-
公开(公告)号：CN118890582A
公开(公告)日：2024-11-01
申请号：CN202410910205.7
申请日：2024-07-08
Applicant: 福州大学
IPC: H04R3/00
Abstract: 本发明提供一种基于虚拟阵列的两阶段主瓣宽度可变波束形成方法，以差分麦克风阵列作为基本单元，由多个差分麦克风阵列组成更大阵列的平面差分波束形成器；波束形成分为两个阶段：首先差分麦克风阵列单元使用MMSE波束形成方法进行基本的差分波束形成，并采用基于Dolph‑Chebyshev多项式的形式的目标方向性图案，使主瓣宽度和旁瓣级可控；再通过组合多个差分麦克风阵列单元的输出进一步提升波束形成的性能；将多个差分麦克风阵列单元进行线性组合并视为虚拟的平面阵列，则全局阵列的导向向量视为差分麦克风阵列单元的导向向量与虚拟阵列导向向量的克罗内克积，全局波束形成器采用基本差分波束形成器和对应于虚拟阵列的波束形成器的克罗内克积。
-
公开(公告)号：CN115019379A
公开(公告)日：2022-09-06
申请号：CN202210609257.1
申请日：2022-05-31
Applicant: 福州大学
Abstract: 本发明提出一种人机协同的红外睑板腺图像量化分析方法，包括以下步骤；步骤S1、对图像进行睑板腺腺体的语义分割，转化为二值化的腺体图像；步骤S2、识别二值化腺体图像中的单个腺体；步骤S3、自动获取腺体区域的中心线；步骤S4、基于中心线来自动计算单个腺体的长度；步骤S5、基于中心线来自动计算单个腺体的直径；步骤S6、根据上述步骤所得结果，自动计算单个腺体区域的面积；步骤S7、根据上述步骤所得结果，自动计算单个腺体区域的形变系数；步骤S8、根据上述步骤所得结果，自动计算腺体区域的显影值；步骤S9、计算图像中央区域的腺体区域所占百分比；本发明可高效而精准地识别腺体，实现睑板腺腺体主要生物参数的自动计算。
-
公开(公告)号：CN114037899B
公开(公告)日：2024-09-06
申请号：CN202111453939.X
申请日：2021-12-01
Applicant: 福州大学
IPC: G06V20/10 , G06V10/764 , G06V10/77
Abstract: 本发明涉及一种基于VIT的面向高光谱遥感图像分类径向累加位置编码系统，包括：数据提取预处理模块，用于从数据集中截取数据，通过PCA主成分分析预处理，并将处理后的数据输入到模型框架中；位置编码模块，将输入的数据从中心点往四周叠加，使每个点的数据附带位置信息；数据拆分模块，将数据划分成多个块状区域，并分别拉伸成一维向量，输入到ViT模型中；主体模型模块，包含一个ViT模型，用于处理输入的数据，输出分类结果。本发明使输入到ViT的数据得以附加更加有效的空间信息，从而提升像素级分类精度。
-
公开(公告)号：CN118212197A
公开(公告)日：2024-06-18
申请号：CN202410310661.8
申请日：2024-03-19
Applicant: 福州大学
Abstract: 本发明提出一种用于深度学习微动脉瘤检测的高斯建模标签分配方法，所述方法首先利用特征感受野具有遵循高斯分布的特点，通过对理论感受野大小的转换，获取检测目标的有效感受野，来自动生成合适的样本锚框；然后，针对于微动脉瘤目标微小的特点，使用了相似度分数计算方式，即归一化Wasserstein距离，来直接衡量样本锚框和标签样本之间的相似性，并通过分层标签分配算法对样本锚框进行标签分配；本发明能够避免微动脉瘤的微小特征对样本标签分配结果的干扰，更准确地为样本锚框分配标签，提升眼底图像中微动脉瘤的正样本质量，有效实现微小目标的平衡学习，提高微动脉瘤的检测精度。
-
公开(公告)号：CN118096718A
公开(公告)日：2024-05-28
申请号：CN202410345619.X
申请日：2024-03-25
Applicant: 福州大学
Abstract: 本发明提供一种面向红外睑板腺图像的不确定性估计涂鸦监督分割方法，以学生教师模型为基础，设计了伪标签生成与不确定性估计两大组成模块。其中，学生模型利用涂鸦标签对模型预测进行监督、引导，考虑到由涂鸦监督所带来的监督信息不足的问题，引入了伪标签生成模块进行模型预测集成融合来充实模型信息。鉴于伪标签中包含较多的噪声，直接使用伪标签将损害模型性能，设计了不确定性估计模块，有效的过滤伪标签中的噪声与错误。不确定性估计模块中过滤掉的信息可能也包含着一些有用的隐式信息，因此引入教师模型来充分利用此类信息；有效解决了使用传统精细标签所带来的高成本问题。
-
Patent Agency Ranking
公开(公告)号：CN116363118A
公开(公告)日：2023-06-30
申请号：CN202310414902.9
申请日：2023-04-18
Applicant: 福州大学
