-
公开(公告)号：CN118334711B
公开(公告)日：2024-08-27
申请号：CN202410757573.2
申请日：2024-06-13
Applicant: 华侨大学 , 厦门松霖科技股份有限公司
IPC: G06V40/10 , G06N3/0455 , G06N3/0464 , G06T7/70 , G06V10/26 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于服装描述生成的行人性别与年龄识别方法及装置，涉及图像识别领域，包括：构建行人性别与年龄识别模型，通过线性映射层和前a层Transformer块将行人图像处理为识别特征和图像特征，利用人体部位检测模型获取行人图像中的人体部位的位置，并裁剪出各个人体部位图像，利用图像字幕生成模型生成各个人体部位图像对应的服装文字描述，并利用词嵌入模型将服装文字描述映射为服装文字描述向量，将服装文字描述向量输入特征提取模块，提取得到对应的向量特征，将所有向量特征拼接后再连接至识别特征和图像特征后，并依次经过后b层Transformer块、第一全连接层和Softmax函数层，得到识别结果，解决性别与年龄识别技术受观察角度与环境等因素影响较大的问题。
-
公开(公告)号：CN114376511A
公开(公告)日：2022-04-22
申请号：CN202011125261.8
申请日：2020-10-20
Applicant: 厦门松霖科技股份有限公司
Abstract: 本发明公开了一种冲牙器控制方法、控制系统及冲牙器，控制方法包括：通过安装在冲牙器上的图像采集装置获取口腔图片；基于获取的口腔图片控制冲牙器的出水嘴出水。本发明能够基于识别的出的牙齿区域进行自动冲洗，保证了冲洗效果，并提升了用户的舒适感和满意度。
-
公开(公告)号：CN119152215B
公开(公告)日：2025-02-25
申请号：CN202411667235.6
申请日：2024-11-21
Applicant: 华侨大学 , 厦门松霖科技股份有限公司
Abstract: 本发明公开了一种基于梯度显著性感知的皱纹分割方法、装置及可读介质，涉及图像处理领域，包括：构建人脸皱纹数据集和人脸皱纹分割网络；将人脸皱纹数据集中的原始人脸图像输入到人脸皱纹分割网络，得到对应的皱纹分割预测图，计算原始人脸图像中的每个像素点的显著性，进一步计算得到原始人脸图像中的每个像素点的权重，基于原始人脸图像中的每个像素点的像素值及其权重和原始人脸图像对应的皱纹标注掩码图中的相应像素点的像素值构建梯度显著性加权损失函数，基于梯度显著性加权损失函数对人脸皱纹分割网络进行训练，得到经训练的人脸皱纹分割网络。本发明解决现有技术的人脸图像中皱纹被过度分割或错误分割的问题。
-
公开(公告)号：CN115032707B
公开(公告)日：2024-09-27
申请号：CN202110235383.0
申请日：2021-03-03
Applicant: 厦门松霖科技股份有限公司
IPC: G01V8/10
Abstract: 本发明提供了一种高反射环境下的感应检测方法，包括如下步骤：1)感应装置初始上电时，感应装置发射感应信号，并判断是否接收到反射信号，若是，则判断当前使用环境为高反射环境，进入步骤2；2)记录此时的发射功率为A，随后感应装置降低发射功率记录为B，若还能接收到环境的反射信号，则继续降低发射功率并将降低后的发射功率更新为B，直到无法接收到环境的反射信号，此时控制器记录下该发射功率C；3)感应装置在一个扫描周期内，按照A、B、C的功率先后发射红外信号；并根据接收到信号的情况决定是否有效触发。本发明还提供了感应装置和装配感应装置的出水装置。
-
公开(公告)号：CN117422614B
公开(公告)日：2024-03-12
申请号：CN202311745925.4
申请日：2023-12-19
Applicant: 华侨大学 , 厦门松霖科技股份有限公司
IPC: G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/42 , G06V10/44
Abstract: 本发明公开了一种基于混合特征交互Transformer的单帧图像超分辨率方法及装置，涉及图像处理领域，包括：获取待重建的低分辨率图像；构建基于混合特征交互Transformer的单帧图像超分辨率模型并训练，得到经训练的单帧图像超分辨率模型，单帧图像超分辨率模型包括依次连接的浅层特征提取单元、深层特征提取单元和上采样重建单元，深层特征提取单元包括依次连接的P个混合特征交互Transformer模块；将低分辨率图像输入经训练的单帧图像超分辨率模型，通过浅层特征提取单元提取浅层特征，将浅层特征输入深层特征提取单元提取得到深层特征，将深层特征输入上采样重建单元，重建得到高分辨率重建图像，解决Transformer的SR方法忽略不同维度的特征之间的潜在关联性，影响重建性能的问题。
-
Patent Agency Ranking
公开(公告)号：CN117422614A
公开(公告)日：2024-01-19
申请号：CN202311745925.4
申请日：2023-12-19
