-
公开(公告)号：CN119515682A
公开(公告)日：2025-02-25
申请号：CN202411442828.2
申请日：2024-10-16
Applicant: 厦门大学
IPC: G06T3/4053 , G06V10/80 , G06V10/44 , G06N3/0464
Abstract: 本发明公开一种基于动态频谱混合网络的用于单图像超分辨率的双域学习方法、电子设备和存储介质，有效整合空间域和频率域特征，以改进图像超分辨率的质量和适用性，包括：步骤1、在分解阶段，对于给定的输入图像分别通过步长#imgabs0#为#imgabs1#、#imgabs2#的卷积层来提取低频特征、高频特征；步骤2、低频特征通过#imgabs3#个级联的残差密集块后获得空间特征，高频特征通过#imgabs4#个级联的复值块后获得频率特征；步骤3、空间特征、频率特征分别由特征增强和选择单元进行增强和融合；步骤4、由动态特征融合编码器对于空间特征和频率特征通过单独但互连的路径进行处理，最终输出动态特征融合编码器输出的超分辨率图像。
-
公开(公告)号：CN117274189A
公开(公告)日：2023-12-22
申请号：CN202311213210.4
申请日：2023-09-20
Applicant: 厦门大学
IPC: G06T7/00 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 一种基于软邻居聚合的点云分析方法，涉及神经网络结构设计。包括以下步骤：1)使用神经网络更新点云中各点特征，使用球形查询获取点云中各个点的邻居点特征；2)使用SWT模块对点云中各个点的邻居点特征进行聚合；3)使用神经网络对每个SWT所汇集到的特征进行增强；4)使用解码器将特征映射回原空间，输出结果。通过对点云分析所使用神经网络的邻居聚合模块进行改进，增强点云分析神经网络的性能。可在3D分割任务中达到更好的性能。
-
公开(公告)号：CN117115123A
公开(公告)日：2023-11-24
申请号：CN202311131204.4
申请日：2023-09-04
Applicant: 厦门大学
Abstract: 一种新型的基于文本‑图像对的无参考图像质量评估方法，属于计算机视觉技术领域。无参考图像质量评估旨在模拟人类对图像失真的评估，提供一种新型的基于文本‑图像对的无参考图像质量评估方法，充分发挥CLIP模型在挑战性图像感知评估任务中的潜力。首先，提出一种细粒度的质量级别分层策略，使得学习到的特征与图像质量更密切相关。其次，提出一个两阶段训练模型。在模型中，引入一组可学习的文本标记，以充分利用文本编码器的表征能力。同时，提出一个质量感知模块，用于从多个角度评估图像质量并提取与质量级别密切相关的深层特征。
-
公开(公告)号：CN116912217A
公开(公告)日：2023-10-20
申请号：CN202310901917.8
申请日：2023-07-21
Applicant: 厦门大学
IPC: G06T7/00 , G06N3/082 , G06N3/0895 , G06N3/0495 , G06N3/0455
Abstract: 一种基于知识蒸馏和对比学习的无参考图像质量评价方法，属于计算机视觉领域。图像质量评价是对图像质量进行量化评价。利用特征对比学习机制，允许模型从图像的语义内容中分离出与质量相关的特征，其过程包含三个新颖的准则：1.特征和分数对的临时存储器；2.特征对比学习机制；3.对比知识的蒸馏。本发明基于该三个新颖的准则设计基于知识蒸馏和对比学习的网络结构，使之适应图像质量评价的任务，有效弥补已有的图像质量评价网络结构缺少分离出与质量相关特征能力的缺陷。
-
公开(公告)号：CN119206162A
公开(公告)日：2024-12-27
申请号：CN202411027392.0
申请日：2024-07-30
Applicant: 厦门大学
IPC: G06V10/25 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0464
Abstract: 本发明涉及一种基于频域方法的弱监督伪装目标检测方法、系统、介质及程序产品，其首先将主干网络提取的特征分解为高频和低频，然后，分别增强每组特征，并通过自底向上的粗到细策略逐步优化，有效地突出伪装目标的判别特征。对比弱监督伪装目标检测上现有的RGB方法，本发明在频域中更显著地突显出了伪装线索，使得伪装物体的边缘更易被察觉，具有更好的分割效果。此外，从频率域中捕获的信息可以弥补弱监督训练中稀疏注释的局限性。
-
Patent Agency Ranking
公开(公告)号：CN118247607B
公开(公告)日：2024-09-06
申请号：CN202410658185.9
申请日：2024-05-27
Applicant: 厦门大学
