-
公开(公告)号：CN106911807A
公开(公告)日：2017-06-30
申请号：CN201710292083.X
申请日：2017-04-28
Applicant: 厦门理工学院
CPC classification number: H04L67/12 , H04L12/40 , H04L41/145 , H04L63/0435 , H04L2012/40215 , H04L2012/40273
Abstract: 本发明公开一种安全感知的车载CAN FD网络设计空间搜索方法，依据汽车电子功能的安全需求对信号进行分组，分为安全关键功能涉及的安全关键信号组和非安全关键功能涉及的非安全关键信号组；采用对称加密算法对安全关键的CAN FD消息进行安全防护；将CAN FD网络设计涉及的设计空间搜索问题抽象成整数线性规划问题，将安全性、实时性需求、信号打包限制抽象表示为整数线性规划问题中的限制条件，将带宽资源利用率最小化抽象表示为整数线性规划问题的优化目标；最后利用整数线性规划问题求解工具进行求解，得到信号打包的消息集，以及所有消息的属性，从而完成CAN FD网络的设计。此种方法可在保证CAN FD消息安全、可调度的前提下，实现网络带宽利用率的最优化。
-
公开(公告)号：CN105915425A
公开(公告)日：2016-08-31
申请号：CN201610428823.3
申请日：2016-06-16
Applicant: 厦门理工学院
IPC: H04L12/40 , H04L12/911 , H04L12/927
CPC classification number: H04L47/70 , H04L12/40143 , H04L47/828 , H04L2012/40215
Abstract: 本发明公开一种面向车载CAN FD网络的信号分组打包方法，包括如下步骤：步骤1，依据信号的周期大小对信号进行分组，并根据周期大小对分组得到的信号组进行升序排列；步骤2，依据空闲带宽评价指标和整数线性规划算法将信号组依次打包到消息之中，得到消息集；步骤3，按照时间健壮性升序的顺序为打包后得到的消息集分配优先级并进行调度分析，如果打包后得到的消息集不可调度，则对打包后得到的消息集进行拆分以提高整个消息集的可调度性，直到打包后的消息集可调度或没有消息可被拆分为止。此种方法可在保证CAN FD网络可调度的前提下，实现网络带宽利用率的优化。
-
公开(公告)号：CN118898847B
公开(公告)日：2025-01-17
申请号：CN202411390566.X
申请日：2024-10-08
Applicant: 厦门理工学院
IPC: G06V30/16 , G06V30/18 , G06V10/82 , G06N3/0464
Abstract: 本发明提出一种基于注意力导向细节修复的文档图像阴影去除方法，包括以下步骤；步骤S1、利用YCbCr颜色空间变换和亮度信息生成阴影注意力图作为标签，以识别阴影区域；步骤S2、通过阴影注意力生成子网络，采用多尺度大核注意力机制，提取阴影特征，获得最优注意力图；步骤S3、对所述最优注意力图和阴影特征进行动态融合；步骤S4、通过细节细化子网络，采用轻量级空间通道卷积计算并恢复图像细节；步骤S5、基于损失函数，通过端到端训练优化网络参数；步骤S6、使用训练完成的网络对文档图像进行阴影去除处理。旨在有效去除文档图像中的复杂阴影，同时保留图像细节，并以较低的计算复杂度实现。
-
公开(公告)号：CN118378621A
公开(公告)日：2024-07-23
申请号：CN202410808562.2
申请日：2024-06-21
Applicant: 厦门理工学院
IPC: G06F40/279 , G06F40/30 , G06F40/284 , G06N3/045 , G06N3/0475 , G06N3/08
Abstract: 本发明提出一种基于多样特征生成的零样本汉字识别方法，解析汉字的部首组成获取表意描述序列；对表意描述序列进行混合语义嵌入获得多语义向量；对已见类汉字图像进行特征提取获取真实特征；构建特征生成网络学习多语义向量到真实特征的映射；通过已见类训练集进行训练后通过多种未见类语义向量生成未见类特征；利用未见类特征结合已见类训练集的特征共同训练识别模型使其具备识别已见类和未见类汉字能力。本发明通过混合语义嵌入提供多种语义来生成训练样本，有助于缓解合成特征的域迁移问题和特征混淆问题，提高特征生成的泛化能力和鲁棒性；通过为识别模型提供高质量的未见类特征，缓解零样本汉字识别的偏倚问题，提高了未见汉字的识别能力。
-
公开(公告)号：CN117475155B
公开(公告)日：2024-04-02
申请号：CN202311797890.9
申请日：2023-12-26
Applicant: 厦门瑞为信息技术有限公司 , 厦门理工学院
IPC: G06V10/26 , G06V20/13 , G06V20/17 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0895
