-
公开(公告)号：CN115578626A
公开(公告)日：2023-01-06
申请号：CN202210793450.5
申请日：2022-07-07
Applicant: 福州大学
Abstract: 本发明涉及一种基于混合注意力机制的多尺度图像篡改检测方法，包括以下步骤：步骤S1：获取篡改数据集并划分为训练集和测试集，然后对训练集中的篡改图像和标签进行数据预处理；步骤S2：构建融合通道注意力和空间注意力的混合注意力模块，增强篡改图像的语义信息，得到篡改区域的初始预测图；步骤S3：构建融合上下文信息的细化模块，使用多尺度特征对篡改区域的初始预测图进行细化；步骤S4：构建并训练基于混合注意力机制的多尺度图像篡改检测模型；步骤S5：将篡改图像输入到训练好的基于混合注意力机制的多尺度图像篡改检测模型中，输出对应的篡改区域掩码图。本发明有效地提高了篡改区域定位的准确性。
-
公开(公告)号：CN111724306B
公开(公告)日：2022-07-08
申请号：CN202010563256.9
申请日：2020-06-19
Applicant: 福州大学
IPC: G06T3/40 , G06N3/04 , G06N3/08 , G06K9/62 , G06V10/774
Abstract: 本发明涉及一种基于卷积神经网络的图像缩小方法及系统，首先对原始高分辨率训练图像进行预处理，得到原始高分辨率训练图像块组成的图像块数据集；然后设计图像缩小教师网络，并使用图像块数据集训练该网络；接着设计图像缩小学生网络，保持训练好的图像缩小教师网络的参数、权重不变，训练图像缩小学生网络；最后将原始高分辨率的测试图像输入到训练好的图像缩小学生网络，预测其缩小后的图像。本发明能够提高图像缩小后小图的质量。
-
公开(公告)号：CN114693558A
公开(公告)日：2022-07-01
申请号：CN202210335753.2
申请日：2022-03-31
Applicant: 福州大学
Abstract: 本发明涉及一种基于渐进融合多尺度策略的图像去摩尔纹方法及系统，该方法包括以下步骤：步骤S1、对原始数据集中图像进行处理，得到摩尔纹图像和干净图像对，并对每幅图像进行预处理，得到训练数据集；步骤S2、构建基于渐进融合多尺度策略的多尺度去摩尔纹网络，所述多尺度去摩尔纹网络采用多尺度设计，由两个渐进纹理融合模块和多个残差摩尔纹去除模块组成；步骤S3、构建用于训练所述多尺度去摩尔纹网络的损失函数；步骤S4、采用训练数据集训练所述多尺度去摩尔纹网络；步骤S5、将待处理的摩尔纹图像输入训练好的多尺度去摩尔纹网络，输出去除摩尔纹后的干净图像。该方法及系统有利于实现高质量的图像去摩尔纹。
-
公开(公告)号：CN114639070A
公开(公告)日：2022-06-17
申请号：CN202210250535.9
申请日：2022-03-15
Applicant: 福州大学
IPC: G06V20/52 , G06K9/62 , G06V10/774 , G06V10/80 , G06V10/84
Abstract: 本发明提出一种融合注意力机制的人群运动流量分析方法，包括：将人群轨迹数据集中的图像和轨迹数据进行数据预处理，得到局部图像块与其对应的稠密光流图、密度分布图、运动速度图和瞬时运动流量图，并将数据集划分为训练集与测试集；以及，设计融合人群密度分布特征和运动特征的注意力机制模块；设计融合注意力机制的人群运动流量分析网络，使用所设计的网络训练融合注意力机制的人群运动流量分析模型；将图像输入到训练好的融合注意力机制的人群运动流量分析模型中，输出对应的人群瞬时运动流量估计图，最后以人群瞬时运动流量估计图在划定框上的投影值作为此时刻区域内经过的人数。
-
公开(公告)号：CN111798400A
公开(公告)日：2020-10-20
申请号：CN202010700648.5
申请日：2020-07-20
Applicant: 福州大学
Abstract: 本发明涉及一种基于生成对抗网络的无参考低光照图像增强方法及系统，该方法包括以下步骤：分别对原始分辨率的低光照图像和正常光照图像进行预处理，得到用于训练的不成对的低光照图像块和正常光照图像块；构建用于低光照增强的生成器网络和用于进行对抗训练的判别器网络；使用低光照图像块和正常光照图像块交替训练生成器网络和判别器网络收敛到纳什平衡；将用于测试的原始低光照图像输入训练好的生成器网络预测其增强后的图像。该方法及系统有利于提高低光照图像增强的质量。
-
Patent Agency Ranking
公开(公告)号：CN111669563A
公开(公告)日：2020-09-15
