-
公开(公告)号：CN116012839A
公开(公告)日：2023-04-25
申请号：CN202310073803.9
申请日：2023-01-18
Applicant: 福州大学
IPC: G06V20/69 , G06V10/778 , G06V10/774 , G06V10/22 , G06V10/72 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于多光子肿瘤相关胶原特征的乳腺癌切缘识别方法，包括：获取乳腺癌多光子图像；根据乳腺癌多光子图像中的肿瘤相关胶原特征，在乳腺癌多光子图像中采集设定数量的图像块，对其进行数据清洗和数据预处理，构造训练数据集；构建组织成分识别模块并用其学习训练数据集中的特征信息；根据乳腺组织病理特点和临床肿瘤切除原则，构建组织成分可视化模块，显示组织成分识别结果；对给定的乳腺癌多光子图像进行从局部到整体的识别，以滑动窗口的方式重叠地将图像块输入到组织成分识别模块，输出组织成分类别；最后将所有的组织成分识别结果整合，形成最终的切缘识别结果。该方法有利于快速、自动地识别切除范围和乳腺癌切缘位置。
-
公开(公告)号：CN115965815A
公开(公告)日：2023-04-14
申请号：CN202211736527.1
申请日：2022-12-31
Applicant: 福州大学
IPC: G06V10/764 , G06V10/77 , G06T5/00 , G06N3/0895
Abstract: 本发明涉及一种融合标签去噪的半监督模型泛化方法，包括：步骤1、利用伪标签生成模型生成无标签源域数据的伪标签；步骤2、采用对偶校准泛化模型在伪标签和真实标签的源域上学习，根据small‑loss策略选取干净样本进行交换，双方在筛选出的干净样本上进行更新，同时插入风格混淆模块来提高模型的泛化能力；步骤3、中间域包括有标签源域和具有干净样本的无标签源域，渐进式中间域生成模块将这两部分样本进行线性混合，进入到下一个循环中作为伪标签生成模型的新的有标签源域数据。该方法有利于提高模型的泛化能力。
-
公开(公告)号：CN115760622A
公开(公告)日：2023-03-07
申请号：CN202211458018.7
申请日：2022-11-16
Applicant: 福州大学
IPC: G06T5/00 , G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/088 , G06N3/094
Abstract: 本发明提供了一种拼接显微图像的无监督自适应条纹校正方法，包括以下步骤：步骤S1：对带条纹的拼接显微图像进行数据预处理；步骤S2：构造非配对的正负样本作为训练数据；步骤S3：设计对生成结果进行评估的判别器；步骤S4：训练对抗式网络模型；步骤S5：对给定的待修复图像进行从局部到整体的校正，以滑动窗口的方式重叠地将图像块输入到条纹校正模块，输出校正块；最后将所有的校正块合并，形成最终的校正结果。该方法不需要调整光学仪器的设置，且不依赖估计的物理参数或原始拼接信息。该方法可适用于大多数成像实验中训练数据不足的情况。
-
公开(公告)号：CN114881888A
公开(公告)日：2022-08-09
申请号：CN202210649880.X
申请日：2022-06-10
Applicant: 福州大学
Abstract: 本发明提出一种基于线性稀疏注意力Transformer的视频去摩尔纹方法，训练基于线性稀疏注意力Transformer的视频去摩尔纹网络，以实现在训练完成后对输入的视频去除摩尔纹；所述基于线性稀疏注意力Transformer的视频去摩尔纹网络包括：特征提取模块，用于对视频帧进行特征提取；空间Transformer模块，以使用空间Transformer的空间注意力捕捉单帧图像中存在摩尔纹的位置并进行重点去除；时间Transformer模块，以使用时间Transformer的时间注意力捕捉多帧图像间存在的互补信息，并利用相邻帧的互补信息进行图像恢复；以及，图像重建模块，用于将经过空间Transformer模块和时间Transformer模块的视频帧特征进行解码，恢复成与输入视频尺度相同的去摩尔纹视频帧。
-
公开(公告)号：CN112613303A
公开(公告)日：2021-04-06
申请号：CN202110020656.X
申请日：2021-01-07
Applicant: 福州大学
IPC: G06F40/253 , G06F40/242 , G06F40/284 , G06F40/30 , G06K9/46 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于知识蒸馏的跨模态图像美学质量评价方法。包括以下步骤：S1：设计图文多模态美学质量评价的教师网络；S2：设计用于图像美学质量评价的学生网络；S3：设计用于进行对抗训练的判别器网络；S4：设计用于训练教师网络和学生网络的损失函数；S5：使用损失函数对步骤S1、S2及S3所设计网络进行训练；S6：将用于测试的图像输入训练好的学生网络预测其美学质量。本发明方法能显著提高美学质量预测精度。
-
Patent Agency Ranking
