-
公开(公告)号：CN110931046A
公开(公告)日：2020-03-27
申请号：CN201911201939.3
申请日：2019-11-29
Applicant: 福州大学
Abstract: 本发明涉及一种面向重叠声音事件检测的音频高层语义特征提取方法及系统，首先构建音频文件训练数据集，针对训练集中的不同场景的音频文件，选取梅尔能量特征构成输入矩阵；然后构建CBG深度卷积神经网络，将步骤S1得到的输入矩阵输入CBG深度卷积神经网络中，进行训练；最后对给定的音频文件，提取其梅尔能量特征，输入训练好的CBG深度卷积神经网络中，得到高层语义特征输出。本发明将传统音频物理特征变换为高层语义特征，可以提高后续检测的精度。
-
公开(公告)号：CN110874406A
公开(公告)日：2020-03-10
申请号：CN201911130977.4
申请日：2019-11-18
Applicant: 福州大学
IPC: G06F16/335 , G06F16/9535 , G06F40/30
Abstract: 本发明涉及一种为预印本网络中拟投稿的论文推荐合适期刊及审稿人的方法，先获取预印本网络arXiv和DBLP文献网络，将这两个网络中同名论文通过锚链接进行对齐，得到两个对齐的文献网络；采用面向文献网络的随机游走策略，得到随机游走下所有分属于DBLP和arXiv的节点对之间节点相似度，再采用锚节点下的节点相似度迁移策略，将DBLP中的信息迁移到arXiv中，最后在两个对齐的文献网络中，计算时间感知矩阵TM，根据TM来计算节点间带时间感知的相似度矩阵M，通过M得到arXiv中待审稿论文和各期刊间相似度向量V，得到为预印本网络中拟投稿的论文推荐的合适期刊及审稿人的列表。本发明考虑到了网络的拓扑结构信息、节点的语义信息，从而使得最后的推荐结果更为合理。
-
公开(公告)号：CN110827804A
公开(公告)日：2020-02-21
申请号：CN201911111989.2
申请日：2019-11-14
Applicant: 福州大学
Abstract: 本发明涉及一种音频帧序列到事件标签序列的声音事件标注方法，包括如下步骤：步骤S1:从给定音频文件中提取梅尔能量特征，并将其处理成特征序列；步骤S2:根据得到的特征序列，使用三层卷积神经网络提取每帧的抽象特征，并通过双向门限递归单元神经网络提取帧综合特征序列；步骤S3:根据得到的综合特征序列，通过Softmax前馈神经网络层作为注意力机制层，得到注意力特征,并进一步得到事件标签序列；步骤S4:将得到的所有音频片段的声音事件标签序列联合，并进行合并和平滑处理,得到检测结果。本发明使用多任务损失机制，在降低误检测的同时提高事件检出率，改善定位准确度，最后对模型输出进行平滑和合并处理，以显著提高音频文件中声音事件的标注精度。
-
公开(公告)号：CN110298345A
公开(公告)日：2019-10-01
申请号：CN201910606180.0
申请日：2019-07-05
Applicant: 福州大学
Abstract: 本发明涉及一种医学图像数据集的感兴趣区域自动标注方法，首先构建感兴趣区域检测网络，获取医学图像数据集中每张医学图像中的感兴趣区域；然后从所述感兴趣区域中选取置信度最高的N个感兴趣区域；接着利用深度网络学习并分别提取所述N个感兴趣区域的特征；然后将提取得到的N个特征分别输入到感知机中，经过sotfmax函数计算N个感兴趣区域为目标类的概率；最后将上一步得到的概率与一个Leakey noisy-or gate结合，获得最终为目标类的可能性以完成感兴趣区域的自动标注任务。本发明同时能够解决检测步骤中的感兴趣区域漏检问题，从而提供更具意义的参考意见。
-
公开(公告)号：CN110246145A
公开(公告)日：2019-09-17
申请号：CN201910540017.9
申请日：2019-06-21
Applicant: 福州大学
