-
公开(公告)号：CN107766407A
公开(公告)日：2018-03-06
申请号：CN201710755814.X
申请日：2017-08-29
Applicant: 厦门理工学院
CPC classification number: G06F16/29 , G06K9/6215
Abstract: 一种采用两阶段搜索的轨迹相似性连接查询方法，用于对给定的两个轨迹集合P、Q和相似度阈值，寻找两个轨迹集合P、Q之间，时空相似度大于该相似度阈值的轨迹对，包括如下步骤：1)针对集合P中的每一条轨迹，在集合Q中搜索与之在时间维度和空间维度相似的轨迹并保存为该条轨迹的候选集合；2)将集合P中所有轨迹的候选集合进行合并，得到符合要求的所有轨迹对。本发明方法可应用到公路网络相关场景中，使用时间空间两个维度上的连续性匹配方法来计算轨迹之间的相似度，更好地衡量两条轨迹之间的匹配程度，输出令用户满意的结果。
-
公开(公告)号：CN106528610A
公开(公告)日：2017-03-22
申请号：CN201610858350.0
申请日：2016-09-28
Applicant: 厦门理工学院
IPC: G06F17/30
CPC classification number: G06F16/288 , G06F16/2237
Abstract: 本发明公开一种基于路径张量分解的知识图谱表示学习方法，包括如下步骤：步骤1，提取知识图谱中的实体集、关系集和三元组集，把满足三元组的实体集、关系集嵌入到低维连续向量空间；步骤2，通过PRA算法获得实体间的路径；步骤3，在全部实体可能存在的路径上均进行张量分解，计算分解损失函数值；步骤4，重复步骤3，直至达到收敛的预设值或迭代最大次数；步骤5，如果达到迭代最大次数或收敛于预设值，则进入下一个三元组相关的路径计算，重复步骤2至步骤4，直到训练集全部的三元组都被执行；步骤6，输出训练模型中相应的实体集和关系集。此种表示学习方法可提高知识发现的推理准确性，提高预测精度。
-
公开(公告)号：CN114972032B
公开(公告)日：2025-04-25
申请号：CN202210630016.5
申请日：2022-06-06
Applicant: 厦门理工学院
IPC: G06T3/4046 , G06T3/4076 , G06N3/0464
Abstract: 本发明提出基于深度学习的图像超分辨率重建方法及系统，属于图像重建技术领域。方法包括步骤S1：获取第一分辨率组合的多个原始视频帧；S2：将所述多个原始视频帧进行分组，得到多个分组视频帧；S3：针对每一个分组视频帧执行超分辨率重建，得到第二分辨率组合的多个重建视频帧；S4：融合所述多个重建视频帧，得到所述原始视频帧的超分辨率重建结果。系统包括视频帧获取单元、视频帧分组单元、分组重建单元以及视频帧融合单元，用于实现所述方法。本发明的技术方案可以基于原始视频帧的时间戳和视角信息选择对应的深度学习模型执行分辨率重建，避免了单一重建方法带来的视角差异以及时间错误问题。
-
公开(公告)号：CN119832252A
公开(公告)日：2025-04-15
申请号：CN202510309179.7
申请日：2025-03-17
Applicant: 厦门理工学院
IPC: G06V10/26 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/82 , G06V40/14 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供的基于差异性学习模型的血管图像分割方法、装置及设备，涉及神经网络与图像处理领域。本发明通过获取不同模态的3D血管原图像集，并输入血管图像分割模型，在分割模型中，利用模态差异标记方法，得到嵌入了模态特征的重建图；将重建图输入3D UNet编码器提取出低级特征；根据低级特征，通过位置编码器与自注意力机制，生成高级特征；高级特征通过线性层展开为一维向量，并采用Transformer编码器进行优化，生成优化后的特征；然后将Transformer优化后的特征通过逐元素相减的方式，计算出模态间的差异特征，从而得到差异融合特征；差异融合特征通过Transformer编码器进行重塑，得到最后的血管分割结果。本发明能准确捕捉细小血管的形态特征，有效提升血管图像分割的精度。
-
公开(公告)号：CN119741236A
公开(公告)日：2025-04-01
申请号：CN202510246464.9
申请日：2025-03-04
Applicant: 厦门理工学院
IPC: G06T5/77 , G06T3/4038 , G06N3/0455 , G06N3/08 , G06T5/70 , G06T5/60 , G06F17/14
