-
公开(公告)号：CN118655523A
公开(公告)日：2024-09-17
申请号：CN202410909950.X
申请日：2024-07-08
Applicant: 福州大学
IPC: G01S5/22 , G06N3/0464 , G06N3/045 , G06N3/08 , G06F18/213 , G06F18/25
Abstract: 本发明提供一种基于频域动态卷积和Conformer的声源定位方法，首先对麦克风阵列捕获的多通道音频进行对数幅度谱和相位谱的计算，并进行串联融合。将融合后的特征输入CNN‑Conformer网络中，网络输出直接路径相位差，然后通过网络输出的直接路径相位差计算空间响应功率谱，最后对空间响应功率谱进行谱峰搜索得到最终的声源位置。本发明的模型将频域动态CNN和Conformer模块结合，能够释放卷积在频率维度上的平移等变性，缓解了时频谱图中不同频率对应相位差不同导致的定位误差，还可有效地捕获时频谱图中的时间‑频率模式和长期依赖关系。相比已有的CRNN模型，该方法拥有更强的空间特征捕获能力，能够有效提高声源定位精度。
-
公开(公告)号：CN117475306A
公开(公告)日：2024-01-30
申请号：CN202311413919.9
申请日：2023-10-30
Applicant: 福州大学 , 福建省地质测绘院(福建省地质科学研究所)
Abstract: 本发明提出了一种基于改进近邻波段分组的高光谱图像波段选择方法，具体步骤如下：综合每个同质区域的近邻波段相关性系数计算得到全局波段相关性矩阵；之后，构造波段连接图，引入杰卡德系数计算波段间的不相似程度，并与区域级波段距离综合作为局部密度；最后，从分组中根据波段分组长度选择权重最大的波段组成代表性波段。本发明提出区域级波段相关性以划分波段，并引入杰卡德系数改进局部密度算法，通过与信息熵的乘积来衡量波段重要性，达到了降低波段冗余性和噪声波段的影响的同时，提升了波段子集信息量和增强了地物可分性。相比已有方法，本发明方法能克服噪声波段的影响问题，有效提升波段子集的质量和后续的分类性能。
-
公开(公告)号：CN115187863A
公开(公告)日：2022-10-14
申请号：CN202210837954.2
申请日：2022-07-16
Applicant: 福州大学
IPC: G06V20/10 , G06V10/764 , G06V10/778 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种多层次自适应知识蒸馏的轻量化高分遥感场景分类方法，包括以下步骤：步骤S1：将遥感图像数据分别送入教师模型和学生模型进行特征提取；步骤S2：将教师模型和学生模型提取的特征分别送入分类器，通过自适应温度机制对温度进行调整后，将概率分布输出进行蒸馏学习；步骤S3：将教师模型和学生模型提取的特征分别生成对应的空；步骤S4：将教师模型和学生模型提取的特征分别生成对应的通道间相关性，并从教师模型与学生模型的特征的通道间相关性进行蒸馏学习。应用本技术方案能够自适应调整知识蒸馏过程中输出层的蒸馏温度，使得学生模型有选择地学习教师模型的输出层概率分布知识。
-
公开(公告)号：CN114037899A
公开(公告)日：2022-02-11
申请号：CN202111453939.X
申请日：2021-12-01
Applicant: 福州大学
IPC: G06V20/10 , G06V10/764 , G06V10/77
Abstract: 本发明涉及一种基于VIT的面向高光谱遥感图像分类径向累加位置编码系统，包括：数据提取预处理模块，用于从数据集中截取数据，通过PCA主成分分析预处理，并将处理后的数据输入到模型框架中；位置编码模块，将输入的数据从中心点往四周叠加，使每个点的数据附带位置信息；数据拆分模块，将数据划分成多个块状区域，并分别拉伸成一维向量，输入到ViT模型中；主体模型模块，包含一个ViT模型，用于处理输入的数据，输出分类结果。本发明使输入到ViT的数据得以附加更加有效的空间信息，从而提升像素级分类精度。
-
公开(公告)号：CN119784941A
公开(公告)日：2025-04-08
申请号：CN202411836821.9
申请日：2024-12-13
Applicant: 福州大学
Abstract: 本发明涉及一种基于预采样和渐进式语义建模策略的室内场景重建方法；包括以下步骤：构建场景重建模型，场景重建模型包括DFormer模块、主模型模块和语义建模模块；基于NYUv2数据集训练所构建的场景重建模型；将待重建的RGB图像和对应的深度图输入训练好的场景重建模型；主模型模块对输入的RGB图像和对应的深度图进行场景的渲染预采样，获取粗略的体积密度估计，并进行正式的体积和颜色渲染；DFormer模块将RGB图像转换成语义图像；语义建模模块以语义图像及对应的深度图作为输入，通过渐进式语义建模策略辅助细化体积和颜色的渲染效果；实现室内场景的重建。本发明能够显著提升场景重建的效率和精度，实现更精确的细节还原和更高效的渲染过程。
