公开(公告)号：CN114414090B

公开(公告)日：2023-04-28

申请号：CN202111531294.7

申请日：2021-12-14

Applicant: 厦门大学

Inventor： 臧彧 ,  陈斌杰 ,  吴东航 ,  王程

IPC: G01K13/00 ,  G06V20/10 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于遥感影像和多层感知的地表温度预测方法及系统，其中该方法包括：由输入的遥感影像生成多尺度地理语义类别图；采用多层局部地表特征提取器从多尺度地理语义类别图提取多尺度地表特征；将多尺度地表特征进行拼接，输入多层感知机得到地表整合特征；采用第一多层感知机从输入的AF数据提取特征；将地表整合特征与提取的AF特征进行拼接，输入特征解码器得到地表温度预测；训练时在各尺度地表特征后增加独立预测分支，联合训练；由此，通过多层级地理语义信息的利用及物理过程的引导，能够生成高精准度的城市地表温度预测并具高泛化性，从而为城市的规划与建设提供信息支撑。

公开(公告)号：CN111340889B

公开(公告)日：2023-04-07

申请号：CN202010102585.3

申请日：2020-02-19

Applicant: 厦门大学

Inventor： 王程 ,  刘伟权 ,  赖柏锜 ,  杨文韬 ,  卞学胜 ,  李渊 ,  李军

IPC: G06T7/80 ,  G06T17/00 ,  G06V10/46 ,  G06V10/75

Abstract: 本发明公开了一种基于车载激光扫描自动获取匹配图像块与点云球的方法，包括：获取原始点云数据，并去除原始点云数据中的地面点云，以得到初始点云，以及提取初始点云的三维关键点；获取相机图像，并提取相机图像的二维关键点；获取相机参数，并根据相机参数截取初始点云中相机图像对应的局部点云；根据相机参数将局部点云的三维关键点投影到相机图像上，并根据相机图像的二维关键点对局部点云的三维关键点进行投票，以建立二维关键点与三维关键点的匹配关系；根据二维关键点与三维关键点的匹配关系获取局部点云球和局部点云球对应的图像块；能够有效、快速地获取大量匹配的图像块与点云球，具有较高的泛化性和鲁棒性。

公开(公告)号：CN115700799A

公开(公告)日：2023-02-07

申请号：CN202110795932.X

申请日：2021-07-14

Applicant: 厦门大学

Inventor： 王程 ,  卞学胜 ,  刘伟权

IPC: G06V10/778 ,  G06V10/764 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于深度学习的类器官质量控制方法、存储介质，方法包括：在药前类器官显微影像和药后类器官显微影像中框选出每个类器官；构建一包括卷积神经网络和多任务学习神经网络的模型；依据框选出每个类器官的药前类器官显微影像和药后类器官显微影像，基于anchor策略对所述卷积神经网络进行训练，使得所述卷积神经网络具备从图像中识别每个类器官的能力；依据对类器官质量评估有判别性的有效特征，对所述多任务学习神经网络进行训练，使得所述多任务学习神经网络具备评估类器官发育质量的能力；获取训练所述模型后得到的评估模型。本发明能够规避ATP法对测定时间敏感的弊端，提高类器官质量评价的准确度。

公开(公告)号：CN115496899A

公开(公告)日：2022-12-20

申请号：CN202211040503.2

申请日：2022-08-29

Applicant: 厦门大学

Inventor： 温程璐 ,  黄伟杰 ,  赵俊豪 ,  王程

IPC: G06V10/26 ,  G06V10/764 ,  G06T5/00

Abstract: 本申请的实施例提供了一种基于稀疏标记的序列点云语义分割方法、装置及设备。该方法包括：获取序列点云数据；基于场景流将所述标记帧中各点对应的第一标签信息依次传递至与所述标记帧相邻的除标记帧以外的其他点云帧，得到所述其他点云帧中各点对应的第二标签信息；采用标签预测网络对所述其他点云帧进行标签预测，得到所述其他点云帧中各点对应的标签预测结果；对所述第二标签信息进行修正处理，得到修正后的第二标签信息；将具有第一标签信息的所述标记帧以及具有修正后的第二标签信息的所述其他点云帧作为目标训练数据。本申请实施例的技术方案提高点云语义分割网络的训练数据的获取效率，并保证训练数据的有效性。

公开(公告)号：CN115496121A

公开(公告)日：2022-12-20

申请号：CN202210466824.2

申请日：2022-04-29

Applicant: 厦门大学

Inventor： 范晓亮 ,  杨佩蓁 ,  王铮 ,  王程 ,  俞容山

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于联邦学习的模型训练方法及装置，其中方法包括：在每轮通信中，服务器获取用户上传的模型参数和训练损失，并更新用户历史梯度列表，其中用户历史梯度列表包括所有用户最新的梯度和该梯度所属的轮数；服务器计算出当前轮采样到的用户的平均梯度；服务器计算出当前轮未采样到的用户历史梯度中与平均梯度两两之间余弦夹角值中的最小值，通过一个带约束的非线性规划目标函数优化得到该轮更新的全局梯度，从而得到最终聚合后的模型；由此，在不损害未采样到的用户模型的前提下优化了全局模型，提升了模型在当前轮对未采样到的用户的代表性，降低了服务器选择用户时的采样偏差的负面影响，从而提高了联邦学习模型的准确度和公平性。

