一种在不良光照条件下的车道检测方法

    公开(公告)号:CN114387582A

    公开(公告)日:2022-04-22

    申请号:CN202210039754.2

    申请日:2022-01-13

    Applicant: 福州大学

    Inventor: 杨明静 魏英东

    Abstract: 本发明涉及一种在不良光照条件下的车道检测方法。该方法提高了车道模型在不良光照条件下的适应性。本发明设计了一个图像增强网络,用于计算图像的反射率,并修改图像的曝光度,生成具有一致曝光的图像。这些增强图像再用于车道检测模型的训练。本发明在CULane数据集上进行验证,结果表明它可以提高车道模型的检测性能,特别是在光照有关的数据集上,例如夜晚,阴影和炫光场景。

    基于注意力机制分割并回归的细胞计数方法

    公开(公告)号:CN114332122A

    公开(公告)日:2022-04-12

    申请号:CN202111637998.2

    申请日:2021-12-30

    Applicant: 福州大学

    Abstract: 本发明提出一种基于注意力机制分割并回归的细胞计数方法,将细胞分割和回归结合起来,以起到减小细胞计数的误差的效果。此外,基还于U‑Net++的原始模型结构进行改进,引入卷积注意力机制模块,以增强分割的效果。考虑到目前大部分基于卷积回归网络的细胞计数方法都是经过全卷积网络训练后进行回归计数,从而导致细胞的计数结果会有较大的误差,因此本发明设计的基于注意力机制分割并回归的细胞计数方法,在进行全卷积训练中增加分割模块,以增加细胞计数的准确性,采用先分割后回归,达到精确计数的目的。

    基于分离表示的脑肿瘤图像生成与分割联合学习方法

    公开(公告)号:CN114332102A

    公开(公告)日:2022-04-12

    申请号:CN202111680466.7

    申请日:2021-12-31

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于分离表示的脑肿瘤图像生成与分割联合学习方法。基于分离表示将共享的内容和域特定样式特征分离出来,通过将提取的内容特征与分割任务相连接,能够有效提高脑肿瘤图像合成与分割的效果。通过对缺失模态的合成,无需在所有可能的模态子集上训练模型,复杂性相对更小,所需的训练时间更少。该网络模型可以灵活地处理随机一个或多个缺失域,使模型在输入任何多模态子集时都具有鲁棒性。

    一种无监督行人重识别方法

    公开(公告)号:CN114299543A

    公开(公告)日:2022-04-08

    申请号:CN202111636116.0

    申请日:2021-12-29

    Applicant: 福州大学

    Abstract: 本发明涉及一种无监督行人重识别方法,包括以下步骤:步骤S1:获取包括若干视角的行人图像数据,构建行人数据集;步骤S2:构建行人重识别模型,并基于无监督的视角内和视角外的训练方法进行训练,得到训练后的行人重识别模型;步骤S3:将待识别图像输入训练后的行人重识别模型,获取识别结果。本发明解决相似度计算问题导致分配伪标签不准确问题,有效提高识别效率和可靠性。

    基于Windows显示体系下与小端口驱动通信方法

    公开(公告)号:CN104699543B

    公开(公告)日:2017-12-05

    申请号:CN201510138370.6

    申请日:2015-03-27

    Applicant: 福州大学

    Inventor: 杨明静

    Abstract: 本发明涉及基于Windows显示体系下与小端口驱动通信方法,在显卡小端口驱动的加载过程中,创建私有的通信对象,并替换掉显卡小端口驱动原本的函数分发表,这样用户态的应用程序就可以直接打开该通信对象,与之完成通信,但因为我们替换掉了显卡小端口驱动原本的函数分发表,故显卡小端口驱动原本的通信请求也被我们所截获,所以需要通过的恰当的方式来完成这些请求,以避免改变了显卡小端口驱动原本的通信行为。

Patent Agency Ranking