Applicant: 华侨大学 , 厦门松霖科技股份有限公司
IPC: G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/42 , G06V10/44
Abstract: 本发明公开了一种基于混合特征交互Transformer的单帧图像超分辨率方法及装置，涉及图像处理领域，包括：获取待重建的低分辨率图像；构建基于混合特征交互Transformer的单帧图像超分辨率模型并训练，得到经训练的单帧图像超分辨率模型，单帧图像超分辨率模型包括依次连接的浅层特征提取单元、深层特征提取单元和上采样重建单元，深层特征提取单元包括依次连接的P个混合特征交互Transformer模块；将低分辨率图像输入经训练的单帧图像超分辨率模型，通过浅层特征提取单元提取浅层特征，将浅层特征输入深层特征提取单元提取得到深层特征，将深层特征输入上采样重建单元，重建得到高分辨率重建图像，解决Transformer的SR方法忽略不同维度的特征之间的潜在关联性，影响重建性能的问题。
-
公开(公告)号：CN115144925A
公开(公告)日：2022-10-04
申请号：CN202110347984.0
申请日：2021-03-31
Applicant: 厦门松霖科技股份有限公司
IPC: G01V8/10
Abstract: 本发明提供了一种自适应感应检测方法，包括如下步骤：1)将一天分解成N个时间段，并记录每一个时间段内感应触发的次数n；将n大于等于设定阈值的时间段定义为高频率使用的时间段，将n小于设定阈值的时间段定义为低频率使用的时间段；2)在高频率使用的时间段，设置为高灵敏度；在低频率使用的时间段，设置为低灵敏度。上述的自适应感应检测方法，使得龙头可以在用户使用时保持灵敏可靠，在用户未使用的尽可能的降低误触概率，以提升用户的体验感。本发明还提供了一种感应装置和出水装置。
-
公开(公告)号：CN115032707A
公开(公告)日：2022-09-09
申请号：CN202110235383.0
申请日：2021-03-03
Applicant: 厦门松霖科技股份有限公司
IPC: G01V8/10
Abstract: 本发明提供了一种高反射环境下的感应检测方法，包括如下步骤：1)感应装置初始上电时，感应装置发射感应信号，并判断是否接收到反射信号，若是，则判断当前使用环境为高反射环境，进入步骤2；2)记录此时的发射功率为A，随后感应装置降低发射功率记录为B，若还能接收到环境的反射信号，则继续降低发射功率并将降低后的发射功率更新为B，直到无法接收到环境的反射信号，此时控制器记录下该发射功率C；3)感应装置在一个扫描周期内，按照A、B、C的功率先后发射红外信号；并根据接收到信号的情况决定是否有效触发。本发明还提供了感应装置和装配感应装置的出水装置。
-
公开(公告)号：CN119477920A
公开(公告)日：2025-02-18
申请号：CN202510066009.0
申请日：2025-01-16
Applicant: 华侨大学 , 厦门松霖科技股份有限公司
Abstract: 本发明公开了一种基于细节感知采样注意力模块的气缸内壁磨损检测方法，涉及智能制造领域，基于现有模型采用的双线性插值采样处理对细微磨损的感知能力有限。为此，首先，本发明构建双线性重排特征图，由采样后的每一个特征点对应的原始特征点组成；其次，设计由全连接网络组成感知注意力模块，从双线性重排特征图学习采样权重图；再次，设计均值残差聚合模块，利用均值滤波器处理双线性重排特征图，并叠加上双线性重排特征图和采样权重图的聚合结果，作为采样特征图。由于双线性重排特征图均值代表原始特征图的低频信息，在残差聚合时，能强化采样注意力学习对高频信息的倾向，提升模型对磨损细节的感知能力，提高检测准确率。
-
公开(公告)号：CN119180752A
公开(公告)日：2024-12-24
申请号：CN202411678685.5
申请日：2024-11-22
Applicant: 华侨大学 , 厦门松霖科技股份有限公司
IPC: G06T3/4053 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T3/4046
Abstract: 本发明公开了一种基于高效频域Transformer的轻量级图像超分辨率方法及装置，涉及图像处理领域，包括：构建基于高效频域Transformer的图像超分辨率模型并训练，得到经训练的图像超分辨率模型，图像超分辨率模型包括第一卷积层、亚像素卷积层、第二卷积层以及若干个高效频域Transformer模块；获取待重建的低分配率图像和上采样因子并输入经训练的图像超分辨率模型，先经过第一卷积层，得到第一卷积层的输出特征，第一卷积层的输出特征依次经过若干个高效频域Transformer模块，将最后一个高效频域Transformer模块的输出特征与第一卷积层的输出特征相加，得到第二相加结果，第二相加结果依次经过亚像素卷积层和第二卷积层，得到高分辨率重建图像。本发明克服现有Transformer方法计算复杂度过高的问题。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.033 seconds)
