-
公开(公告)号：CN119848569A
公开(公告)日：2025-04-18
申请号：CN202510315537.5
申请日：2025-03-18
Applicant: 华侨大学
IPC: G06F18/22 , G06N3/0455 , G06F18/15 , G06F18/213 , G06F18/25
Abstract: 本发明公开了融合3D点云的多模态自编码器零配件智能检测方法及装置，涉及图像处理领域，方法包括：S1，获取各型号零配件的体积、重量和3D点云数据；进行归一化和2D深度图像转化；S2，将2D深度图像进行裁剪和特征提取，与归一化的重量和体积数据进行特征融合，得到多模态特征；S3，进行灰度化处理得到多模态特征灰度图；S4，划分训练集和测试集；使用训练集训练自编码器模型；S5，将测试集输入训练好的自编码器模型，得到各型号零配件的特征编码；S6，将待检测零配件的多模态特征灰度图输入训练好的自编码器模型，得到待检测零配件的特征编码，进行特征比对得到型号信息。本发明用自编码器提取融合3D点云的多模态特征，提高了零配件检测准确性。
-
公开(公告)号：CN119831991A
公开(公告)日：2025-04-15
申请号：CN202510305282.4
申请日：2025-03-14
Applicant: 华侨大学
IPC: G06T7/00 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06V10/44 , G06V10/75
Abstract: 本发明涉及目标检测技术领域，公开了一种基于自编码器与改进ResNet18模型的陶瓷包装检测方法，包括以下步骤：数据库构建步骤，构建陶瓷包装盒图像数据库；模型构建步骤，结合改进的ResNet18和CBAM构建产品包装盒状态检测模型；图像采集步骤，采集待检测陶瓷包装盒的图像作为检测图像，利用自编码器模型将检测图像与陶瓷包装盒图像数据库进行匹配，获取位置信息；图像分割步骤，利用位置信息对检测图像进行区域分割，提取待检测的子图像；包装检测步骤，子图像输入到产品包装盒状态检测模型，检测是否漏装陶瓷。本发明在复杂工业环境中展现出优异的适应性与鲁棒性，为智能化包装检测的准确性和可靠性奠定了坚实的基础。
-
公开(公告)号：CN119809940A
公开(公告)日：2025-04-11
申请号：CN202510287141.4
申请日：2025-03-12
Applicant: 华侨大学 , 信泰(福建)科技有限公司
IPC: G06T3/4076 , G06N3/0464 , G06N3/048 , G06T3/4046 , G06V10/44 , G06V10/80 , G06V10/82
Abstract: 一种基于状态模型的光场图像超分辨率重建方法和装置，包括：构建浅层特征提取模块，用于对输入的待重建的光场图像的子孔径图像形式提取浅层特征；利用状态空间模型构建深层特征提取单元；基于所述深层特征提取单元构建光场空角特征重建模块，用于对所述浅层特征重建光场空角特征；基于所述深层特征提取单元构建光场结构特征重建模块，用于对所述浅层特征重建光场结构特征；构建高分辨率图像重建模块，用于将所述浅层特征、所述光场空角特征和所述光场结构特征进行层次特征融合和上采样得到重建高分辨率光场图像。本发明通过利用状态空间模型的动态特性，显著提升光场图像超分辨率方法的全局空角信息表征能力和细节重建能力。
-
公开(公告)号：CN116051423A
公开(公告)日：2023-05-02
申请号：CN202310206847.4
申请日：2023-03-07
Applicant: 华侨大学
Abstract: 本发明公开了基于空间频域滤波的激光散斑衬比血流成像方法及系统，涉及生物组织医学成像领域。该方法包括：S1，图像采集步骤；S2，二维快速傅里叶变换步骤；S3，空间频域滤波步骤；S4，二维快速傅里叶逆变换步骤；S5，时域处理步骤；S6，调制步骤。本发明通过空间频域滤波提取散斑图像中的背景信号，抑制光照背景的不均匀性；相比于一维快速傅里叶变换，利用二维快速傅里叶变换分析法来分离散斑信号和背景信号，有效降低计算复杂度的同时提高计算速度；利用空间频域滤波和时域叠加平均散斑信号计算深度调制衬比值，有效提高LSCI成像的衬比度和信噪比，也因此进一步提升了成像的动态范围。
-
公开(公告)号：CN114239861A
公开(公告)日：2022-03-25
申请号：CN202111543069.5
申请日：2021-12-16
Applicant: 华侨大学
IPC: G06N20/20 , G06V10/778 , G06V10/776 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明实例公开了一种基于多教师联合指导量化的网络模型压缩方法及系统，利用模型量化降低深度神经网络的存储开销，提高推理速度；基于在线同步学习的联合训练范式，结合集成学习中对弱学习进行线性组合构建强学习的思想，由多个教师网络对学生网络进行量化感知训练，充分利用教师网络提供的量化梯度信息，以弥补量化压缩造成的性能损失；最后，再以全精度模型作为教师网络，通过离线知识蒸馏进一步训练量化学生网络，最终得到精度不逊于复杂模型的轻量级模型。本发明有效结合了模型量化、知识蒸馏以及集成学习的优势，在实现模型压缩与加速的同时也提升了模型性能。
