一种在不良光照条件下的车道检测方法

    公开(公告)号:CN114387582B

    公开(公告)日:2024-08-06

    申请号:CN202210039754.2

    申请日:2022-01-13

    Applicant: 福州大学

    Inventor: 杨明静 魏英东

    Abstract: 本发明涉及一种在不良光照条件下的车道检测方法。该方法提高了车道模型在不良光照条件下的适应性。本发明设计了一个图像增强网络,用于计算图像的反射率,并修改图像的曝光度,生成具有一致曝光的图像。这些增强图像再用于车道检测模型的训练。本发明在CULane数据集上进行验证,结果表明它可以提高车道模型的检测性能,特别是在光照有关的数据集上,例如夜晚,阴影和炫光场景。

    基于多级语义信息的车道线检测方法及系统

    公开(公告)号:CN112801021B

    公开(公告)日:2022-07-08

    申请号:CN202110174971.8

    申请日:2021-02-09

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于多级语义信息的车道线检测方法及系统,该方法包括以下步骤:S1、对车道场景图像中的车道线进行分割,提取图像的低级语义信息,输出基于低级语义信息的车道线掩膜图;S2、利用图像的消失点、车道线空间信息和长距离依赖信息,训练结合消失点的车道线语义分割网络,得到图像的高级语义信息,并输出基于高级语义信息的车道线掩模图;S3、将基于高、低级语义信息的车道线掩模图融合,得到基于多级语义信息的车道线分割结果。该方法及系统有利于提高车道线检测的准确性,能够应对复杂行车环境。

    基于合成数据消除无监督车辆再识别偏差的方法及系统

    公开(公告)号:CN112801019A

    公开(公告)日:2021-05-14

    申请号:CN202110174945.5

    申请日:2021-02-09

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于合成数据消除无监督车辆再识别偏差的方法及系统,该方法包括以下步骤:S1、通过保持一致性的生成对抗网络SPGAN将合成数据转化为与目标域具有相似风格的伪目标样本,通过伪目标样本对模型进行预训练;S2、通过预训练好的模型进行无监督域自适应或完全无监督任务;S3、通过预先训练好的方向模型和相机模型计算出图像的方向和相机相似度,进而得到最终的车辆相似度用于测试。该方法及系统有利于提高车辆再识别性能,且适应性强。

    一种多帧图像任意尺度超分辨率重建方法

    公开(公告)号:CN119205504A

    公开(公告)日:2024-12-27

    申请号:CN202411241403.5

    申请日:2024-09-05

    Applicant: 福州大学

    Abstract: 本发明提出一种多帧图像任意尺度超分辨率重建方法,具体包括以下步骤:获取多帧连拍图像;采用仿射变换中的平移变换对获取的多帧连拍图像进行对齐;设定目标超分辨率放大倍数;构建超分辨率网络,所述超分辨率网络包括多帧特征融合网络、多尺度特征提取网络和隐式特征重建网络;将对齐后的的多帧连拍图像送入超分辨率网络,获得高分辨率图像并输出。本发明通过在多帧图像的融合特征中挖掘像素间的隐式特征,从而增加对多帧图像亚像素信息的利用率,提升重建质量,并达到实现任意尺度超分辨率重建的目的。

    基于静息态功能磁共振图像的脑功能连接网络分析方法

    公开(公告)号:CN114255228B

    公开(公告)日:2024-08-09

    申请号:CN202111591506.0

    申请日:2021-12-23

    Applicant: 福州大学

    Inventor: 杨明静 胡光辉

    Abstract: 本发明涉及一种基于静息态功能磁共振图像的脑功能连接网络分析方法,其特征在于,包括以下步骤:步骤S1获取rs‑fMRI图像,并进行预处理;步骤S2:采用三种不同尺度的脑模板对rs‑fMRI图像进行分割,构建三种图G1,G2,G3;步骤S3:根据得到的三种图G1,G2,G3,采用GNN模块来学习图的隐藏特征表示,并得到初步的预测标签L1、L2、L3;投票后获得最终的预测标签;步骤S4:对步骤S3中GNN模块的池化结果进行显著性分析,获取功能网络中差异性显著的大脑区域;步骤S5:将功能网络突出的大脑区域映射至Yeo 7脑功能网络图谱,获取映射后的功能网络连接,即个体差异性功能子网络。本发明利用三种不同尺度的脑模板构造脑网络,并采用集成学习策略,充分融合自多个脑模板的多尺度信息,提高模型性能。

