-
公开(公告)号：CN115661163A
公开(公告)日：2023-01-31
申请号：CN202211390317.1
申请日：2022-11-03
Applicant: 福州大学
IPC: G06T7/10 , G06N3/08 , G06N3/0455 , G06N3/0464
Abstract: 本发明提出一种基于泛化特征和区域建议损失函数的小样本分割方法，提出了基于泛化特征和区域建议损失函数的小样本分割方法，对于输入的待分割图像，首先进行多种数据增强以及可变性卷积网络的训练，使得模型具体有更强的泛化能力，然后采用通道注意力和空间注意力模块提取更加高级的深度特征。最后提取出图像的边缘特征以及将区域建议引入到模型当中，充分考虑图像的边缘以及位置的准确定位，最后引入小样本分割机制，在低数据量的前提下进行模型微调，以达到准确的图像分割结果。
-
公开(公告)号：CN115690440B
公开(公告)日：2025-05-09
申请号：CN202211396688.0
申请日：2022-11-03
Applicant: 福州大学
IPC: G06V10/40 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明提出一种基于自蒸馏和自注意力的目标检测方法，提出了基于自蒸馏和自注意力的目标检测方法，摒弃传统的知识蒸馏两阶段算法，利用混合图像采用一阶段的自蒸馏算法来提取检测目标的繁华特征，并引入最近兴起的Transformer架构，将卷积神经网络的局部特征和Transformer的全局特征结合起来，在Faster‑RCNN上直接采用三级阈值筛选出高级的候选框，最后进行精确的目标检测。
-
Patent Agency Ranking
公开(公告)号：CN117974981A
公开(公告)日：2024-05-03
申请号：CN202410169035.1
申请日：2024-02-06
Applicant: 福州大学
IPC: G06V10/25 , G06V10/774 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/766 , G06N3/0985
Abstract: 本发明涉及一种基于低频特征和难样本调制策略的小样本目标检测方法，包括：S1：获取小样本目标检测数据集并划分为基类和新类数据集；对图像中的部分像素进行随机遮盖，用来训练特征提取网络，以提高网络的泛化性能；S2：采用已训练的特征提取网络作为特征提取模块，引入低频模块，以提取图像中的不变特征；S3：设计调制策略来对难以识别的样本进行识别，避免模型过多关注难以识别的样本而过拟合；S4：设计基于调制策略的损失函数，并采用Faster‑RCNN目标检测模型进行训练；首先基于基类数据集得到目标检测结果，然后在新类数据集中冻结有关模块，对模型进行微调，得到小样本目标检测结果。该方法可以在少量样本的情况下，获得较好的目标检测性能。
-
公开(公告)号：CN113449694B
公开(公告)日：2023-04-07
申请号：CN202110840307.2
申请日：2021-07-24
Applicant: 福州大学
IPC: G06V40/16 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于Android的证件照合规性检测方法及系统，该方法包括以下步骤：步骤S1：检测图片是否存在人脸并确定五官关键点位置；步骤S2：将检测到的人脸框提取出来，进行眼部、嘴部、头部姿态判断；步骤S3：对检测合格的图片进行人像分割，进行证件照背景制作，制作各种底色的证件照以供选择；步骤S4：对要比较的图片进行人脸检测，对人脸框中的特征进行人脸比对，判断两张图片人脸相似度。该方法及系统可以有效地对图片进行证件照合规性检测以及证件照制作。
-
公开(公告)号：CN113449694A
公开(公告)日：2021-09-28
申请号：CN202110840307.2
申请日：2021-07-24
Applicant: 福州大学
Abstract: 本发明涉及一种基于Android的证件照合规性检测方法及系统，该方法包括以下步骤：步骤S1：检测图片是否存在人脸并确定五官关键点位置；步骤S2：将检测到的人脸框提取出来，进行眼部、嘴部、头部姿态判断；步骤S3：对检测合格的图片进行人像分割，进行证件照背景制作，制作各种底色的证件照以供选择；步骤S4：对要比较的图片进行人脸检测，对人脸框中的特征进行人脸比对，判断两张图片人脸相似度。该方法及系统可以有效地对图片进行证件照合规性检测以及证件照制作。
-
公开(公告)号：CN118941851A
公开(公告)日：2024-11-12
申请号：CN202410976440.4
申请日：2024-07-20
Applicant: 福州大学
IPC: G06V10/764 , G06V10/774 , G06V10/75 , G06F17/18 , G06N5/04 , G06N3/09 , G06N3/0464
Abstract: 本发明提出一种基于尺度匹配与语义增强的跨域小样本目标检测方法，对于输入的待检测图像，首先根据教师网络和学生网络的输入不同进行了差异化的数据增强。然后对跨域尺度形状进行优化匹配，从跨域的角度入手解决了不同域的情况下的尺度形状影响检测精度的问题。然后利用语义空间对数据样本进行插值或外推，来生成新的数据样本，从而对数据进行扩充，解决了跨域小样本目标检测所存在的数据稀缺性的问题。最后，进行知识蒸馏，将教师模型作为最后的训练模型，其输出结果为最后的检测结果。
-
公开(公告)号：CN115690440A
公开(公告)日：2023-02-03
申请号：CN202211396688.0
申请日：2022-11-03
Applicant: 福州大学
IPC: G06V10/40 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明提出一种基于自蒸馏和自注意力的目标检测方法，提出了基于自蒸馏和自注意力的目标检测方法，摒弃传统的知识蒸馏两阶段算法，利用混合图像采用一阶段的自蒸馏算法来提取检测目标的繁华特征，并引入最近兴起的Transformer架构，将卷积神经网络的局部特征和Transformer的全局特征结合起来，在Faster‑RCNN上直接采用三级阈值筛选出高级的候选框，最后进行精确的目标检测。
-
-
-
-
-
-
Search Results
7
records
(took 0.012 seconds)
