-
公开(公告)号：CN118246070A
公开(公告)日：2024-06-25
申请号：CN202410670082.4
申请日：2024-05-28
Applicant: 厦门理工学院
IPC: G06F21/62 , G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/094
Abstract: 本发明提供一种基于灰度不变性的双阶段集成可逆对抗攻击方法、装置、设备和介质，涉及图像对抗处理技术领域。其包含步骤S1至步骤S4以根据初始图像生成可逆对抗攻击样本。S1、获取初始图像。S2、通过动量迭代快速梯度攻击法和梯度量化二进制编码对所述初始图像进行白盒攻击，获取第一扰动信息和第一对抗攻击样本。S3、对所述第一对抗攻击样本进行黑盒攻击，对未能成功攻击目标网络的部分样本，采用阈值信息超像素攻击进一步调整扰动，获取第二扰动信息和第二对抗攻击样本。S4、将所述第二扰动信息的扰动矩阵编码为二进制信息流，然后使用可逆数据隐藏技术RDH将所述二进制信息流嵌入所述第二对抗攻击样本，获得最终的双阶段集成可逆对抗攻击样本。
-
公开(公告)号：CN118095502A
公开(公告)日：2024-05-28
申请号：CN202410032416.5
申请日：2024-01-09
Applicant: 厦门理工学院
IPC: G06Q10/02 , G06Q10/0631 , G06Q30/0601 , G06Q50/47
Abstract: 本发明涉及一种评估网约车载客量密度与城市环境因子关系的方法，包括：通过K‑Means++聚类算法进行多尺度的空间单元划分；提取每条订单数据中上车点下车点所在空间单元的唯一编码；构建一个m×m的通行时间矩阵，设定矩阵中的元素Tij的值为所有以唯一编码为i的空间单元为上车点且以唯一编码为j的空间单元为下车点的订单数据对应的通行时间的平均值；使用通行时间矩阵替代MGWR模型中的空间权重矩阵后，通过MGWR模型得到网约车载客量密度与城市环境因子的关系。本发明揭示了出租车载客量同城市建成环境因子的关联机制，为城市交通资源优化和出行模式分析提高科学依据。
-
公开(公告)号：CN117475519A
公开(公告)日：2024-01-30
申请号：CN202311797195.2
申请日：2023-12-26
Applicant: 厦门理工学院 , 厦门瑞为信息技术有限公司
Abstract: 本发明公开了基于孪生网络与多重通道融合的脱机笔迹鉴别方法，将两张输入的笔迹图片进行取反操作，获取其反灰度图片，包括参考图片、测试图片、参考图片的反灰度图片、测试图片的反灰度图片四张笔迹图片；将四张笔迹图片分别进入同一个网络模型提取图像特征向量 ，生成相应的四个特征向量；特征向量经过两次双重笔迹注意力，进行权重加权处理，得到特征向量Y；将四张笔迹图片经过图像处理的128维图片进行融合，融合有512维图片；将融合后的图片经过自注意力与卷积操作，进行判断；将输出的特征向量进行sigmoid操作，将其作为置信度用来判断两张输入图片是否为同一个人书写。
-
公开(公告)号：CN117475155A
公开(公告)日：2024-01-30
申请号：CN202311797890.9
申请日：2023-12-26
Applicant: 厦门瑞为信息技术有限公司 , 厦门理工学院
IPC: G06V10/26 , G06V20/13 , G06V20/17 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0895
Abstract: 本发明公开基于半监督学习的轻量级遥感图像分割方法，包括S1、收集原始图像数据集，标注部分数据集以得到部分标注的训练数据集；S2、构建两个完全一致的语义分割模型；S3、将无标签数据同时输入两个语义分割模型，计算输出的一致性损失；S4、将有标签数据同时输入两个语义分割模型，计算交叉熵损失和骰子损失的混合损失作为有监督损失；S5、总损失为一致性损失和两个模型的混合损失三者按权重相加；S6、对总体损失进行优化和反向梯度传播，更新网络参数；S7、在同一测试集分别测试训练好的两个模型，选择其中精度较高的一个模型作为最终模型。本发明可提高遥感图像分割的效率，在较低的参数量和计算复杂度下实现了更高的精度。
-
公开(公告)号：CN117446001A
公开(公告)日：2024-01-26
申请号：CN202311704327.2
申请日：2023-12-12
Applicant: 厦门理工学院
Abstract: 本发明涉及转向机构技术领域，且公开了一种AGV小车的转向机构，包括变速箱组件，所述变速箱组件的两侧转动连接有转板组件，所述转板组件远离变速箱组件的一侧内壁转动连接有支撑组件，所述支撑组件的内壁转动连接有传动轴组件，所述变速箱组件的顶部两侧转动连接有液压杆，所述转板组件的内壁转动连接有减震组件，所述传动轴组件的内壁转动连接有转向驱动组件。利用转动轴二和转杆一的内壁通过磁力耦合实现连接，通过挤压板的两侧设置有扭矩测量器，使球头销以转动轴二为轴心实现转动时，其球头销可通过转动轴二带动转杆一转动时，其转杆一通过挤压板转动，使挤压板向两组扭矩测量器中的一组实现压力施压，从而使扭矩测量器实现压力监测。
-
Patent Agency Ranking
