-
公开(公告)号：CN114187446B
公开(公告)日：2024-09-06
申请号：CN202111496286.3
申请日：2021-12-09
Applicant: 厦门大学
IPC: G06V10/26 , G06V10/764 , G06V10/774
Abstract: 一种跨场景对比学习的弱监督点云语义分割方法，涉及三维点云处理领域。1)对弱监督数据集中每个场景的点云数据进行预训练，初始化网络参数，得到模型输出的特征向量和类别预测分布；2)利用现有的网络为无标签样本推理生成其相应的伪标签，并使用动态阈值窗的方法选取一部分可信赖的伪标签；3)利用跨场景的对比约束更新网络参数：添加跨场景对比正则化约束，以更新网络的参数；4)迭代地进行步骤2)和3)，直至模型收敛。在要求不同场景点云相同类别的类别原型具有紧凑性的同时要求不同类别的类别原型之间具有分散性。不需要精心设计数据增加方法，有效降低噪声伪标签对于模型性能的影响。可用于自动驾驶，增强现实设备等。
-
公开(公告)号：CN116109898A
公开(公告)日：2023-05-12
申请号：CN202211579458.8
申请日：2022-12-09
Applicant: 厦门大学
IPC: G06V10/82 , G06V10/20 , G06V10/40 , G06V10/764 , G06N3/0475 , G06N3/094
Abstract: 基于双向对抗训练与关系度量约束的广义零样本学习方法，涉及图像处理领域。1)建立零样本学习的数据集；2)使用预训练好的神经网络提取可见类图像的视觉特征，并对视觉特征进行预处理；3)使用步骤2)提取的视觉特征通过双向对抗训练特征生成网络和属性生成网络，属性生成网络的训练过程同时加入关系度量约束；4)使用特征生成网络来合成不可见类的视觉特征，将可见类和不可见类的视觉特征通过属性生成网络进行微调，使用微调后视觉特征通过交叉熵损失训练分类器。对视觉特征进一步的微调使得视觉特征与语义属性之间由更紧密的联系。基于类间关系的度量学习方式，有效提升特征可判别性的同时提升模型在不可见类缺失情况下的泛化性。
-
公开(公告)号：CN114820326A
公开(公告)日：2022-07-29
申请号：CN202210579505.2
申请日：2022-05-25
Applicant: 厦门大学
IPC: G06T3/40
Abstract: 基于可调节核稀疏化的高效单帧图像超分方法，涉及图像处理领域。通过将用户预定义的稀疏度隐式分配给每个单独的卷积核来实现权重级别的可调节模型稀疏，并由此提供一种基于可调节核稀疏化的高效单帧图像超分方法。为了诱导核稀疏性，引入软阈值函数作为门限约束从而过滤不重要的权重值。为了满足可调节的稀疏度，提出一种动态阈值学习算法，即阈值与网络权重一起更新，与此同时阈值在目标稀疏性引导下进行自适应衰减。该方法本质上为现有的超分大模型提供了在给定资源限制下的动态参数重分配。该方法研究高效轻量级图像超分模型，可用于智能安防、高清画质增强、历史老照片修复等。
-
公开(公告)号：CN111681178B
公开(公告)日：2022-04-26
申请号：CN202010441054.7
申请日：2020-05-22
Applicant: 厦门大学
Abstract: 一种基于知识蒸馏的图像去雾方法，属于图像处理与深度学习技术领域。通过模仿异构任务的知识来训练图像去雾网络，包含两个子网络：一个是教师网络，由自编码网络构成；另一个是学生去雾网络，为端到端去雾网络。教师网络的目标是学习干净图像的特征表示，学生去雾网络的目的是通过模拟干净图像的特征表示将有雾图像映射到清晰图像；学生去雾网络通过学习教师网络所包含的暗知识来提升去雾网络的性能。
-
公开(公告)号：CN113641935A
公开(公告)日：2021-11-12
申请号：CN202110924601.1
申请日：2021-08-12
Applicant: 厦门大学
IPC: G06F16/958 , G06N20/00
Abstract: 本发明公开了一种利用数据增强提高匿名网络网页指纹监控能力的方法，包括：收集预设数量的网络流量；对每一条收集到的网络流量应用预设次三种数据包增强操作，以将每一条网络流量生成多条不同的网络流量；所述三种数据包增强操作包括插入操作(Injecting)、移除操作(Removing)和丢失操作(Losing)；使用增强后的网络流量数据集对分类器进行训练；监控者监听并捕获用户的网络流量，并利用训练好的分类器实现网页指纹识别。本发明通过三个增强操作模拟了真实互联网环境下可能出现的网络异常情况，具有现实意义；限制收集的网络流量在一定程度上解决了网页指纹识别中出现的可复制性困难和引导时间过长的问题。
-
Patent Agency Ranking
公开(公告)号：CN109299688B