公开(公告)号：CN115471742A

公开(公告)日：2022-12-13

申请号：CN202210983178.7

申请日：2022-08-16

Applicant: 厦门大学

Inventor： 刘伟权 ,  臧彧 ,  吴东航 ,  王程

IPC: G06V20/10 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多层神经网络的地表温度预测方法及系统，其中该方法包括：获取遥感影像及其对应的大气外力数据和地表温度数据；对遥感影像进行处理，以得到多个不同尺度的地表特征数据，并添加对应尺度的NDVI数据和NDBI数据，以得到多个完整地表特征数据；对地表温度数据进行处理，以得到地表特征数据对应的地表温度数据；构建地表温度预测模型，并将完整地表特征数据、地表温度数据和大气外力数据作为训练集进行模型训练，以得到训练好的地表温度预测模型，以便根据训练好的地表温度预测模型进行地表温度预测；由此，通过多层感知神经网络进行预测，由于施加了物理信息约束,从多尺度上学习输入和输出之间的映射关系，能够达到较好的预测效果。

公开(公告)号：CN115222747A

公开(公告)日：2022-10-21

申请号：CN202210804033.6

申请日：2022-07-07

Applicant: 厦门大学

Inventor： 臧彧 ,  刘伟权 ,  郭晗韵 ,  王程

IPC: G06T7/11 ,  G06N3/08 ,  G06N3/04

Abstract: 本申请的实施例提供了一种基于拓扑感知的点云分割网络构建方法、分割方法及装置。该基于拓扑感知的点云分割网络构建方法包括：构建点云分割网络对应的总损失函数，所述总损失函数为交叉熵损失项和拓扑损失项的加权和；将所述总损失函数添加至待训练点云分割网络中，以构成所述待训练点云分割网络的拓扑损失约束分支；采用训练数据对所述待训练点云分割网络进行训练，并通过所述拓扑损失约束分支对所述待训练点云分割网络的参数进行优化，以得到目标点云分割网络。本申请实施例的技术方案可以提高点云分割网络在拓扑结构上分割的准确性，保证点云分割网络的分割效果。

公开(公告)号：CN115019105A

公开(公告)日：2022-09-06

申请号：CN202210731014.5

申请日：2022-06-24

Applicant: 厦门大学

Inventor： 刘伟权 ,  王程 ,  刘明皓 ,  沈思淇 ,  卞学胜 ,  臧彧 ,  温程璐 ,  程明

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/06

Abstract: 本申请的实施例提供了一种点云分类模型的隐语义分析方法、装置、介质及设备。该方法包括：将点云数据输入至点云分类模型中进行识别处理，以使点云分类模型输出分类结果；根据分类结果以及点云分类模型中各神经元的启动值，按照神经元之间的启动链路反向确定各神经元与分类结果之间的相关性值；根据点云分类模型对点云数据的分组信息，确定在点云分类模型的各网络层中与各分组点云分别对应的目标神经元组；根据目标神经元组中每一神经元对应的相关性值，确定该网络层中与目标神经元组对应的分组点云的显著值，以生成与各网络层相对应的可视化信息。本申请实施例的技术方案可以提高隐语义分析的分析结果的可靠性，保证隐语义分析的分析效果。

公开(公告)号：CN111260794B

公开(公告)日：2022-07-08

申请号：CN202010034538.X

申请日：2020-01-14

Applicant: 厦门大学

Inventor： 王程 ,  刘伟权 ,  卞学胜 ,  沈雪仑 ,  赖柏锜 ,  李渊 ,  李永川 ,  贾宏

IPC: G06T19/00 ,  G06T15/00 ,  G06T17/20

Abstract: 本发明提出了一种基于跨源图像匹配的户外增强现实应用方法，该方法包括：获取相机图像和与相机图像对应匹配的渲染图像，并对相机图像和渲染图像进行处理，以获取成对匹配的局部相机图像块和局部渲染图像块；根据自动编码机和孪生网络构建深度学习模型，并对深度学习模型进行训练；基于训练好的深度学习模型对待匹配的局部相机图像块和局部渲染图像块的特征描述子进行提取，并根据提取到的特征描述子对待匹配的局部相机图像块和局部渲染图像块进行跨源图像匹配，以获得跨源图像匹配结果；根据跨源图像匹配结果获取跨源图像的对应关系，并根据对应关系计算虚实注册变换关系；根据虚实注册变换关系实现对户外增强现实的应用从而提高增强现实的效果。

公开(公告)号：CN114387580A

公开(公告)日：2022-04-22

申请号：CN202210010060.6

申请日：2022-01-06

Applicant: 厦门大学

Inventor： 范晓亮 ,  陈亮 ,  王程 ,  程明

IPC: G06V20/58 ,  G06V10/774 ,  G06K9/62 ,  G06N20/00

Abstract: 本发明公开了一种基于联邦学习的模型训练方法及装置，其中方法包括：采集每个客户端对应的三维点云数据进行预处理，以得到对应的道路点云二维灰度分块图片；获取服务器端的全局模型，并根据道路点云二维灰度分块图片对全局模型进行训练及计算，以得到每个客户端对应的模型参数和道路标识权重，并将每个客户端对应的模型参数和道路标识权重发送给服务器端以对每个客户端对应的模型进行加权平均以得到更新后的全局模型，并发送给每个客户端，以便进行下一轮模型更新，直至达到最大通信轮数后得到道路标识提取模型；由此，通过各个客户端正负样本占比设置权重，实现了客户端的公平聚合，从而提高了联邦学习模型的准确度和公平性。