IPC: G06V10/774 , G06V10/82 , G06N3/0895
Abstract: 本发明公开一种基于双旋转局部不一致性学习的半监督伪装目标检测方法，针对于“伪装目标数据的像素级标注耗时耗力，半监督学习提供了潜在解决方案，但是直接将成功的半监督范式迁移到伪装目标检测任务上，面临伪标签存在局部性噪声的问题，即同一伪标签内不同区域噪声程度不同，直接用带噪声伪标签进行监督会损害模型性能”的问题，基于经典的半监督学习教师‑学生范式，同时提出了一种新颖的双旋转局部不一致性学习。双旋转局部不一致性学习通过不同旋转视图的局部预测不一致对同一伪标签不同区域赋予不同权重来缓解局部噪声问题，帮助模型自适应调整不同质量伪标签的贡献，使伪装目标检测模型获得充分监督的同时，避免确认偏差。
-
公开(公告)号：CN117593296B
公开(公告)日：2024-05-31
申请号：CN202410070380.X
申请日：2024-01-18
Applicant: 厦门大学
IPC: G06T7/00 , G06N3/0455 , G06N3/08
Abstract: 本发明提供了计算机视觉技术领域的一种基于扩散模型的无参考图像质量评价方法，包括如下步骤：步骤S1、基于BIQA教师模块、BIQA学生模块、特征融合模块、噪声适配模块以及输出模块创建一图像质量评价模型；所述BIQA教师模块以CLIP模型为主干网络；所述BIQA学生模块以Transformer模型为主干网络；步骤S2、获取大量的图像，对各所述图像进行预处理并构建图像数据集；步骤S3、利用所述图像数据集对图像质量评价模型进行训练；步骤S4、利用训练后的所述图像质量评价模型进行图像质量评价。本发明的优点在于：极大的提升了无参考图像质量评价精度。
-
公开(公告)号：CN106503270B
公开(公告)日：2020-02-14
申请号：CN201611128389.3
申请日：2016-12-09
Applicant: 厦门大学
IPC: G06F16/583 , G06K9/62
Abstract: 一种基于多视点及二部图匹配的3D目标检索方法，涉及3D目标检索。1)视点提取：从网络中查找相似的图像；2)特征提取：对查找的图像提取特征；3)视点特征聚类：对于网络中已经找到的图像提取代表性视点；4)二部图匹配：对于每一种特征，建立待查找模型与数据库中模型的二部图；5)多特征融合：通过建立的二部图，计算数据库中每个模型与待查找模型的相似度；6)初次排序：根据计算的相似度，对数据库中的模型进行排序；7)重排序：请用户对排序结果进行评价，根据用户的评价重新对数据库中的模型排序。可应对多特征情况，无需考虑3D模型与2D模型的转换问题，视点选择的自由度较大，可通过用户的反馈信息对检索结果进行合理调整。
-
公开(公告)号：CN106503270A
公开(公告)日：2017-03-15
申请号：CN201611128389.3
申请日：2016-12-09
Applicant: 厦门大学
Abstract: 一种基于多视点及二部图匹配的3D目标检索方法，涉及3D目标检索。1)视点提取：从网络中查找相似的图像；2)特征提取：对查找的图像提取特征；3)视点特征聚类：对于网络中已经找到的图像提取代表性视点；4)二部图匹配：对于每一种特征，建立待查找模型与数据库中模型的二部图；5)多特征融合：通过建立的二部图，计算数据库中每个模型与待查找模型的相似度；6)初次排序：根据计算的相似度，对数据库中的模型进行排序；7)重排序：请用户对排序结果进行评价，根据用户的评价重新对数据库中的模型排序。可应对多特征情况，无需考虑3D模型与2D模型的转换问题，视点选择的自由度较大，可通过用户的反馈信息对检索结果进行合理调整。
-
公开(公告)号：CN117173518B
公开(公告)日：2025-05-16
申请号：CN202311131030.1
申请日：2023-09-04
Applicant: 厦门大学
IPC: G06V10/776 , G06V10/764 , G06V10/40 , G06N3/0455
Abstract: 基于跨数据集蒸馏多令牌半监督无参考图像质量评估方法，涉及计算机视觉技术。提出一种基于注意力蒸馏的NR‑IQA方法。有效集成来自不同数据集的知识，以增强图像质量的表示并提高预测的准确性。在Transformer编码器中引入一个蒸馏令牌，使学生模型能在不同的数据集上向老师学习。通过利用来自不同源域的知识，模型能够捕捉到与图像失真相关的基本特征，增强模型的泛化能力。为从不同的角度细化感知信息，引入模拟多个评审员的多个类令牌。提高模型的可解释性，降低预测的不确定性。引入一种称为注意力评分的机制，该机制将来自编码器的注意力评分矩阵与解码器后面的MLP头部相结合，以细化最终质量分数。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.021 seconds)