Abstract: 本发明公开基于半监督学习的轻量级遥感图像分割方法，包括S1、收集原始图像数据集，标注部分数据集以得到部分标注的训练数据集；S2、构建两个完全一致的语义分割模型；S3、将无标签数据同时输入两个语义分割模型，计算输出的一致性损失；S4、将有标签数据同时输入两个语义分割模型，计算交叉熵损失和骰子损失的混合损失作为有监督损失；S5、总损失为一致性损失和两个模型的混合损失三者按权重相加；S6、对总体损失进行优化和反向梯度传播，更新网络参数；S7、在同一测试集分别测试训练好的两个模型，选择其中精度较高的一个模型作为最终模型。本发明可提高遥感图像分割的效率，在较低的参数量和计算复杂度下实现了更高的精度。
-
Patent Agency Ranking
公开(公告)号：CN114998458A
公开(公告)日：2022-09-02
申请号：CN202111434806.8
申请日：2021-11-29
Applicant: 厦门理工学院
Abstract: 本发明提供了一种基于参考图像和数据修正的欠采样磁共振图像重建方法，包括：获取全采样T1加权图像作为参考图像Iref；获取全采样T2加权图像IT2，并转换为欠采样k空间数据y；初始化图像序列Is和初始化互信息值序列MIs；使用基于残差模块的卷积神经网络，建立基于参考图像Iref和欠采样k空间数据y的欠采样磁共振图像重建模型；训练欠采样磁共振图像重建模型；记录重建过程中的重建图像及其与参考图像的互信息值；基于所述互信息值选择最佳的重建图像；对所述最佳的重建图像进行迭代k‑空间数据修正，获得最终的重建图像。本发明能够提高重建图像的准确度。
-
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：CN118898848A
公开(公告)日：2024-11-05
申请号：CN202411399838.2
申请日：2024-10-09
Applicant: 厦门理工学院
IPC: G06V30/16 , G06V30/18 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种基于色彩感知的文档图像阴影去除方法，该方法包括：获取用于训练的文档图像，构成训练集；构建端到端阴影去除模型，其中颜色感知背景提取网络从输入的阴影图像中提取背景特征并预测背景图像，阴影去除网络在第一阶段对输入的阴影图像利用背景特征生成粗略的阴影去除结果，再通过第二阶段进行细化，得到最终的去阴影图像；构建结合结构一致性损失、背景重建损失和外观一致性损失的损失函数，利用训练集对端到端阴影去除模型进行训练，通过训练优化模型参数；将训练完成的端到端阴影去除模型应用于新的文档图像，对文档图像自动进行阴影去除处理。该方法可有效去除文档图像中的阴影并保留文本细节，从而提高文档图像的可读性。
-
公开(公告)号：CN118898722A
公开(公告)日：2024-11-05
申请号：CN202411404225.3
申请日：2024-10-10
Applicant: 厦门理工学院
IPC: G06V10/422 , G06V10/80 , G06V10/774 , G06V10/82 , G06V10/10 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于几何基元空间感知的平面几何自动解题方法，S1将待求解的几何图示和几何题目利用解析器按预设的规则，解析成文本子句，并输入Transformer Encoder中编码；S2将几何图示图像通过卷机神经网络分成64个图示补丁特征并通过自注意力机制学习视觉模态内部特征；S3将这些模态特征输入到多模态双支路空间感知预训练语言模块中以学习跨模态全局特征和几何基元空间信息，并输入到双向GRU编码器中以执行融合编码；S4将混合编码中的文本编码送入点基元空间注意力模块中增强模型对几何基元的空间感知能力；S5将增强的混合编码由自限GRU解码器解码，并生成顺序求解程序。
-
公开(公告)号：CN118898560A
公开(公告)日：2024-11-05
申请号：CN202411398363.5
申请日：2024-10-09
Applicant: 厦门理工学院
IPC: G06T5/77 , G06T5/60 , G06T5/10 , G06N3/0455 , G06N3/0464
Abstract: 本发明提供了一种基于频域挖掘与调制的文档图像修复方法，其步骤如下：步骤S1：通过将退化图片分成多个编码块，得到相对应的特征矩阵。步骤S2：通过图像注意力模块和降采样模块结合的频域特征提取模块对于图像特征矩阵进行多次特征提取，并保存下来每一次的模块提取后的频域细节矩阵。步骤S3：将退化图片（带阴影的图片）输入频域注意力计算模块，并将之和对应的频域细节矩阵进行细化处理，然后进行上采样，重复多次，直到将图片恢复到和原本图片尺度差不多的图像。步骤S4：在最后将之输入到特征恢复模块，得到恢复图像的图片。步骤S5：将训练完成的网络应用于新的文档图像，自动进行阴影去除处理，输出清晰、无阴影的文档图像。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.035 seconds)
