-
公开(公告)号：CN109598227B
公开(公告)日：2022-11-11
申请号：CN201811448853.6
申请日：2018-11-28
Applicant: 厦门大学
Abstract: 一种基于深度学习的单幅图像手机源重辨识方法，涉及图像取证领域。提出一种新的图像取证方法，解决基于分类的相机溯源方法中训练集类别不足问题；基于传统数字图像指纹特征提取方法，提出利用多种自学习滤波器在单幅图像中提取手机指纹特征的方法，并解释深度神经网络对于数字图像指纹特征提取的可行性；提出一种基于全局特征融合的深度网络结构，以高效提取数字图像指纹特征；根据自学习滤波器和全局特征融合网络所提取的数字图像指纹特征，利用度量学习方法追溯拍摄该幅图像的具体手机源设备。
-
公开(公告)号：CN114657763A
公开(公告)日：2022-06-24
申请号：CN202210341658.3
申请日：2022-04-02
Applicant: 厦门大学 , 福建亿来实业有限公司
IPC: D06M10/06
Abstract: 本发明公开了无机抗菌耦合棉纤维及其应用。该无机抗菌耦合棉纤维包括棉散纤维、无机盐粒子和金属抗菌纳米粒子；所述棉散纤维的纤维素分子上原位接枝有羟基化的无机盐粒子，所述无机盐粒子上负载有所述金属抗菌纳米粒子，所述无机盐粒子包括磷酸盐或磷酸盐与硫酸盐的混合物，所述金属抗菌纳米粒子包括Ag纳米粒子，还包括Cu纳米粒子或Zn纳米粒子。本发明棉纤维中以P元素含量(atom％)为1，Ag/P/O元素的比例为0.002～2.0/1/4.0～12.0或(Ag,Cu)/P/O元素的比例为0.002～2.0/1/4.0～12.0或(Ag,Zn)/P/O元素的比例为0.002～2.0/1/4.0～12.0，(Na,K)/Ca/P/S元素的比例为1～2/0.05～0.1/1/0.0～0.4且不含有Si。
-
公开(公告)号：CN114529767A
公开(公告)日：2022-05-24
申请号：CN202210152954.9
申请日：2022-02-18
Applicant: 厦门大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/08
Abstract: 基于双阶段对比学习框架的小样本SAR目标识别方法，涉及图像识别。针对SAR数据集获取困难，标注数据耗时耗力的实际问题，提出了基于双阶段训练策略的对比学习框架，用来解决小样本数据条件下的SAR目标识别。将训练过程解耦为表征学习阶段和分类学习阶段，包括：1)表征学习阶段，采用监督对比学习在原始SAR数据集上训练网络的表示模块；2)分类学习阶段，对编码模块进行固定并采用重平衡策略训练网络的分类模块。建立在机器学习中的对比学习的基础上，并结合解耦学习的思想，实用性强，稳定性好，能够满足类别不均衡、小样本数据等情况下SAR目标识别精度高标准的需求。
-
公开(公告)号：CN114529012A
公开(公告)日：2022-05-24
申请号：CN202210152993.9
申请日：2022-02-18
Applicant: 厦门大学
Abstract: 一种基于双阶段个性化联邦学习方法，属于机器学习领域。包括：1)全局表征学习阶段：依据不同客户端所获取的不同数据信息进行统一的联邦表征学习，以获得准确的图像到特征空间的表征映射模型；先进行本地客户端学习，然后在全局服务器上进行客户端聚合为全局模型；2)个性化分类器学习阶段：利用联邦学习获得的表征映射模型，依据不同客户端的数据分布训练个性化分类器。可有效利用各个客户端数据获得全局的表征模型和本地个性化分类器模型，提高识别精度。建立在联邦学习与对比学习的基础上，实用性强，灵活性高，能够满足不同数据分布和计算资源下的联邦学习需求。为客户端训练出偏差较小的全局表征模型和更加个性化的本地分类器模型。
-
公开(公告)号：CN113213491A
公开(公告)日：2021-08-06
申请号：CN202110610869.8
申请日：2021-06-01
Applicant: 厦门大学
IPC: C01B33/145 , C03C17/23
Abstract: 本发明公开了一种透明二氧化硅溶胶及其制备方法和应用，其FT‑IR波谱中，I475cm‑1＝0，I2975cm‑1＝0.53‑0.55，且I431cm‑1：I1047cm‑1：I964cm‑1＝0.15‑0.16∶1.0∶0.22‑0.25。本发明的透明二氧化硅溶胶的活性高，能够在玻璃基板上得到不开裂、无橘皮、结合力强的二氧化硅溶胶凝胶膜层。