-
Patent Agency Ranking
公开(公告)号：CN115019379B
公开(公告)日：2024-08-30
申请号：CN202210609257.1
申请日：2022-05-31
Applicant: 福州大学
Abstract: 本发明提出一种人机协同的红外睑板腺图像量化分析方法，包括以下步骤；步骤S1、对图像进行睑板腺腺体的语义分割，转化为二值化的腺体图像；步骤S2、识别二值化腺体图像中的单个腺体；步骤S3、自动获取腺体区域的中心线；步骤S4、基于中心线来自动计算单个腺体的长度；步骤S5、基于中心线来自动计算单个腺体的直径；步骤S6、根据上述步骤所得结果，自动计算单个腺体区域的面积；步骤S7、根据上述步骤所得结果，自动计算单个腺体区域的形变系数；步骤S8、根据上述步骤所得结果，自动计算腺体区域的显影值；步骤S9、计算图像中央区域的腺体区域所占百分比；本发明可高效而精准地识别腺体，实现睑板腺腺体主要生物参数的自动计算。
-
公开(公告)号：CN117934848A
公开(公告)日：2024-04-26
申请号：CN202410135405.X
申请日：2024-01-31
Applicant: 福州大学
IPC: G06V10/26 , G06V20/70 , G06V20/10 , G06V10/10 , G06V10/40 , G06V10/80 , G06V10/77 , G06V10/771 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种面向多源数据多区域尺度协同高分遥感图像语义分割方法。首先将经数据增强的多源高分光学图像和nDSM样本图像对分别输入到网络的高分空间分支、高分语义分支和nDSM空间分支，然后将两个数据源图像的空间特征进行拼接融合。最后，将融合特征经语义分割头上采样得到最终的分割结果。本发明的模型能使网络对于特征丰富，融合后的特征由于有nDSM图像的高程信息互补，缓解了高分光学图像中光谱混淆以及高分遥感图像固有的类内差异大，类间差异小造成语义分割难的问题。将融合特征应用于语义分割网络，相比已有的单源可见光图像分割方法和多源nDSM分割方法，该发明方法能够有效提高语义分割精度。
-
公开(公告)号：CN117079121A
公开(公告)日：2023-11-17
申请号：CN202310620502.3
申请日：2023-05-30
Applicant: 福州大学
IPC: G06V20/10 , G06V10/774 , G06V10/26 , G06V10/40
Abstract: 本发明涉及一种基于自适应编码和两阶段训练的遥感影像建筑物提取方法。通过自适应二进制磁盘编码和两阶段训练策略将深度学习与基于点击的交互式建筑物提取结合，提高了交互式建筑物提取的精度和鲁棒性。自适应二进制磁盘编码改进磁盘编码固定半径带来的交互特征信息不足问题；通过两阶段训练引导模型更多关注交互点击区域的引导特征。相比已有方法，该发明能捕获更有引导性的交互特征，大幅减少建筑物交互点击的次数的条件下获得相同的分割精度。
-
公开(公告)号：CN113642456B
公开(公告)日：2023-08-11
申请号：CN202110921430.7
申请日：2021-08-11
Applicant: 福州大学
IPC: G06V20/10 , G06V10/80 , G06V10/774 , G06T3/40 , G06T7/11 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种基于拼图引导的深度特征融合的高分辨率遥感图像场景分类方法，首先对原始图像生成一个拼图，将拼图送入网络模型的浅层卷积块进行浅层特征的学习，然后将原始图像送入完整的网络模型学习深度全局语义特征，最后将浅层卷积块的输出特征和完整网络的最后一层卷积块的输出特征进行融合，进行分类。本发明的策略能引导网络更加关注模型浅层特征的学习，融合后的特征包含更为丰富的场景信息，增加了目标的可区分性，相比已有方法，该发明方法能够有效提高分类精度，同时提高模型的泛化能力。
-
公开(公告)号：CN113642456A
公开(公告)日：2021-11-12
申请号：CN202110921430.7
申请日：2021-08-11
Applicant: 福州大学
Abstract: 本发明涉及一种基于拼图引导的深度特征融合的高分辨率遥感图像场景分类方法，首先对原始图像生成一个拼图，将拼图送入网络模型的浅层卷积块进行浅层特征的学习，然后将原始图像送入完整的网络模型学习深度全局语义特征，最后将浅层卷积块的输出特征和完整网络的最后一层卷积块的输出特征进行融合，进行分类。本发明的策略能引导网络更加关注模型浅层特征的学习，融合后的特征包含更为丰富的场景信息，增加了目标的可区分性，相比已有方法，该发明方法能够有效提高分类精度，同时提高模型的泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.016 seconds)
