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

Inventor： 何一凡 ,  陈子荣 ,  王大寒 ,  满旺 ,  江楠峰 ,  王驰明 ,  朱顺痣 ,  贾宝芝 ,  张选庆

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：CN117409421A

公开(公告)日：2024-01-16

申请号：CN202311479798.8

申请日：2023-11-08

Applicant: 厦门理工学院

Inventor： 吴芸 ,  江立伟 ,  王大寒 ,  江楠峰

IPC: G06V30/19 ,  G06V30/32 ,  G06V30/14 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/098 ,  G06N3/048

Abstract: 本发明涉及一种基于字符联合学习的手写数学公式识别方法。提出一种利用字符关系学习的识别方式，设计了一种概率分布策略来捕捉符号之间的关系，并且设计了关系学习的辅助模块，该模块从粗到细进一步细化每个符号的类别。通过这种策略，本发明发明可以更好地表示公式序列中的语义关系和上下文信息，避免歧义。在手写数学公式识别任务上达到了很高的性能，并且可以很好地推广到复杂和较长的公式中。

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

Inventor： 陈思 ,  邱刘翔 ,  王大寒 ,  朱顺痣 ,  吴芸 ,  许华荣

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：CN112258480B

公开(公告)日：2023-05-30

申请号：CN202011144599.8

申请日：2020-10-23

Applicant: 厦门理工学院

Inventor： 王大寒 ,  李建敏 ,  叶海礼 ,  朱晨雁 ,  朱顺痣

IPC: G06T7/00 ,  G06T7/10

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

Inventor： 陈思 ,  许博伦 ,  王大寒 ,  朱顺痣 ,  吴芸

IPC: G06V40/10 ,  G06V40/20 ,  G06V10/42 ,  G06V10/44 ,  G06V10/762 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04

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

Inventor： 王大寒 ,  吴芸 ,  连加未 ,  周伟 ,  朱顺痣

IPC: G06V20/54 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

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

Inventor： 王大寒 ,  罗国锋 ,  尹华一 ,  朱顺痣

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：CN119888285A

公开(公告)日：2025-04-25

申请号：CN202510362652.8

申请日：2025-03-26

Applicant: 厦门理工学院

Inventor： 郭翰林 ,  吕维佳 ,  申志 ,  陈嘉琪 ,  李天友 ,  王大寒

IPC: G06V10/75 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明涉及一种多尺度图像匹配方法及系统，该方法包括以下步骤：S1、获取用于图像匹配训练的数据集；S2、构建图像匹配模型，其包括视觉空间线索提取模块、视觉空间融合模块及视觉空间潜在图变换模块，视觉空间线索提取模块从输入图像对中提取视觉线索和空间线索，视觉空间融合模块将提取的视觉线索和空间线索融合到同一空间中，视觉空间潜在图变换模块通过构建特征图从视觉空间融合特征中提取局部特征并对局部特征与全局特征进行融合，从而有效捕获视觉空间对应的多尺度上下文信息；通过数据集对图像匹配模型进行训练；S3、通过训练好的图像匹配模型对待匹配图像对进行图像匹配。该方法及系统可以提高图像匹配的速度和正确率。

公开(公告)号：CN119360007B

公开(公告)日：2025-03-18

申请号：CN202411924702.9

申请日：2024-12-25

Applicant: 厦门理工学院

Inventor： 陈思 ,  林世豪 ,  王大寒 ,  江楠峰 ,  苏燕飞 ,  肖顺鑫 ,  朱毅 ,  池志鸿

IPC: G06V10/25 ,  G06V10/44 ,  G06V10/74 ,  G06V10/764 ,  G06V10/774 ,  G06V20/70

Abstract: 本发明涉及一种基于自适应高斯学习标签分配的微小目标检测方法，包括：1）获取训练数据集和训练集标注文件；2）构建微小目标检测网络模型，包括基准检测器、自适应加权高斯度量模块和动态循环标签分配模块；通过基准检测器提取分类特征图和定位特征图分别用于分类和定位任务；对于定位特征图，利用自适应加权高斯度量模块获得真实框和特征点对应的高斯分布并度量相似度；在标签分配过程中，利用动态循环标签分配模块动态设置正负样本筛选的阈值；3）将微小目标检测网络模型用于检测目标。该方法及系统可以为候选先验提供与真实框更准确的相似度分数，并在标签分配过程中动态为真实框分配适当的正样本，从而提高微小目标检测的准确性。

公开(公告)号：CN118917510B

公开(公告)日：2025-02-11

申请号：CN202411388307.3

申请日：2024-10-08

Applicant: 厦门理工学院

Inventor： 尹华一 ,  王大寒 ,  黄新栋 ,  曹二众 ,  朱顺痣

IPC: G06Q10/047 ,  G06Q10/0835 ,  G06F30/17 ,  G06F30/23 ,  G06F119/14

Abstract: 本发明涉及物流调度管理技术领域，尤其涉及一种基于数据分析的物流自动化调度方法及系统。该方法包括以下步骤：获取物流中转站设施数据并分析，以建立中转站传输拓扑结构模型；分析物流中转站设施数据，生成物流配送容器模型集；对中转站传输拓扑结构模型和配送容器模型集进行模拟，生成配送容器传输数据，并分析以制定机械臂装载控制策略；获取待装载物流货物数据并进行容器分配，生成货物物流配送容器模型；对容器模型进行规划，获取货物传输路径数据；整合货物配送容器模型，获得货物装载空间数据；根据货物传输路径数据和装载空间数据，分析并制定物流货物调度管理策略。本发明能提高物流调度管理的效率。