Abstract: 本发明涉及一种腹部CT图像的分割方法，包括步骤S1:构建脏器图像分割模型并利用源域数据进行预训练；步骤S2:将源域数据与目标域数据输入到脏器分割模型中，获得预测结果；步骤S3:根据源域数据的到的预测结果，获得分割的损失，并训练脏器图像分割模型；步骤S4:将脏器图像分割模型的预测结果作为判别模型的输入，获得分类损失，训练判别模型，并通过梯度反转层反向传播到脏器图像分割模型中；步骤S5:最大化分割损失和最小化分类损失，形成对抗损失，并用于训练脏器分割模型与判别模型，形成脏器图像分割模型。本发明将域适应方法结合脏器图像分割模型，分割医学图像中不同的脏器区域，解决医学图像中数据量少无标签且数据来源不同造成域偏移的问题。
-
Patent Agency Ranking
-
公开(公告)号：CN105957092B
公开(公告)日：2018-10-30
申请号：CN201610375414.1
申请日：2016-05-31
Applicant: 福州大学
Abstract: 本发明涉及一种用于计算机辅助诊断的乳腺钼靶图像特征自学习提取方法，首先从乳腺钼靶病灶区域图像ROI中提取手工浅层特征，构成训练样本集；随后，利用训练样本集训练出一个堆叠自编码器，完成乳腺钼靶图像从浅层特征到高层语义特征的自学习提取。本发明采用逐层贪婪无监督训练的方式，从已有的乳腺钼靶图像数据中去自学习高层语义特征，避免了人工干涉，该方法实现灵活，为临床诊断提供更有价值的“参考意见”，具有较强的实用性。
-
公开(公告)号：CN108460114A
公开(公告)日：2018-08-28
申请号：CN201810134366.6
申请日：2018-02-09
Applicant: 福州大学
Abstract: 本发明涉及一种基于层次注意力模型的图像检索方法。包括S1.建立层次注意力模型以得出图像的显著性目标及其对应的显著值，并按其显著性值排序；S2.利用层次注意力模型将数据库图像分成背景与显著性目标区域，并对每个显著性目标区域提取SIFT特征、HSV颜色直方图及语义特征；S3.对待搜寻图像的各个显著性目标提取SIFT特征、HSV颜色直方图及语义特征；S4.将待搜寻图像的特征与数据库图像进行特征相似度匹配，对各个显著性目标的相似度进行加权排序得到基于显著性目标的检索结果。本发明将图像显著性加入到图像检索中，并按显著性目标的重要程度进行检索与加权，从而能够将检索结果按重要度分级，使得检索结果可以区分主次。
-
公开(公告)号：CN108416780A
公开(公告)日：2018-08-17
申请号：CN201810255893.2
申请日：2018-03-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于孪生-感兴趣区域池化模型的物体检测与匹配方法，使用了一个融合了全卷积网络结构和感兴趣区域池化层两个方法的孪生-感兴趣区域池化模型，采用了全卷积网络结构以适应不同大小的输入单元，通过网络逐层抽象获得判别性特征，并引入相关卷积层用于判定目标框与当前视频帧的特征相似性并输出目标框在当前视频帧中对应位置的响应图，再添加ROI Pooling层以应用于目标检测。本发明能够在复杂情形下仍旧良好地进行检测。
-
公开(公告)号：CN108198200A
公开(公告)日：2018-06-22
申请号：CN201810076414.0
申请日：2018-01-26
Applicant: 福州大学
IPC: G06T7/20
Abstract: 本发明涉及一种跨摄像头场景下指定行人在线跟踪方法，通过在任一摄像头视野区域内标定出感兴趣的行人，根据获得的基本信息创建并初始化跟踪器；当指定行人离开当前摄像头视野区域后，将行人状态设置为挂起检测，等待下一步行人数据关联操作；当跟踪视野区域内有新行人进入时，则将挂起状态的行人和新目标行人进行通过关联算法判断是否属于同一个行人；根据基于深度学习的数据关联算法得到两个目标行人的相似值，当相似值大于阈值，则更新对应的跟踪器，进而得到感兴趣目标行人在整个摄像头网络中的完整运动轨迹。本发明提出的一种跨摄像头场景下指定行人在线跟踪方法，提高了多摄像头场景下非重叠视野区域目标跟踪的实用性和准确度。
-
-
-
-
-
-
-
-
-
Search Results
123
records
(took 0.044 seconds)