公开(公告)号：CN111950655A
公开(公告)日：2020-11-17
申请号：CN202010861877.5
申请日：2020-08-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于多领域知识驱动的图像美学质量评价方法，步骤S1：设计一个密集连接网络作为主干网络，提取图像的美学特征；S2：设计一个半监督学习算法，同时从有标签和无标签图像学习风格特征，提取图像的风格特征；S3：使用场景语义分类数据集和情感分类数据集训练场景语义分类模型和情感分类模型，提取图像的语义特征和情感特征；S4：使用梯度提升算法XGBoost，对提取到的特征进行特征筛选与融合，分别训练SVM分类模型和SVR回归模型来预测图像的美学质量。本发明能显著提高美学质量预测精度。
-
公开(公告)号：CN116012839B
公开(公告)日：2025-05-09
申请号：CN202310073803.9
申请日：2023-01-18
Applicant: 福州大学
IPC: G06V20/69 , G06V10/778 , G06V10/774 , G06V10/22 , G06V10/72 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于多光子肿瘤相关胶原特征的乳腺癌切缘识别方法，包括：获取乳腺癌多光子图像；根据乳腺癌多光子图像中的肿瘤相关胶原特征，在乳腺癌多光子图像中采集设定数量的图像块，对其进行数据清洗和数据预处理，构造训练数据集；构建组织成分识别模块并用其学习训练数据集中的特征信息；根据乳腺组织病理特点和临床肿瘤切除原则，构建组织成分可视化模块，显示组织成分识别结果；对给定的乳腺癌多光子图像进行从局部到整体的识别，以滑动窗口的方式重叠地将图像块输入到组织成分识别模块，输出组织成分类别；最后将所有的组织成分识别结果整合，形成最终的切缘识别结果。该方法有利于快速、自动地识别切除范围和乳腺癌切缘位置。
-
公开(公告)号：CN118823685B
公开(公告)日：2024-12-17
申请号：CN202411298363.8
申请日：2024-09-18
Applicant: 厦门众联世纪股份有限公司 , 福州大学
IPC: G06V20/52 , G06V10/24 , G06V10/774 , G06V10/82 , G06V10/44 , G06V10/75 , G06V10/764 , G06N3/0455 , G06N3/0464 , G06N3/09 , G06N3/0495 , G06N3/042
Abstract: 本发明涉及一种基于混合专家网络的人群定位方法、系统和存储介质，具体包括以下步骤：步骤S1：将人群数据集划分为训练集、验证集和测试集，对数据集中的人群图像及对应的人群位置标签执行预处理；步骤S2：构建卷积神经网络编码器，将训练图像输入进行编码以及深度特征提取；步骤S3：构建混合专家Transformer模块，结合其自注意力机制和混合专家网络，针对输入特征的不同区域进行专门处理，进一步提炼人群位置特征；步骤S4：构建KMO匹配器，用于匹配真实人群坐标与预测人群坐标，监督模型训练；步骤S5：构建并训练基于混合专家网络的人群定位模型；步骤S6：将人群图像输入到人群定位模型中，输出预测的人群位置信息。
-
公开(公告)号：CN118351138A
公开(公告)日：2024-07-16
申请号：CN202410444143.5
申请日：2024-04-12
Applicant: 福州大学
IPC: G06T7/246 , G06V10/25 , G06V10/40 , G06V10/771 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明涉及一种融合原型学习机制的通用类别多目标跟踪方法。包括：将目标计数数据集中提供的点标注进行预处理，获取每个目标的粗糙边界框标注信息；以及，构建对感兴趣目标的原型特征进行建模的原型特征学习模块；基于获得的对感兴趣目标的原型特征进行建模的原型特征学习模块，构建融合原型学习机制的通用类别多目标跟踪网络；训练融合原型学习机制的通用类别多目标跟踪模型；将图像输入到训练好的融合原型学习机制的通用类别多目标跟踪模型中，输出对应的目标边界框，最后使用目标关联算法获得感兴趣目标的轨迹。
-
公开(公告)号：CN116883667A
公开(公告)日：2023-10-13
申请号：CN202310958101.9
申请日：2023-08-01
Applicant: 福州大学
IPC: G06V10/26 , G06V10/764 , G06V10/774 , G06V10/54 , G06V10/40
Abstract: 本发明的目的是提出基于困难类别感知机制的夜间街景语义分割方法。利用曝光纹理图，通过梯度反向传播，使得编码器隐式的学习图像中的曝光特征和纹理特征，同时使用困难类别感知模块加强困难类别语义分割网络对困难类别的识别和定位能力，有效地提高了夜间街景语义分割算法的性能。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.02 seconds)
