-
公开(公告)号：CN117853456A
公开(公告)日：2024-04-09
申请号：CN202410037862.5
申请日：2024-01-10
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于上下文驱动的边缘增强医学图像分割方法。包括：步骤S1、图像经过数据增强预处理，划分数据集；步骤S2、图像经过GHPA编码器，编码为图像特征向量；步骤S3、将编码器浅层特征与深层高级语义信息互相融合得到包含丰富语义的边缘信息；步骤S4、进一步增强所得到特征图的边缘特征，设计一种简单有效的金字塔特征提取方案，用于挖掘每个阶段的边缘多粒度信息；步骤S5、将编码器相邻两层特征图进行拼接；步骤S6、最后将编码器的四个输出特征图D1,D2,D3,D4相加得到最终分割图。本发明方法适用于各种医学图像的分割任务，有效的加强了医学图像现存的边缘对比度低，边缘模糊等问题，提高了模型的特征提取能力。
-
公开(公告)号：CN117475155B
公开(公告)日：2024-04-02
申请号：CN202311797890.9
申请日：2023-12-26
Applicant: 厦门瑞为信息技术有限公司 , 厦门理工学院
IPC: G06V10/26 , G06V20/13 , G06V20/17 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0895
Abstract: 本发明公开基于半监督学习的轻量级遥感图像分割方法，包括S1、收集原始图像数据集，标注部分数据集以得到部分标注的训练数据集；S2、构建两个完全一致的语义分割模型；S3、将无标签数据同时输入两个语义分割模型，计算输出的一致性损失；S4、将有标签数据同时输入两个语义分割模型，计算交叉熵损失和骰子损失的混合损失作为有监督损失；S5、总损失为一致性损失和两个模型的混合损失三者按权重相加；S6、对总体损失进行优化和反向梯度传播，更新网络参数；S7、在同一测试集分别测试训练好的两个模型，选择其中精度较高的一个模型作为最终模型。本发明可提高遥感图像分割的效率，在较低的参数量和计算复杂度下实现了更高的精度。
-
公开(公告)号：CN117218603A
公开(公告)日：2023-12-12
申请号：CN202311366734.7
申请日：2023-10-20
Applicant: 厦门理工学院
IPC: G06V20/52 , G06V10/40 , G06V10/774 , G06V10/82 , G06V10/764 , G06F17/16
Abstract: 本发明涉及一种基于高阶结构建模的跨模态行人重识别方法及系统，该方法包括：1）从数据集中成对抽取多个行人的VIS图片和IR图片，形成VIS‑IR图片对训练数据集；2）构建跨模态行人重识别网络模型，跨模态行人重识别网络模型主要包括用于提取图像基本特征的骨干网络、用于提取不同范围尺度特征的短长范围特征提取模块、用于学习图像中高阶结构信息的高阶结构学习模块和用于减少行人在不同模态下差异的共享空间学习模块；通过训练数据集对模型进行训练，得到可泛化的模型参数；3）将训练好的跨模态行人重识别网络模型用于跨模态检索，实现不同模态之间的行人重识别。该方法及系统有利于获得更加稳定、鲁棒、准确的跨模态行人重识别结果。
-
公开(公告)号：CN117150522A
公开(公告)日：2023-12-01
申请号：CN202311090038.8
申请日：2023-08-28
Applicant: 厦门理工学院
IPC: G06F21/60 , G06V10/764 , G06V10/82 , G06N3/0985
Abstract: 本发明提供了一种基于稀疏二维码掩膜的补丁对抗方法、装置、设备及介质，其能够有效解决对抗攻击易于察觉，补丁尺寸不可控等技术问题。通过生成二维码掩膜的方式来合理化对抗补丁的存在，通过将对抗扰动限制在二维码的有色区域，从而达到噪声的不可察觉性，进而对图像进行非目标攻击，其目的是误导神经网络分类器模型将输入图像分类至错误标签。
-
-
Patent Agency Ranking
公开(公告)号：CN115331260A
公开(公告)日：2022-11-11
申请号：CN202210994031.8
申请日：2022-08-18
