-
公开(公告)号：CN118918589A
公开(公告)日：2024-11-08
申请号：CN202411399134.5
申请日：2024-10-09
Applicant: 厦门理工学院
IPC: G06V30/146 , G06V30/19 , G06V30/18 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种基于网格点的医疗文档图像矫正识别方法及系统，该方法包括以下步骤：步骤A：获取医疗文档的待矫正图像及其对应的真实图像，构建测试数据集；步骤B：构建基于网格点的医疗文档图像矫正模型并通过训练数据集对其进行训练，得到训练好的医疗文档图像矫正模型；步骤C：利用测试数据集对训练好的医疗文档图像矫正模型进行测试，评估合格的即为最终得到的医疗文档图像矫正模型；步骤D：将最终得到的医疗文档图像矫正模型应用于医疗文档图像矫正，获取矫正后的医疗文档图像；然后对矫正后的医疗文档图像进行文字识别，得到识别后的医疗文本。该方法及系统有利于快速、准确地校正医疗文档图像并对其进行文字识别。
-
公开(公告)号：CN118898846A
公开(公告)日：2024-11-05
申请号：CN202411396493.5
申请日：2024-10-09
Applicant: 厦门理工学院
IPC: G06V30/146 , G06V30/148 , G06V30/18 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明提出一种应用于歪曲试卷的文档矫正系统，包括试卷图像的分割模块和基于多头注意力机制的试卷图像矫正模块；所述试卷图像的分割模块基于UNet构建的分割模型以实现对于试卷文档的左缘信息和右缘信息分割，通过卷积层、残差连接以及转置卷积层提取和融合图像特征，以获得图像分割图，随后进行后处理以获得实际的掩码图；再将分割后的信息输入到基于多头注意力机制的试卷图像矫正模块中以对分割后的图形进行矫正；所述基于多头注意力机制的试卷图像矫正模块采用Transformer结构，包括Encoder‑Decoder结构，采用多头注意力结构网络生成图像的光流图，通过一系列的Encoder编码器块进行逐步降采样和Decoder解码器块进行逐步上采样，得到矫正后的试卷文档图像。
-
公开(公告)号：CN117216286A
公开(公告)日：2023-12-12
申请号：CN202311076558.3
申请日：2023-08-25
Applicant: 厦门理工学院
Abstract: 本发明提供一种国土调查数据的知识图谱构建方法、装置、设备和介质，涉及知识图谱技术领域。其中包含：S1、获取全国国土调查技术规程，并根据全国国土调查技术规程构建国土子类本体。S2、根据国土子类本体，分别构建国土调查知识本体四元组模型，获取国土领域本体库。S3、获取国土调查数据，并根据国土领域本体库从国土调查数据中抽取国土实体、属性和关系。S4、根据抽取到的国土实体、属性和关系，构建知识三元组。S5、将知识三元组存储至Neo4j图数据库，获取国土调查数据的知识图谱。根据本发明实施例的构建方法构建的国土调查数据的知识图谱，能够大大提高数据的查询效率，特别是关联查询的效率，可以达到毫秒级。
-
公开(公告)号：CN112749621B
公开(公告)日：2023-06-13
申请号：CN202011342358.4
申请日：2020-11-25
Applicant: 厦门理工学院
IPC: G06V20/13 , G06V10/26 , G06V20/70 , G06V10/40 , G06V10/56 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 一种基于深度卷积神经网络的遥感图像云层检测方法，首先需要获得卫星图像的多个波段图，其中必要的是卫星遥感图像中的自然真彩色图像(RGB)、近光红外波段(Nir)以及云层掩模图作为训练集和测试集对深度卷积神经网络模型进行训练和测试，采用测试通过后的深度卷积神经网络模型实现遥感图像云层检测。这种基于深度学习对云层进行检测的方法拥有检测速度快，精准度高并且可以快速迁移适应不同卫星型号的特点。
-
公开(公告)号：CN115601460A
公开(公告)日：2023-01-13
申请号：CN202211291040.7
申请日：2022-10-21
Applicant: 厦门理工学院(CN)
IPC: G06T11/00
Abstract: 本发明提供一种基于S101标准的电子海图面要素标识方法及装置，该方法包括：获取待标识的目标面图形；确定目标面图形是否为环形，在目标面图形不是环形的情况下，进一步确定目标面图形是凸多边形还是凹多边形；在目标面图形为凸多边形的情况下，确定凸多边形的中心位置，以该中心位置作为目标面图形的标识符的标识坐标。本发明提供的基于S101标准的电子海图面要素标识方法及装置，通过在目标面图形为凸多边形的情况下，将凸多边形的中心位置作为目标面图形的标识符的标识坐标，从而使得标识符可以更加均匀的分布在电子海图上，使得电子海图的使用更加便捷。
-
Patent Agency Ranking
公开(公告)号：CN118898846B
公开(公告)日：2025-03-11
申请号：CN202411396493.5
申请日：2024-10-09
Applicant: 厦门理工学院