-
Patent Agency Ranking
公开(公告)号：CN114022697A
公开(公告)日：2022-02-08
申请号：CN202111109745.8
申请日：2021-09-18
Applicant: 华侨大学
Abstract: 本发明实例公开了一种基于多任务学习与知识蒸馏的车辆再辨识方法及系统，利用多任务学习架构使网络同时学习多个相关联任务所需的知识，从而习得表征更丰富的通用特征，提高模型的泛化能力；同时，将多任务学习训练得到的模型作为教师网络，将结构相似、参数量更少的紧凑模型作为学生网络，通过知识蒸馏，利用大型教师网络的内部层间知识对小型学生网络的训练进行监督，得到精度不逊于复杂模型的轻量化模型。本发明针对车辆再辨识的任务特点改进了网络结构与训练范式，既提升了模型性能，也对其进行了有效的压缩与加速。
-
公开(公告)号：CN119762721A
公开(公告)日：2025-04-04
申请号：CN202510261796.4
申请日：2025-03-06
Applicant: 华侨大学 , 信泰(福建)科技有限公司 , 福建省万物智联科技有限公司
IPC: G06T19/20 , G06T9/00 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于语义与几何引导的多阶段Mamba点云补全方法及装置，涉及点云处理领域，包括：构建基于语义与几何引导的多阶段Mamba点云补全模型并训练，得到经训练的多阶段Mamba点云补全模型；多排序策略Mamba解码器单元包括依次连接的若干个阶段的多排序策略Mamba解码器；获取待补全的不完整点云并输入到经训练的多阶段Mamba点云补全模型，不完整点云经过Transformer‑Mamba联合的点云局部特征编码单元，得到编码特征，编码特征输入到稀疏点云生成单元中，得到稀疏点云；稀疏点云输入到多排序策略Mamba解码器单元中，得到解码特征，解码特征经过点云上采样单元，得到预测的完整点云，克服现有Transformer编码器‑解码器结构二次方复杂度和局部细节丢失的问题。
-
公开(公告)号：CN118552409A
公开(公告)日：2024-08-27
申请号：CN202411017310.4
申请日：2024-07-29
Applicant: 华侨大学 , 信泰(福建)科技有限公司 , 福建省万物智联科技有限公司
IPC: G06T3/4053 , G06N3/0455 , G06N3/08 , G06T5/60
Abstract: 本发明公开了一种基于小波变换和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：将待重建的低分辨率图像和上采样因子输入经训练的图像超分辨率模型，待重建的低分辨率图像输入第一卷积层，得到第一卷积层的输出特征并输入第一个基于小波变换的Transformer模块，经过若干个基于小波变换的Transformer模块的特征提取，将最后一个基于小波变换的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，其中亚像素卷积层的尺度因子为上采样因子。本发明可解决现有Transformer方法计算复杂度过高的问题。
-
公开(公告)号：CN117726820A
公开(公告)日：2024-03-19
申请号：CN202311834754.2
申请日：2023-12-28
Applicant: 华侨大学
IPC: G06V10/26 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于MobileViT与UNet模型的图像分割方法及系统，应用图像识别领域，方法包括：将原始的RGB三通道图像大小进行调整，并对应调整标签图像大小；将调整后的RGB图像输入分割模型进行训练，获得训练好的模型参数；所述分割模型包括编码器和解码器；所述编码器用于对调整后的RGB图像进行特征提取；所述解码器的输入为所述编码器的输出，所述解码器输出与编码器部分相同空间分辨率的特征图；使用训练好的分割模型进行图像分割，输出与标签图像的大小一致的分割图像。本发明降低了模型的计算成本，提高了分割速度和分割精度，适用于实时和大规模应用。
-
公开(公告)号：CN117173609A
公开(公告)日：2023-12-05
申请号：CN202311112440.1
申请日：2023-08-31
Applicant: 华侨大学
IPC: G06V20/40 , G06V10/52 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法及装置，该方法包括：获取视频中采用随机抽样方式抽取的视频帧；构建视频质量评价模型并进行训练，得到经训练的视频质量评价模型，视频质量评价模型包括依次连接的特征提取模块、通道注意力模块、视频时序特征提取模块和平均池化层，特征提取模块用于提取视频帧中的多尺度特征，通道注意力模块用于对多尺度特征进行特征加权，视频时序特征提取模块用于进行特征提取得到时空维度特征，并经过平均池化层计算视频对应的质量分数；将视频帧输入经训练的视频质量评价模型，得到视频的质量分数，具有较好的屏幕视频质量评价效果。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.046 seconds)
