-
公开(公告)号：CN117392258A
公开(公告)日：2024-01-12
申请号：CN202311553856.7
申请日：2023-11-21
Applicant: 福州大学
IPC: G06T11/00 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明提供一种基于生成对抗网络的生成对称蕾丝图像的方法，提出了一种基于StyleGAN2的改进模型SStyleGAN（Symmetry StyleGAN），用于生成交叉对称的的蕾丝图像。在判别器的方面，为了强化提出模型对图像对称性的关注度，本方法增加了对称判别器，即SStyleGAN采用双判别器结构；在生成器方面，为了提高蕾丝图像左右两边特征图的相似性，本方法基于StyleGAN2的损失函数，增加了均方误差损失项；在噪声输入方面，为了控制蕾丝图像在蕾丝花边等细节处的对称性，将StyleGAN2模型的噪声采样函数修改为对称结构，使噪声输入本身具备对称性。
-
公开(公告)号：CN110516694A
公开(公告)日：2019-11-29
申请号：CN201910607816.3
申请日：2019-07-05
Applicant: 福州大学
Abstract: 本发明涉及一种基于代价敏感学习的排水管道缺陷自动检测方法，包括：构建排水管道数据集；估算每种错误分类带来的损失，构建代价矩阵；通过代价矩阵构建置信度向量；基于置信度向量构建代价敏感的卷积神经网络；并使用管道数据集训练代价敏感的卷积神经网络。使用训练好的网络对待识别的图像进行识别，得到图像中包含缺陷的概率。基于代价矩阵构建的代价敏感的卷积神经网络能够以最小化代价为目标而不是盲目地追求分类精度，从而实现更为经济，有效的排水管道缺陷自动检测系统。
-
公开(公告)号：CN107104982B
公开(公告)日：2019-10-15
申请号：CN201710387181.1
申请日：2017-05-26
Applicant: 福州大学
Abstract: 本发明涉及一种移动电子医疗中具有叛逆者追踪功能的可搜索加密系统，针对现有移动医疗(mHealth)系统中的计算开销过大，无法支持叛逆者跟踪以及对用户进行按需撤销等问题，提出了一种新型的轻量级、可进行数据共享和访问权限控制、可进行叛逆者追踪的安全电子医疗系统（LiST）。除了使用基于属性的加密(ABE)机制实现对加密电子医疗记录(EHR)的细粒度访问控制，LiST还支持对加密的EHR的关键字搜索，提供高效的叛逆者追踪和灵活的用户撤销机制。
-
公开(公告)号：CN106997384A
公开(公告)日：2017-08-01
申请号：CN201710181693.2
申请日：2017-03-24
Applicant: 福州大学
Abstract: 本发明涉及一种排序可验证的语义模糊可搜索加密方法,首先，引入相关度分数和域加权得分，获得了更加准确的索引结构。接着，基于WordNet词典集对查询关键词进行语义拓展，并综合语义相似度和加密分数，设计了双因子排序算法对搜索结果进行精确排序。最后，运用布隆过滤器和消息认证码，对关键词、索引、密文进行全面而有效的验证。本发明不仅实现了语义模糊搜索，并且能够对搜索结果进行排序，特别是在现有可验证方案验证结果精确性、完整性的基础上，补充了排序可验证功能。
-
公开(公告)号：CN110930377B
公开(公告)日：2022-05-13
申请号：CN201911125639.1
申请日：2019-11-18
Applicant: 福州大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于多任务学习的排水管道异常类型自动检测方法。首先通过分析管道缺陷深度特征信息将特征空间存在重叠的类别划分到同一分组中；然后基于分组情况构建多任务学习深度神经网络，该网络将分类任务划分为两级任务，高级分类任务尝试区分不同分组的缺陷图像，低级任务拥有多个子任务，分别用于着重区分组内具有相似特征空间的缺陷类型，最终的缺陷分类结果来自条件概率。本发明通过引入多任务学习策略使得模型能够减少特征空间重叠带来的精度损失，提升模型的检测精度，从而实现更为有效的排水管道缺陷自动检测系统。
-
Patent Agency Ranking
公开(公告)号：CN110598792A
公开(公告)日：2019-12-20
申请号：CN201910868563.5
申请日：2019-09-16
Applicant: 福州大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于PGGAN迁移学习的排水管道缺陷检测训练数据生成方法，考虑通过生成对抗网络生成排水管道缺陷检测训练数据，需要大规模的数据集训练，现有的数据集不满足要求。为了能够减少训练集数据量，在现有的数据集上训练生成对抗网络，本发明在渐进式生成对抗网络中引入迁移学习，充分利用已有的数据先进行预训练，再在目标缺陷类数据上进行微调。微调后的模型可以生成质量更好的排水管道缺陷检测训练数据。
-
公开(公告)号：CN110570038A
公开(公告)日：2019-12-13
申请号：CN201910841552.8
申请日：2019-09-06
Applicant: 福州大学
Abstract: 本发明涉及一种不规则带缺陷板材矩形排样方法及装置，包括：步骤S1：获取板材边界多边形、缺陷多边形集合的几何信息，以及获取矩形信息；步骤S2：设置遗传算法参数，并初始化种群；步骤S3：利用HL启发式方法评估个体适应度值，并保存最优个体；其中个体适应度值为板材利用率；步骤S4：判断是否到达最大迭代次数，若是，则输出最优排样结果，并结束；否则进入步骤S5；步骤S5：对种群进行交叉、变异操作，生成新的种群，并返回步骤S3。本发明能够快速得到满足排样约束且利用率较高的排样结果。
-
-
公开(公告)号：CN108985349A
公开(公告)日：2018-12-11
申请号：CN201810673021.8
申请日：2018-06-26
Applicant: 福州大学
Abstract: 本发明涉及一种考虑图像集复杂性的石材纹理图像CNN识别方法，首先加载石材图像集；接着将石材图像集的复杂性量化为计算石材图像集的本征维数，使用小波图像去噪方法处理石材图像集中的每张石材图像以降低石材图像集复杂性；然后构建卷积神经网络，并使用去噪后的石材图像训练卷积神经网络；接着使用训练好的卷积神经网络模型识别石材图像；最后依据卷积神经网络模型的输出结果，选择最大的前5个值对应的石材类别，将其按照值从大到小的顺序依次作为前5类最相似石材。本发明将小波图像去噪结合卷积神经网络用以石材纹理图像识别，有效提高了识别的准确率。
-
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
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。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.031 seconds)