公开(公告)日：2021-10-01
申请号：CN201811094792.8
申请日：2018-09-19
Applicant: 厦门大学
Abstract: 基于可变形快速卷积神经网络的舰船检测方法，涉及图像处理。检测方法包括模型训练阶段和舰船检测阶段。可用于民用领域，代替人工实时地对特定港口、港湾、海域对船只进行分类检测，可用于视频监控或图像中的船只检测，也可以对军事港口进行船只检测监控，能及早发现军事情报，为我方军事指挥提供作战依据，掌握战场主动权。通过对兼顾速度和准确度的端到端方法Faster R‑CNN的改进，根据舰船目标的特有性质，对Faster R‑CNN基础网络、RoI‑wise子网络和损失函数进行修改，得到可变形快速卷积神经网络的检测网络的模型结构，实验结果显示，比原Faster R‑CNN方法具有更好的检测速度和精度。
-
公开(公告)号：CN111681263A
公开(公告)日：2020-09-18
申请号：CN202010451026.3
申请日：2020-05-25
Applicant: 厦门大学
Abstract: 基于三值量化的多尺度对抗性目标跟踪算法，涉及图像处理。通过对对抗性目标跟踪算法VITAL进行改进，对预训练的卷积神经网络进行修改，增加其深度的同时对其进行三值量化处理，通过反向传播训练进行微调，在跟踪过程中，采用多尺度投票方式，将多尺度跟踪结果进行融合，进而实现在保证跟踪精度的同时极大压缩模型大小并加快跟踪速度的新型高效跟踪框架；在保证跟踪效果的同时，极大压缩了追踪器模型大小与计算速度，解决了目标追踪不能较好的迁移到移动设备上的痛点；有效解决了目标跟踪任务中的尺度变换问题，使得追踪结果更具有鲁棒性与准确性；在达到与现有的其他目标跟踪方法相当的跟踪性能的基础上，可以达到移动设备的负载要求。
-
公开(公告)号：CN111681180A
公开(公告)日：2020-09-18
申请号：CN202010451040.3
申请日：2020-05-25
Applicant: 厦门大学
Abstract: 先验驱动的深度学习图像去雾方法，涉及图像处理。先通过将传统的先验和深度神经网络学习调整相结合的方式获取有雾图像的雾的浓度分布信息；再使用雾的浓度分布信息约束和引导主要去雾过程，弥补缺乏真实有雾数据集的问题，最后通过金字塔后处理模块进一步恢复图像去雾结果的细节。既能有效捕获有雾图像的统计信息，又能以数据驱动的方式进行动态调整，有效降低去雾模型的参数量和计算量，并且缓解缺乏同一场景成对有雾/无雾数据集的问题。可以简单的实例化到现有的图像去雾模型中，提升算法的泛化性能。能有效地进行去雾，并且泛化性能优于当前其他去雾方法。
-
公开(公告)号：CN109299688A
公开(公告)日：2019-02-01
申请号：CN201811094792.8
申请日：2018-09-19
Applicant: 厦门大学
Abstract: 基于可变形快速卷积神经网络的舰船检测方法，涉及图像处理。检测方法包括模型训练阶段和舰船检测阶段。可用于民用领域，代替人工实时地对特定港口、港湾、海域对船只进行分类检测，可用于视频监控或图像中的船只检测，也可以对军事港口进行船只检测监控，能及早发现军事情报，为我方军事指挥提供作战依据，掌握战场主动权。通过对兼顾速度和准确度的端到端方法Faster R-CNN的改进，根据舰船目标的特有性质，对Faster R-CNN基础网络、RoI-wise子网络和损失函数进行修改，得到可变形快速卷积神经网络的检测网络的模型结构，实验结果显示，比原Faster R-CNN方法具有更好的检测速度和精度。
-
公开(公告)号：CN104992191A
公开(公告)日：2015-10-21
申请号：CN201510438236.8
申请日：2015-07-23
Applicant: 厦门大学
IPC: G06K9/62
CPC classification number: G06K9/6218
Abstract: 基于深度学习的特征和最大置信路径的图像分类方法，属于模式识别领域。在一个足够大的图像库上训练卷积神经网络；利用训练好的卷积神经网络模型提取图像特征；计算每个类的均值向量；利用谱聚类算法对代表每一类的均值向量进行迭代聚类，用以构建视觉树；针对树的每个非叶子节点训练svm；对给定的测试图像，自顶向下，判断测试图片到对应子节点的概率，找到路径概率最大的叶子节点即为最终的目标类。利用CNN提取图像特征，具有很好的判别性和鲁棒性；给出了两个类的距离计算公式，通过推导极大地优化了计算复杂性，得到类之间的相似性，从而迭代使用谱聚类算法构建视觉树；利用类之间的视觉关系，对于大型图像分类有很好的效果。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.023 seconds)