    基于背景灰度化的行人再识别方法及系统

    公开(公告)号:CN112801020A

    公开(公告)日:2021-05-14

    申请号:CN202110174952.5

    申请日:2021-02-09

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于背景灰度化的行人再识别方法及系统,该方法包括:S1、对原始图像进行背景灰度化处理,得到处理后的BGg图像;S2、基于ResNet50的双路网络,一路为背景灰度流BGg‑Stream,对BGg图像进行特征提取,另一路为全局流G‑Stream,对原始图像进行特征提取;S3、通过级联对两路网络进行彼此交互;S4、两路网络在每个阶段所得的特征图,通SCAB模块之后作为BGg‑stream的下一层卷积的输入特征图,使两路网络得以联系,两路特征得以结合;S5、采用三元组损失函数来更新网络参数,并进行相似度计算,最后输出排列序列。该方法及系统有利于弱化背景干扰,提高行人再识别的准确度。

    一种基于加速度传感器摔倒检测方法

    公开(公告)号:CN109035696A

    公开(公告)日:2018-12-18

    申请号:CN201810643391.7

    申请日:2018-06-21

    Applicant: 福州大学

    Inventor: 杨明静 陈翔

    CPC classification number: G08B21/043 G08B21/0446

    Abstract: 本发明涉及一种基于加速度传感器摔倒检测方法。摔倒检测方法包括:使用单一加速度传感器采集数据,通过阈值分析筛选潜在摔倒数据,对数据进行特征提取,并用支持向量机对数据进行摔倒检测。本发明提供的摔倒检测方法,通过两步验证,过滤大部分日常行为数据,降低服务器的计算消耗;该方法根据日常行为与摔倒行为的运动差异,提出七个特征提取方程,从而提升了摔倒检测方法对新类别样本的分类性能。

    一种基于卷积神经网络的相似性动作识别装置及方法

    公开(公告)号:CN108958482A

    公开(公告)日:2018-12-07

    申请号:CN201810690728.X

    申请日:2018-06-28

    Applicant: 福州大学

    Inventor: 杨明静 杨世文

    CPC classification number: G06F3/011 G06N3/0454 G06N3/08

    Abstract: 本发明提供一种基于卷积神经网络的相似性动作识别装置及方法,该装置包括相连接的加速度计模块及移动终端;加速度计模块包括单片机及分别与其连接加速度传感器、蓝牙模块、电源模块;把采集到的数据通过蓝牙传输到安卓客户端模块;安卓客户端模块首先将采集到的数据进行本地存储和实时显示,随后定时将数据文件通过无线网络传至服务器;服务器端模块首先对数据进行存储,然后通过TensorFlow平台下构建的卷积神经网络模型对数据进行训练和分类,最后再将动作识别的结果返回至安卓客户端模块。本发明使用卷积神经网络算法,该算法能够针对不同的应用场景自动提取特征值,无需人工单独对不同的场景设计特征值,且该算法对相似性动作的识别效果较好。

    基于用户行为的桌面屏幕审计方法

    公开(公告)号:CN104700231A

    公开(公告)日:2015-06-10

    申请号:CN201510139757.3

    申请日:2015-03-27

    Applicant: 福州大学

    Inventor: 杨明静

    Abstract: 本发明涉及屏幕涉及技术领域,特别是一种基于用户行为的桌面屏幕审计方法。包括以下步骤:步骤1:审计客户端启动后,会安装钩子,用于捕捉用户的操作行为;并将数据上报给审计服务器;步骤2:审计客户端读取配置;步骤3:用户正常办公时,所述钩子拦截到用户的有效操作,触发截屏,并进行图片压缩;截图模块记录当前是鼠标点击还是键盘输入,并同时记录信息;步骤4:审计客户端上传步骤3的图片和记录的信息;步骤5:审计服务器端接收审计客户端上传的数据,保存图片及图片信息进数据库;步骤结束。本发明实现了一个按需截屏、对截屏数据进行有效归类、提升管理员检索的效率的桌面屏幕录审计。

    一种虚拟桌面与物理桌面共用镜像的智能网络流桌面方法

    公开(公告)号:CN104699570A

    公开(公告)日:2015-06-10

    申请号:CN201510140355.5

    申请日:2015-03-30

    Applicant: 福州大学

    Inventor: 杨明静

    Abstract: 本发明涉及一种虚拟桌面与物理桌面共用镜像的智能网络流桌面方法,包括首先进行智能网络流技术的镜像操作;接着用户开启设备,PXE启动嵌入式OS系统,并获得数据中心服务器的资源状态;根据步骤S2中获得的数据中心服务器的资源状态判断数据中心服务器是否出现故障或是否出现计算资源瓶颈,若是流桌面客户端提示用户是否将设备切换到本地流桌面模式运行,若是,则将用户设备切换到本地流桌面模式运行。本发明可在数据中心服务器出现故障或出现计算资源瓶颈时,用户可重启虚拟桌面或重启终端,智能地把原有用户的虚拟机桌面镜像以网络流模式在本地的客户机上运行,而无需等待后台数据中心完成故障排查与解决。

Patent Agency Ranking