-
公开(公告)号：CN109767457A
公开(公告)日：2019-05-17
申请号：CN201910022615.7
申请日：2019-01-10
Applicant: 厦门理工学院
Abstract: 本发明公开了一种在线多示例学习目标跟踪方法，包括如下过程：S1：初始正包和负包中示例的选取；S2：计算初始正包中每个示例的相关相似度；S3：对初始正包进行筛选；S4：更新弱分类器；S5：为筛选后的正包和负包中的示例赋予相应的权重值；S6：对包概率进行加权；S7：获得最优弱分类器；S8：集成强分类器并输出。通过利用本发明设计出的目标跟踪方法能够提升分类器的性能，提高目标跟踪的鲁棒性。
-
公开(公告)号：CN109359688A
公开(公告)日：2019-02-19
申请号：CN201811221448.0
申请日：2018-10-19
Applicant: 厦门理工学院
Abstract: 本发明公开了一种最优类外原点输出折中滤波器的设计方法，涉及生物特征识别技术领域。该方法包括：将所有训练样本图像进行分类，对于每个类别，通过下述步骤S1至S3训练得到相应的最优类外原点输出折中滤波器：S1，设计最小平均类外原点输出能量滤波器；S2，设计最小类外原点方差合成鉴别滤波器；S3，设计最优类外原点输出折中滤波器：通过调节所述最小平均类外原点输出能量滤波器和所述最小类外原点方差合成鉴别滤波器的权重，最小化类外样本图像在原点的平均能量输出和噪声方差输出的加权和，同时使类内样本图像在原点的输出满足不等式约束条件。通过采用本发明设计出的滤波器在人脸识别过程中所提取的特征更加有效，推广性能更好。
-
公开(公告)号：CN107766406A
公开(公告)日：2018-03-06
申请号：CN201710755781.9
申请日：2017-08-29
Applicant: 厦门理工学院
IPC: G06F17/30
CPC classification number: G06F16/9537 , G06F16/29
Abstract: 一种采用时间优先搜索的轨迹相似性连接查询方法，包括如下步骤：1)将轨迹集合P和Q映射到时间轴上；2)在该时间轴上建立网格索引以索引轨迹数据，该网格索引呈树状并设有若干层，顶层设有根节点，其余层设有若干叶节点；3)计算每个叶节点中，来自轨迹集合P和Q的轨迹对的时空相似度，并将时空相似度大于该相似度阈值的轨迹对储存在对应叶节点中；4)将每个叶节点的时空相似度计算结果自底向上合并，直达根节点；5)将根节点中储存的所有符合要求的轨迹对返回给用户。本发明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，匹配程度高，能输出令用户满意的结果。
-
公开(公告)号：CN106407690A
公开(公告)日：2017-02-15
申请号：CN201610858464.5
申请日：2016-09-28
Applicant: 厦门理工学院
Abstract: 本发明公开了一种基于自动深度置信网络的门诊量预测方法及系统，其通过从医院挂号系统收集每天的门诊量得到历史门诊量数据，对所述历史门诊量数据进行微分变换的预处理得到微分数据，根据所述微分数据自动构建深度置信网络结构，采用聚类算法进行自动创建分组得到不同时间序列的分组数据，然后根据所述分组数据对所述深度置信网络进行训练得到门诊量预测模型，最后调用所述门诊量预测模型对指定时间序列进行门诊量的预测得到预测结果，并对所述预测结果进行所述预处理的逆变换得到预测门诊量，所述深度置信网络具有使用方便、训练简单的优点，并且，能够为医院门诊量预测提供可靠依据，预测误差小，特别适用于长线预测。
-
公开(公告)号：CN119625760A
公开(公告)日：2025-03-14
申请号：CN202411694627.1
申请日：2024-11-25
Applicant: 厦门理工学院
IPC: G06V30/226 , G06V30/186 , G06V30/262 , G06V30/19 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0499 , G06N3/0985 , G06N3/048
Abstract: 本发明提出一种基于部首表示学习的零样本汉字识别方法，包括以下步骤：建立零样本汉字识别数据集，获取汉字的表意描述序列；根据表意描述序列获取所有汉字的语义嵌入向量和所有部首及结构嵌入向量；汉字图像经过ResNet提取图像特征向量；图像特征向量经过特征增强编码模块得到增强特征；部首表示解码模块在部首及结构嵌入向量的引导下将增强特征转化为部首表示特征；汉字匹配模块利用部首表示特征和部首及结构嵌入向量预测语义嵌入向量，并与所有语义向量进行匹配以识别汉字。本发明通过减轻图像区域几何特征的纠缠问题，来提高图像特征向语义特征的可转移性，并利用部首嵌入学习和定位汉字图像中的关键部首表示，有效的提高未见汉字的识别能力。