Abstract: 本发明提供了一种甲骨文图像修复方法、装置，涉及图像处理技术领域，本方法通过在频率域中混合不同特征生成挑战性新图像，增强模型泛化能力；其包括训练初始修复模型，设计频带混合模块和掩码生成网络，混合甲骨文图像及其修复版本生成新图像，并以此训练和更新模型。该方法能有效提升甲骨文图像修复的质量，保留文字细节，增强模型鲁棒性；旨在解决甲骨文图像数据稀缺导致的模型泛化能力不足问题。
-
Patent Agency Ranking
公开(公告)号：CN119722498A
公开(公告)日：2025-03-28
申请号：CN202510220613.4
申请日：2025-02-27
Applicant: 厦门理工学院
IPC: G06T5/60 , G06T5/70 , G06T5/73 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/0499 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/048
Abstract: 基于深层特征的医学图像增强方法、装置、设备和介质，涉及图像处理技术领域。其包含步骤S1至步骤S6。S1、获取低分辨率医学图像。S2、将低分辨率医学图像输入作为浅层特征提取模块的初始卷积层，生成初步浅层特征。S3、将初步浅层特征输入第一Mamba模块，获取增强浅层特征。S4、将增强浅层特征输入深特征提取模块，在深特征提取模块中经过重复#imgabs0#次的残差组的处理生成深层特征表示。S5、深层特征表示通过一个卷积层后与初始卷积层输出的增强浅层特征进行跳跃连接。S6、跳跃连接后的特征表示，再经过一个卷积层和第二Mamba模块，然后输入到图像重建模块通过像素重排操作进行上采样，并使用卷积层处理，生成高分辨率医学图像。
-
公开(公告)号：CN119132335B
公开(公告)日：2025-02-25
申请号：CN202411364648.7
申请日：2024-09-29
Applicant: 厦门理工学院
Abstract: 本发明提供了关于音频信息混淆可逆对抗样本的隐私保护方法、装置，本方法提出了一种名为“信息混淆可逆对抗性示例”的新框架。该框架能够在保证音频隐私安全的同时，确保在获得授权的情况下恢复音频的原始质量。通过采用本发明的方法，可以大幅度提升音频数据的安全性和隐私保护水平，有效防止未授权访问及分析。旨在解决现有技术中音频数据隐私保护存在的对抗性攻击容易被检测到、音频经过处理后质量下降明显，以及现有的可逆对抗性示例（RAE）技术在音频应用场景中的局限性的问题。
-
公开(公告)号：CN119229220B
公开(公告)日：2025-02-18
申请号：CN202411746649.8
申请日：2024-12-02
Applicant: 厦门理工学院
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06N3/096
Abstract: 本发明提供了基于跨域截断式迁移学习的放大内镜图像病变分类方法，包括获取放大内镜的真实图像、病变类别，构建训练、验证和测试数据集；构建基于跨域截断式迁移学习的放大内镜图像病变分类模型，设置截断点后进行训练，得到训练后的放大内镜图像病变分类模型；利用验证数据集对模型进行评估，根据验证结果调整模型参数，确定最终的模型；利用测试数据集进行测试，将经过测试的放大内镜图像病变分类模型应用于实际的放大内镜图像病变分类任务中。该方法适用于关于放大内镜图片病变类别工作，在模型训练过程中利用分层截断策略以及动态学习率调整机制，提升了模型的分类精度和训练效率，具有较强的实用性和推广价值。
-
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：CN119251852A
公开(公告)日：2025-01-03
申请号：CN202411774132.X
申请日：2024-12-05
Applicant: 厦门理工学院
Abstract: 一种基于多模态大模型的甲骨文字图像识别方法、装置、设备和介质，涉及计算机视觉技术领域。其中，这种甲骨文字图像识别方法首先，从OBIMD数据集提取甲骨文单字图像，并从镜原甲骨平台检索基础信息，形成单字数据集。接着，利用大语言模型生成包含文字释义等信息的第一对话数据集，并对Qwen2VL模型进行微调，得到初始识别模型。然后，通过位置信息对话数据集进行第二微调，获得定位顺序识别模型，该模型能识别字符并完成定位标注。进一步，生成现代汉语翻译对话数据集，并对模型进行第三微调，得到语义识别模型，能组合字符成句并翻译。最后，输入待识别甲骨图像，模型根据图像是单字或多字，分别输出字符标识、释义或组合句子并翻译成现代汉语。
-
-
-
-
-
-
-
-
-
Search Results
205
records
(took 0.023 seconds)