IPC: G06T7/00 , G06T7/10 , G06V10/764 , G06V10/774 , G06V10/82 , G06T5/40 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了基于伪标签与深度特征交叉引导的睑板腺体图像分割方法，包括以下步骤：步骤S1：数据集处理；即对睑板腺体图像数据集进行划分和预处理，该数据集包含有标签数据和无标签数据；步骤S2：伪标签交叉引导；步骤S3：深度特征交叉引导；在分割网络的编码器深层设置一个辅助分支模块，对模型编码器深层的输出进行降维；编码器的浅层卷积进行监督约束，使两个模型的编码器部分进行深度特征交叉引导；应用本技术方案能够训练网络关注图像的边缘信息和语义信息，获取更为全面的特征描述，减少模型对标注数据量的依赖，最终获得更好的分割结果。
-
公开(公告)号：CN108549872B
公开(公告)日：2022-03-22
申请号：CN201810342794.8
申请日：2018-04-17
Applicant: 福州大学
Abstract: 本发明涉及一种适用于重定向图像质量评估的视觉注意融合方法，包括以下步骤：1、读取原始图像，使用两种显著物体检测算法生成两种显著性图；2、使用均衡化操作减小两种显著性图的分布差异，生成两幅均衡化显著性图；3、使用对应点的显著性值相加求平均的方法融合两幅均衡化显著性图，经归一化操作生成融合显著性图；4、检测原始图像中的人脸和线条信息；5、在约束放大极值的条件下，自适应地放大融合显著性图中的人脸矩形框和线条区域的显著性值，生成包含人脸和线条信息的融合显著性图；6、使用显著性增强模型增加融合显著性图的对比度，经归一化操作生成视觉注意融合显著性图。该方法能够提高客观质量评估结果与主观感知的一致性。
-
公开(公告)号：CN116363118B
公开(公告)日：2025-05-09
申请号：CN202310414902.9
申请日：2023-04-18
Applicant: 福州大学
IPC: G06T7/00 , G06T7/10 , G06V10/764 , G06V10/774 , G06V10/82 , G06T5/40 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了基于伪标签与深度特征交叉引导的睑板腺体图像分割方法，包括以下步骤：步骤S1：数据集处理；即对睑板腺体图像数据集进行划分和预处理，该数据集包含有标签数据和无标签数据；步骤S2：伪标签交叉引导；步骤S3：深度特征交叉引导；在分割网络的编码器深层设置一个辅助分支模块，对模型编码器深层的输出进行降维；编码器的浅层卷积进行监督约束，使两个模型的编码器部分进行深度特征交叉引导；应用本技术方案能够训练网络关注图像的边缘信息和语义信息，获取更为全面的特征描述，减少模型对标注数据量的依赖，最终获得更好的分割结果。
-
公开(公告)号：CN119379655A
公开(公告)日：2025-01-28
申请号：CN202411527213.X
申请日：2024-10-30
Applicant: 福州大学
IPC: G06T7/00 , G06N3/0455 , G06N3/0464 , G06V10/44 , G06N3/048 , G06N3/047 , G06T7/10 , G06T7/12 , G06T7/136 , G06T7/11
Abstract: 本发明提出一种基于涂鸦模拟的交互式红外睑板腺图像分割方法；该方法设计了一种新型的多任务网络架构，接收多种交互信息（点击和涂鸦）作为输入，实现腺体分割，并预测其假阳性和假阴性区域用于指导模型进行涂鸦模拟。该方法采用二阶段网络训练策略，结合不确定性区域简化掩码以提高错误区域预测的准确性。对于每轮用户交互，该方法分两个阶段执行预测。第一阶段，网络基于用户点击输出粗略分割掩码及对应的假阳性和假阴性预测区域；第二阶段，模型基于这两个错误区域根据伪涂鸦生成策略模拟涂鸦以细化第一阶段输出的粗略分割掩码。对比现有方法，本方法能同时兼顾涂鸦的高效性和用户交互的简便性，进一步降低用户劳动成本。
-
公开(公告)号：CN118710905A
公开(公告)日：2024-09-27
申请号：CN202410841491.6
申请日：2024-06-27
Applicant: 福州大学
Abstract: 本发明涉及双模态融合与校正的遥感图像语义分割方法。首先多源高分光学图像和nDSM图像组成的样本对分别输入到网络的对应两个分支。模型的双分支结构对两个模态进行四个阶段的特征提取和通道与空间融合校正，产生阶段性增强特征与阶段性融合特征。第一个阶段的特征提取结果还用于模态互补边界的提取，以得到多尺度边界特征。多尺度边界特征和不同尺度的阶段性融合特征用于逐步的融合与上采样，以得到最终的语义分割结果与边界分割结果。本发明的模型能根据模态差异处理光学图像与nDSM数据，充分利用多模态互补信息实现特征校正与融合，细化边界，强化多尺度特征，有效缓解了高分遥感图像的语义分割任务中光谱混淆和类内差异大、类间差异小的问题。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.022 seconds)