-
Patent Agency Ranking
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：CN119251852B
公开(公告)日：2025-02-25
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，输入待识别甲骨文字图像，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。
-
公开(公告)号：CN119228940B
公开(公告)日：2025-02-25
申请号：CN202411774131.5
申请日：2024-12-05
Applicant: 厦门理工学院
IPC: G06T11/00 , G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/084
Abstract: 本发明提供了一种基于病理信息引导的扩散模型放大内镜图像生成方法，包括获取放大内镜的真实图像、Mask图像和病理信息文本提示，构建训练、测试数据集；构建基于病理信息引导的放大内镜图像生成模型通过训练数据集进行训练，得到训练好的放大内镜图像生成模型；利用测试数据集进行测试，评估其在未知数据上的性能，评估合格的即为最终得到的放大内镜图像生成模型；将最终得到的放大内镜图像生成模型应用于放大内镜图像生成工作，获取模型生成的放大内镜图像。该方法适用于关于放大内镜图片生成工作，利用病理信息和背景Mask图片引导的方式来精准生成不同病理的放大内镜图片，有效的解决了关于放大内镜图片下游分割和分类任务的数据不平衡问题。
-
公开(公告)号：CN119206279B
公开(公告)日：2025-02-25
申请号：CN202411729686.8
申请日：2024-11-29
Applicant: 厦门理工学院
IPC: G06V10/762 , G06V10/774 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/084
Abstract: 本发明提供的一种基于不确定性与图神经网络的多视图聚类方法，涉及多视图聚类技术领域。本发明通过获取多视图数据集，进行预处理后，得到原始特征矩阵与邻接矩阵；对输入的所述原始特征矩阵和所述邻接矩阵进行特征提取与融合后，得到一致嵌入矩阵与转移矩阵；基于Dempster‑Shafer证据理论与狄利克雷分布，通过降低所述一致嵌入矩阵中嵌入空间的不确定性，得到可靠一致嵌入；将所述可靠一致嵌入与所述转移矩阵映射为最终嵌入；对所述最终嵌入进行解码重建与聚类分析，得到聚类结果。本发明能充分挖掘视图中的潜在信息，降低模型中的不确定性，解决了多视图聚类任务中存在的噪声问题，能够快速、高效、准确地得到多视图数据的聚类结果。
-
公开(公告)号：CN119380025A
公开(公告)日：2025-01-28
申请号：CN202411510319.9
申请日：2024-10-28
Applicant: 厦门理工学院
IPC: G06V10/26 , G06V10/82 , G06V10/774 , G06V10/764 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06N3/084 , G06N3/088 , G06N3/0895 , G06N3/09 , G06N3/094
Abstract: 本发明提出基于半监督学习和细节增强的图像分割方法及系统，包括以下步骤：收集医学图像并将部分数据进行标注；构建医学图像分割模型；将标注的图像输入医学图像分割模型计算其交叉熵损失；对未标注图像施加弱扰动与强扰动；将弱扰动图像和强扰动图像输入医学图像分割模型，弱扰动图像经过编码器输出后对其添加特征扰动策略，利用无标注数据所得输出结果计算一致性损失；设置模型总损失包括交叉熵损失与一致性损失；对总损失进行优化以及反向梯度传播，更新模型网络参数；将目标图像输入医学图像分割模型，所述医学图像分割模型输出目标图像每个像素点所属类别。本发明可提高医学图像分割的效率，实现更高精度和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.032 seconds)