IPC: G06V30/146 , G06V30/148 , G06V30/18 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明提出一种应用于歪曲试卷的文档矫正系统，包括试卷图像的分割模块和基于多头注意力机制的试卷图像矫正模块；所述试卷图像的分割模块基于UNet构建的分割模型以实现对于试卷文档的左缘信息和右缘信息分割，通过卷积层、残差连接以及转置卷积层提取和融合图像特征，以获得图像分割图，随后进行后处理以获得实际的掩码图；再将分割后的信息输入到基于多头注意力机制的试卷图像矫正模块中以对分割后的图形进行矫正；所述基于多头注意力机制的试卷图像矫正模块采用Transformer结构，包括Encoder‑Decoder结构，采用多头注意力结构网络生成图像的光流图，通过一系列的Encoder编码器块进行逐步降采样和Decoder解码器块进行逐步上采样，得到矫正后的试卷文档图像。
-
公开(公告)号：CN119251705A
公开(公告)日：2025-01-03
申请号：CN202411786671.5
申请日：2024-12-06
Applicant: 厦门理工学院
IPC: G06V20/13 , G06V20/10 , G06V10/44 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及遥感图像道路提取技术领域，本发明提供一种基于知识蒸馏的遥感图像道路提取方法、设备及可读存储介质，其包括构建教师模型和学生模型，教师模型和学生模型的神经网络采用编码器‑解码器架构学习道路特征，学生模型神经网络的层数少于教师模型神经网络的层数，采取中间层进行知识蒸馏，中间层进行知识蒸馏为同构蒸馏，基于目标训练后的模型输出结果。解决传统方法参数量大、计算复杂度高的问题，能够快速精准地完成实时推理，满足实时道路提取的需求。
-
公开(公告)号：CN116757938A
公开(公告)日：2023-09-15
申请号：CN202310420311.2
申请日：2023-04-19
Applicant: 厦门理工学院
IPC: G06T5/00 , G06T5/50 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及遥感影像技术领域，提供一种基于对比学习的遥感图像全色锐化方法，包括：获取全色图像集、多光谱图像集；建立全色锐化模型；在生成对抗网络引入对比损失函数进行对比学习，以得到全色锐化模型；对全色锐化模型进行验证；将待全色锐化的多光谱图像和全色图像输入到全色锐化模型中进行全色锐化，以得到高分辨率多光谱图像。本发明提供的一种基于对比学习的遥感图像全色锐化方法，将对比学习的方法运用到遥感图像的全色锐化领域，利用了对比学习使用数据之间的相关性和差异性来学习事物的本质，将全色图像和低分辨率光谱图像在生成器网络中使用对比损失函数进行对比学习融合，提高了融合图像的空间分辨率。
-
公开(公告)号：CN116206213A
公开(公告)日：2023-06-02
申请号：CN202310146339.1
申请日：2023-02-21
Applicant: 厦门理工学院
IPC: G06V20/13 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/084 , G06N3/0895 , G06N3/094
Abstract: 本发明涉及遥感影像处理技术领域，提供一种非配对遥感图像去薄云的方法，包括下列步骤：将含云图像x输入到生成器Gc中，以输出生成图像fake；在输出生成图像fake的过程中加入对比学习损失Lcl和内容损失Lc来保持含云图像x和生成图像fake的内容一致；将生成图像fake与无云图像y输入到鉴别器Dc中，来判别真假，其中y不是x的真实值；在经过迭代训练之后得到训练好的生成器Gc，以使得经过训练好的生成器Gc所生成的生成图像fake实现去薄云。通过将对比学习和内容损失加入到Gan框架，来维持生成图像和有云图像的内容一致性，并且针对生成器引入了频率通道注意块，来进一步提高生成图像质量，进而实现高效的非配对遥感图像去薄云处理。
-
公开(公告)号：CN114969136A
公开(公告)日：2022-08-30
申请号：CN202210591346.8
申请日：2022-05-27
Applicant: 厦门理工学院
IPC: G06F16/2457 , G06F16/28 , G06F16/29
Abstract: 本发明涉及电子海图技术领域，特别涉及一种电子海图面要素标识的方法、装置、介质及设备，与现有技术相比，本发明通过检测待标识对象的多边形外轮廓的内部是否有内环，当检测到内环时将内环和多边形外轮廓之间的环形区域的待标识对象划分为至少两多边形的组合，将待标识对象划分成若干个没有内环的多边形，然后取位于每一所述多边形内部的若干预标识点，所述预标识点作为所述待标识对象放置标识的待选择点。本发明通过将具有环形区域的待标识对象分割为若干无环的多边形的组合进行多边形的内部点的提取，避免了对于环形区域内部点提取时可能导致预标识点落入环内不属于待标识对象的区域，降低了有环区域内预标识点的提取难度。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.034 seconds)
