-
公开(公告)号：CN117079121B
公开(公告)日：2025-05-16
申请号：CN202310620502.3
申请日：2023-05-30
Applicant: 福州大学
IPC: G06V20/10 , G06V10/774 , G06V10/26 , G06V10/40
Abstract: 本发明涉及一种基于自适应编码和两阶段训练的遥感影像建筑物提取方法。通过自适应二进制磁盘编码和两阶段训练策略将深度学习与基于点击的交互式建筑物提取结合，提高了交互式建筑物提取的精度和鲁棒性。自适应二进制磁盘编码改进磁盘编码固定半径带来的交互特征信息不足问题；通过两阶段训练引导模型更多关注交互点击区域的引导特征。相比已有方法，该发明能捕获更有引导性的交互特征，大幅减少建筑物交互点击的次数的条件下获得相同的分割精度。
-
Patent Agency Ranking
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：CN117475306A
公开(公告)日：2024-01-30
申请号：CN202311413919.9
申请日：2023-10-30
Applicant: 福州大学 , 福建省地质测绘院(福建省地质科学研究所)
Abstract: 本发明提出了一种基于改进近邻波段分组的高光谱图像波段选择方法，具体步骤如下：综合每个同质区域的近邻波段相关性系数计算得到全局波段相关性矩阵；之后，构造波段连接图，引入杰卡德系数计算波段间的不相似程度，并与区域级波段距离综合作为局部密度；最后，从分组中根据波段分组长度选择权重最大的波段组成代表性波段。本发明提出区域级波段相关性以划分波段，并引入杰卡德系数改进局部密度算法，通过与信息熵的乘积来衡量波段重要性，达到了降低波段冗余性和噪声波段的影响的同时，提升了波段子集信息量和增强了地物可分性。相比已有方法，本发明方法能克服噪声波段的影响问题，有效提升波段子集的质量和后续的分类性能。
-
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：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：CN117079121A
公开(公告)日：2023-11-17
申请号：CN202310620502.3
申请日：2023-05-30
Applicant: 福州大学
IPC: G06V20/10 , G06V10/774 , G06V10/26 , G06V10/40
Abstract: 本发明涉及一种基于自适应编码和两阶段训练的遥感影像建筑物提取方法。通过自适应二进制磁盘编码和两阶段训练策略将深度学习与基于点击的交互式建筑物提取结合，提高了交互式建筑物提取的精度和鲁棒性。自适应二进制磁盘编码改进磁盘编码固定半径带来的交互特征信息不足问题；通过两阶段训练引导模型更多关注交互点击区域的引导特征。相比已有方法，该发明能捕获更有引导性的交互特征，大幅减少建筑物交互点击的次数的条件下获得相同的分割精度。
-
-
-
-
-
Search Results
6
records
(took 0.011 seconds)