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于全局‑局部图卷积网络的跨域行人重识别方法及系统，该方法包括以下步骤：利用特征提取器提取源域和目标域图像的全局特征；将全局特征进行水平切分得到上半身特征和下半身特征，并使用仿射变换映射得到细粒度更高的局部特征；使用DBSCAN聚类方法对不带有标签的目标域图像生成伪标签，再利用自步学习的策略生成可靠标签；使用图卷积网络将同一张图像的全局特征、上半身特征、下半身特征及细粒度更高的局部特征进行特征融合；将全局特征、细粒度更高的局部特征分别存储于全局特征存储库、局部特征存储库；使用对比学习损失函数训练网络模型，并利用训练好的网络模型对图像进行重识别。该方法及系统有利于提高跨域行人重识别的准确性。
-
公开(公告)号：CN115223111A
公开(公告)日：2022-10-21
申请号：CN202210873517.6
申请日：2022-07-22
Applicant: 厦门理工学院
Abstract: 本发明提出一种基于多分支增强型判别特征提取的车辆重识别方法，包括以下步骤；步骤S1、选取车辆重识别网络模型的骨干网络，定义网络优化器和训练参数，初始化待训练模型；步骤S2、整合训练数据集并增扩数据集；步骤S3、进行模型训练；步骤S4、全局分支计算全局损失；步骤S5、水平分支把全局特征图沿宽度切分成四个大小相同不重叠的子特征图，并且把子特征图分别输入到损失模块计算局部损失；步骤S6、竖直分支计算局部损失；步骤S7、根据步骤S3‑S6的损失进行反向传播，调整网络的参数；步骤S8、重复步骤S2‑S7直到达到网络训练设置的最大次数；步骤S9、保存分类精度最高的模型参数；本发明不需要人工标注标签及特定的数据集就可以达到较好的识别效果。
-
公开(公告)号：CN115187997A
公开(公告)日：2022-10-14
申请号：CN202210823652.X
申请日：2022-07-13
Applicant: 厦门理工学院
IPC: G06V30/18 , G06V30/19 , G06V30/28 , G06V10/44 , G06V10/75 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于关键偏旁部首分析的零样本汉字识别方法，包括以下步骤；步骤S1：获取汉字图像建立汉字识别数据集；步骤S2：把数据集中的每个汉字表示为唯一的树状结构，进行先序遍历，获取汉字表意描述序列；步骤S3：建立汉字表意描述序列生成模型；步骤S4：使用汉字识别数据集对汉字表意描述序列生成模型进行深度学习训练；步骤S5：以深度学习训练后的汉字表意描述序列生成模型经汉字表意描述序列生成模型，生成汉字的表意描述序列；步骤S6：建立关键偏旁部首分析模型；步骤S7：根据生成的汉字表意描述序列，使用关键偏旁部首分析模型对汉字类别进行预测。本发明能将汉字识别问题转化为不确定性消除问题，提高模型对预测表意描述序列的利用能力。
-
公开(公告)号：CN108763817B
公开(公告)日：2022-06-21
申请号：CN201810593966.9
申请日：2018-06-11
Applicant: 厦门理工学院
IPC: G06F30/18
Abstract: 本发明公开一种基于最小二乘法建模的电力地下管网匹配方法，步骤是：输入原始管线以及普查管线，采用插值点方法对于两条管线进行插值处理；通过加入插值方法，用以增加管线的特征向量，缓解特征向量稀疏问题；基于最小二乘法建模，对经插值处理后的原始管线以及普查管线进行特征提取；对提取的特征向量分别进行过滤，去除拐角特征向量；分别对原始管线和普查管线的特征进行归一化处理，然后将二者进行比较，如果差值在阈值范围内，则保留原有原始管线的拓扑属性数据，使用普查管线的坐标代替原始数据的坐标；如果不在阈值范围内，则为存疑管线，不处理。此种方法可高效准确地解决新旧电力管线的匹配问题。
-
公开(公告)号：CN113609972A
公开(公告)日：2021-11-05
申请号：CN202110891243.9
申请日：2021-08-04
Applicant: 厦门理工学院
Abstract: 本发明提供了一种基于正射影像数据的电力设备输电线路生成系统，其包括无人机、检测装置、定位装置、采集装置、避障装置和处理器，检测装置、采集装置和避障装置均设置在无人机上，并对无人机的行进路线上障碍物或者物体进行识别；定位装置用于对输电架的位置进行定位，以实现对无人机方向的导引；采集装置采集两个相邻的两个输电架的输电线路，用于对电力设备的接线图的走向进行确定；避障装置用于对无人机运行方向前端的障碍物进行检测，以实现对障碍物的识别，调整无人机的行进的方向。本发明通过采用无人机基于地势环境进行模拟估计，并结合定位装置的逐步的拟合确定输电架以及输电线路方向。
-
-
-
-
-
-
-
-
-
Search Results
207
records
(took 0.044 seconds)
