Applicant: 福州大学

Inventor： 钟尚平 ,  徐强 ,  陈开志

IPC: G06T11/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种考虑纹理复杂性的域映射GANs图像着色方法，收集图像，并建立图像训练集；对图像训练集进行预处理，包括：图像深度检测、图像裁剪和图像归一化；通过模型选择、图像集的复杂性计算以及循环一致损失系数选择，利用反向传播和Adam优化算法更新模型网络参数，进行模型训练；输入待着色的图像，采用步骤S3计算待着色图像集的图像集合复杂性，选择与其复杂性相同且已训练的模型，进行图像着色，输出相应的着色图像。本发明提出的方法能根据图像集纹理复杂度，选取大小合适的循环一致损失系数，使得模型能够对不同纹理复杂性的图像进行着色，具有很好的通用性；同时将深度学习引入图像着色领域，为图像着色提供了一种新的思路。

公开(公告)号：CN108876870A

公开(公告)日：2018-11-23

申请号：CN201810538118.8

申请日：2018-05-30

Applicant: 福州大学

Inventor： 钟尚平 ,  徐强 ,  陈开志

IPC: G06T11/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种考虑纹理复杂性的域映射GANs图像着色方法，收集图像，并建立图像训练集；对图像训练集进行预处理，包括：图像深度检测、图像裁剪和图像归一化；通过模型选择、图像集的复杂性计算以及循环一致损失系数选择，利用反向传播和Adam优化算法更新模型网络参数，进行模型训练；输入待着色的图像，采用步骤S3计算待着色图像集的图像集合复杂性，选择与其复杂性相同且已训练的模型，进行图像着色，输出相应的着色图像。本发明提出的方法能根据图像集纹理复杂度，选取大小合适的循环一致损失系数，使得模型能够对不同纹理复杂性的图像进行着色，具有很好的通用性；同时将深度学习引入图像着色领域，为图像着色提供了一种新的思路。

公开(公告)号：CN118505979A

公开(公告)日：2024-08-16

申请号：CN202410726802.4

申请日：2024-06-06

Applicant: 福州大学

Inventor： 徐胜 ,  徐强 ,  石凯 ,  蓝炜晨 ,  高何欢

IPC: G06V10/25 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06V10/52 ,  G06V10/774 ,  G06V10/776 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0985

Abstract: 本发明提供一种基于无跨步卷积和上下文的轻量化小目标检测方法，以YOLOv8s作为基线网络，引入无跨步卷积多重特征融合模块NSC‑MFFM、C‑Cot模块和GhostConv模块对YOLOv8s进行优化：以NSC‑MFFM代替YOLOv8s中的常规卷积；添加一个更浅层的检测分支，并去掉最深层的检测分支，使用C‑Cot模块作为YOLOv8s的检测层；引入GhostConv模块用以减少模型参数数量。其能够在提高小目标检测性能的同时对YOLOv8s进行轻量化改进，以满足端到端的工业部署。