申请号：CN202010563773.6
申请日：2020-06-19
Applicant: 福州大学
IPC: H04N13/106 , G06K9/62 , G06N3/04
Abstract: 本发明涉及一种基于强化学习的立体图像视觉舒适度增强方法，首先构造两种数据集，然后设计立体图像几何校正网络，依次采用不同的单一变换数据集训练该网络分别得到不同的立体图像几何校正工具；接着设计视觉舒适度增强模型，利用混合变化数据集并采用强化学习算法来训练该视觉舒适度增强模型；最后将待调整的立体图像输入训练好的视觉舒适度增强模型中，以提高其视觉舒适度。本发明可以显著提高视觉不适的立体图像的质量，给予观看者舒适的观看体验。
-
公开(公告)号：CN118968072B
公开(公告)日：2025-04-22
申请号：CN202411429811.3
申请日：2024-10-14
Applicant: 厦门众联世纪股份有限公司 , 福州大学
Abstract: 本发明公开一种图标语义分割方法、系统及存储介质，包括：步骤S1、将图像数据集划分为训练集和测试集，对图标图像和对应标签进行数据预处理；步骤S2、构建基于多级特征聚合机制的第一图标语义分割模型；步骤S3、训练集图标图像训练第一图标语义分割模型；步骤S4、构建基于嵌套编解码结构的第二图标语义分割模型；步骤S5、训练集图标图像训练第二图标语义分割模型；步骤S6、将非透明底图标测试图像分别输入到训练好的模型中，输出对应的语义分割掩码图，通过对比学习模型计算语义分割掩码图与文本的相似性分数，自动选择分数最高的语义分割掩码图作为最终语义分割结果。本案提高了图标语义分割算法的性能和精度。
-
公开(公告)号：CN118968072A
公开(公告)日：2024-11-15
申请号：CN202411429811.3
申请日：2024-10-14
Applicant: 厦门众联世纪股份有限公司 , 福州大学
Abstract: 本发明公开一种基于双模型预测与自动筛选机制的图标语义分割方法、系统及存储介质，包括：步骤S1、将图像数据集划分为训练集和测试集，对图标图像和对应标签进行数据预处理；步骤S2、构建基于多级特征聚合机制的第一图标语义分割模型；步骤S3、训练集图标图像训练第一图标语义分割模型；步骤S4、构建基于嵌套编解码结构的第二图标语义分割模型；步骤S5、训练集图标图像训练第二图标语义分割模型；步骤S6、将非透明底图标测试图像分别输入到训练好的模型中，输出对应的语义分割掩码图，通过对比学习模型计算语义分割掩码图与文本的相似性分数，自动选择分数最高的语义分割掩码图作为最终语义分割结果。本案提高了图标语义分割算法的性能和精度。
-
公开(公告)号：CN114881888B
公开(公告)日：2024-09-06
申请号：CN202210649880.X
申请日：2022-06-10
Applicant: 福州大学
Abstract: 本发明提出一种基于线性稀疏注意力Transformer的视频去摩尔纹方法，训练基于线性稀疏注意力Transformer的视频去摩尔纹网络，以实现在训练完成后对输入的视频去除摩尔纹；所述基于线性稀疏注意力Transformer的视频去摩尔纹网络包括：特征提取模块，用于对视频帧进行特征提取；空间Transformer模块、时间Transformer模块以及，图像重建模块，用于将经过空间Transformer模块和时间Transformer模块的视频帧特征进行解码，恢复成与输入视频尺度相同的去摩尔纹视频帧。
-
公开(公告)号：CN114639070B
公开(公告)日：2024-06-04
申请号：CN202210250535.9
申请日：2022-03-15
Applicant: 福州大学
IPC: G06V20/52 , G06V10/774 , G06V10/80 , G06V10/84
Abstract: 本发明提出一种融合注意力机制的人群运动流量分析方法，包括：将人群轨迹数据集中的图像和轨迹数据进行数据预处理，得到局部图像块与其对应的稠密光流图、密度分布图、运动速度图和瞬时运动流量图，并将数据集划分为训练集与测试集；以及，设计融合人群密度分布特征和运动特征的注意力机制模块；设计融合注意力机制的人群运动流量分析网络，使用所设计的网络训练融合注意力机制的人群运动流量分析模型；将图像输入到训练好的融合注意力机制的人群运动流量分析模型中，输出对应的人群瞬时运动流量估计图，最后以人群瞬时运动流量估计图在划定框上的投影值作为此时刻区域内经过的人数。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.031 seconds)