-
Patent Agency Ranking
公开(公告)号：CN112766334A
公开(公告)日：2021-05-07
申请号：CN202110025651.6
申请日：2021-01-08
Applicant: 厦门大学
Abstract: 一种基于伪标签域适应的跨域图像分类方法，涉及图像处理。包括步骤：A、预训练深度模型；B、生成目标域图像伪标签；C、训练及优化深度模型。方法简单有效，能在多个自然图像数据集上获得较好效果。避免错误伪标签的影响，将伪标签样本加入训练集进一步训练网络可提高模型在目标域的辨别性，提高模型在目标域的泛化性能。通过交替给目标域打伪标签和采用伪标签样本训练网络，充分利用无标签的目标域数据，有效提升模型在目标域上的识别性能。改善利用深度学习模型进行自然图像识别时的泛化性能，提高跨数据库测试时的准确率和召回率，实用性强，可移植性强，能够满足域差异大、类别不均衡等情况下弱监督学习的需求。
-
公开(公告)号：CN109637634B
公开(公告)日：2020-10-02
申请号：CN201811510479.8
申请日：2018-12-11
Applicant: 厦门大学
IPC: G16H30/40
Abstract: 一种基于生成对抗网络的医学图像合成方法，涉及图像合成领域。在病灶图像上，通过病灶图像合成健康图像的神经网络生成器支路，对病灶区域进行非病灶化；在健康图像上，通过健康图像合成病灶图像的神经网络生成器支路，对健康图像的某个区域进行病灶化；根据生成对抗网络模型，生成图像与真实图像之间构建生成对抗损失函数；为了稳定神经网络的训练，在病灶图像与经过两个生成器对应生成的病灶图像和健康图像与经过两个生成器对应生成的健康图像之间，构建循环一致性损失函数；为了优化生成的健康图像的结果，在病灶图像与对应生成的健康图像的非病灶区域构建保真项损失函数。
-
公开(公告)号：CN110033848A
公开(公告)日：2019-07-19
申请号：CN201910305088.0
申请日：2019-04-16
Applicant: 厦门大学
Abstract: 一种基于无监督学习的三维医学影像z轴插值方法，涉及图像处理领域。能够有效的提高三维医学影像z轴分辨率，很大程度上解决了三维医学影像x、y、z轴上分辨率不够匹配的问题，对医生的诊断具有辅助意义。方法包括：A、通过特征偏移对无监督学习网络进行优化的方法；B、对数据进行退化处理辅助指导无监督学习网络优化方向的方法；C、一种评估特征偏移的评价方法。建立在深度学习模型的基础上，能够实现很好的z轴数据插值效果。
-
公开(公告)号：CN109685819A
公开(公告)日：2019-04-26
申请号：CN201811510480.0
申请日：2018-12-11
Applicant: 厦门大学
Abstract: 一种基于特征增强的三维医学图像分割方法，涉及图像处理领域。构造一种U型卷积神经网络，实现端到端的医学图像分割；将医学图像的多个模态的图像分别作为输入送入到并行的U型卷积神经网络中，得到不同的特征图；提取多个并行网络的特征图并融合，再进行卷积，得到不同特征图各自的权重图；将并行网络各自的体素级权重与原先的特征图相乘，完成特征增强过程；将所有并行网络末端的特征图融合，得到多张概率图，从而得到分割结果。能有效地增强特征图中有用的信息，抑制冗余信息。同时，相较于其他注意力加权方式，该加权方法考虑到了图像的多模态信息和三维信息，从而获得更好的分割效果。
-
公开(公告)号：CN109598227A
公开(公告)日：2019-04-09
申请号：CN201811448853.6
申请日：2018-11-28
Applicant: 厦门大学
Abstract: 一种基于深度学习的单幅图像手机源重辨识方法，涉及图像取证领域。提出一种新的图像取证方法，解决基于分类的相机溯源方法中训练集类别不足问题；基于传统数字图像指纹特征提取方法，提出利用多种自学习滤波器在单幅图像中提取手机指纹特征的方法，并解释深度神经网络对于数字图像指纹特征提取的可行性；提出一种基于全局特征融合的深度网络结构，以高效提取数字图像指纹特征；根据自学习滤波器和全局特征融合网络所提取的数字图像指纹特征，利用度量学习方法追溯拍摄该幅图像的具体手机源设备。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.028 seconds)