公开(公告)号：CN117372701A
公开(公告)日：2024-01-09
申请号：CN202311667809.5
申请日：2023-12-07
Applicant: 厦门瑞为信息技术有限公司 , 厦门理工学院
IPC: G06V10/26 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开基于Transformer的交互式图像分割方法，选取想要标注的图像，载入到交互式图像分割标注软件中；选择分割目标，根据用户点击行为生成点击记录，在对应位置生成点击标记；确认交互完成后，根据点击记录将其转换为圆盘图，作为相对应的正负点击指导再和原始掩码拼接，在与原图相加后作为分割模型输入；利用预训练分割模型对图像中的指定目标进行分割，返回初始的分割掩码；根据初始的分割掩码结果，选择添加合适的正负点击对错误区域进行再次标记；将新的标记再次送入分割模型，并返回修正后的结果。如此往复，对分割结果进行细化，以得到满意的结果。本发明能提高交互式图像分割标注性能，以更少的交互次数得到更好的分割结果。
-
公开(公告)号：CN116758557A
公开(公告)日：2023-09-15
申请号：CN202310738640.1
申请日：2023-06-21
Applicant: 厦门理工学院
Abstract: 本发明提出一种基于浅层图神经网络的联机手写笔画分类方法，包括以下步骤：步骤S1、对联机手写文档的每一个笔画提取若干特征；提取笔画对的若干特征；步骤S2、得到文档笔画的初始图结构；步骤S3、将初始图结构送入边缘分支进行边缘特征学习；步骤S4、将分类结果作为图的邻接矩阵，从而更新图结构；步骤S5、从更新后的图结构的节点特征中提取连通子图特征与全局特征；步骤S6、在更新后的图结构基础上，得到最终的节点特征。对最终的节点特征进行分类，得到版面分析结果。
-
公开(公告)号：CN113674292B
公开(公告)日：2023-08-01
申请号：CN202110941684.5
申请日：2021-08-17
IPC: G06V10/26 , G06N3/0464 , G06N3/08 , G16H30/20 , G06T7/00
Abstract: 本发明公开一种基于部分实例标注的半监督骨髓瘤细胞实例分割方法，包括：对已确诊的骨髓瘤显微图像中的部分骨髓瘤细胞实例进行标注，生成第一轮骨髓瘤细胞实例分割数据集；使用第一轮骨髓瘤细胞实例分割数据集对骨髓瘤细胞实例分割模型进行第一轮深度学习训练；使用第一轮深度学习训练后的模型对未标注的骨髓瘤细胞实例进行分割，生成第二轮骨髓瘤细胞实例分割数据集；使用第二轮骨髓瘤细胞实例分割数据集对第一轮训练后的模型进行第二轮深度学习训练；使用第二轮深度学习训练后的模型对其他骨髓瘤显微图像的骨髓瘤细胞实例进行分割。本发明的骨髓瘤细胞实例分割方法，降低了人工分割骨髓瘤细胞的标注成本，且具有较高的分割召回率。
-
公开(公告)号：CN112464781B
公开(公告)日：2023-06-02
申请号：CN202011328157.9
申请日：2020-11-24
Applicant: 厦门理工学院
IPC: G06V30/413 , G06V20/62 , G06V10/82 , G06N3/042 , G06N3/049
Abstract: 本发明涉及一种基于图神经网络的文档图像关键信息提取及匹配方法，包括以下步骤：步骤1:构建用于获取关键文本所在区域边框位置的关键文本信息检测模型；步骤2:构建用于识别文字边框内的文字关键文本识别模型；步骤3:将待提取信息的文档图像依次通过关键文本信息检测模型和关键文本识别模型，获取全部子图的文字识别结果；步骤4：以关键文本边框为节点构建图，以图神经网络为基础网络分别对于每个文本框的节点进行聚合，并预测节点的关键文本节点类型；步骤5:以正则表达式以及领域规则库的方式修正关键文本的识别结果，并得到最终的提取及匹配结果。本发明实现高效提取文档图像中的关键元素，并且准确地为关键元素匹配相应键值。
-
公开(公告)号：CN116128928A
公开(公告)日：2023-05-16
申请号：CN202310192731.X
申请日：2023-03-02
Applicant: 厦门理工学院
IPC: G06T7/246 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于跨层特征校准融合的目标跟踪方法及系统，该方法包括：将模板区域图像和搜索区域图像输入共享权重的孪生卷积神经网络；分别采用修改后的resnet50提取模板分支和搜索分支的特征，提取第三个、第四个卷积块的特征；分别使用基于注意力的特征融合模块融合模板分支、搜索分支的第三个和第四个卷积块的特征；模板分支和搜索分支分别使用跨层校准模块通过融合后的特征来校准第四个卷积块的特征；分别对模板分支和搜索分支的第三个卷积块特征、融合后的特征、校准后的特征做深度互相关，得到三个相似性响应图，拼接在一起并降维；将降维后的相似性响应图输入预测头进行分类回归，最后得到目标的位置。该方法及系统有利于提高目标跟踪的性能。
-
-
-
-
-
-
-
-
-
Search Results
206
records
(took 0.027 seconds)
