-
公开(公告)号：CN119850993A
公开(公告)日：2025-04-18
申请号：CN202510323370.7
申请日：2025-03-19
Applicant: 华侨大学
IPC: G06V10/762 , G06V10/26 , G06V10/30 , G06V10/764 , G06V10/80
Abstract: 本发明公开了基于多模块协作的激光雷达点云分割聚类系统，涉及图像处理技术领域，包括：通过预处理模块去除反射噪点和非地面垂直点以获得纯净地面点云；利用环形高程关联图对地面点云进行预分割，并通过可信度传播和跳跃卷积优化低置信度点分类；采用条件风险价值识别并移除障碍物点云中的离群值；通过格网采样和体素化处理降低密度，挖掘细粒度特征，并融合点‑体素特征以增强全局特征表达；最后，采用分层递进策略提升分辨率，优化特征信息，实现障碍物的精准分割与聚类，并输出带有边界框的精细聚类结果。本发明通过多模块协作处理激光雷达点云数据，实现了地面与障碍物的精准分割及聚类，提高了点云数据处理的准确性和效率。
-
公开(公告)号：CN118447539A
公开(公告)日：2024-08-06
申请号：CN202410899748.3
申请日：2024-07-05
Applicant: 华侨大学
Abstract: 本发明公开了一种基于自蒸馏的二维人体姿态估计方法及装置，涉及计算机视觉领域，包括以下步骤：S101，获取包括二维人体图像的数据集；S102，构建基于HRNet的人体姿态检测高分辨率网络；其中，人体姿态检测高分辨率网络包括预处理层、多维尺度融合部分、自蒸馏模块、卷积层和DSNT层；S103，使用人体姿态检测高分辨率网络对数据集中的二维人体图像进行处理，获得预测热图，完成人体姿态估计。本发明的轻量级人体姿态检测高分辨率网络，引入了自蒸馏模块和DSNT模块，实现了人体姿态检测中的蒸馏网络学习和关键点的精确定位，对于单人姿态蒸馏和多人姿态识别都有着很好的识别准确率，在提高人体姿势识别准确率的同时具有较低的计算参数和运算次数。
-
公开(公告)号：CN113505881B
公开(公告)日：2023-06-02
申请号：CN202110802198.5
申请日：2021-07-15
Applicant: 华侨大学
Abstract: 本发明提供一种面向异构设备的分布式神经网络训练方法、装置及介质，所述方法包括：步骤10、计算每一设备端面向不同数据源的算力值；步骤20、进行模型分割，将原始深度模型分割给各个设备端，使得每一设备端到各自的分割模型；步骤30、在每一设备端上以自身输出和设定的迭代次数对分割模型训练，并在迭代完成后将模型参数进行加密处理后上传至服务端，服务端获取各个设备端的加密信息并解析得到模型参数，利用各个设备端的模型参数对原始深度模型进行更新，完成分布式训练。本发明可实现大规模场景的训练需求，同时实现隐私保护和模型压缩，提高安全性和训练效率。
-
公开(公告)号：CN112257612B
公开(公告)日：2023-06-02
申请号：CN202011149463.6
申请日：2020-10-23
Applicant: 华侨大学 , 福建创享蓝途科技发展有限公司
Abstract: 本发明提供一种基于边缘智能的无人机视频帧过滤方法及装置，方法包括：在无人机端部署轻量级超分辨率模型FLASR和轻量级目标检测模型Yolo_ShuffleNet；将采集到的无人机视频数据使用相似度融合算法初步过滤，得到过滤后的视频帧；将过滤后的视频帧输入到轻量级图像超分辨率模型FALSR中，得到超分辨率视频帧；将超分辨率视频帧输入到轻量级目标检测模型Yolo_ShuffleNet，对视频帧再次进行过滤，过滤掉无目标对象帧，之后上传至云端，解决了数据传输量过大导致时延长与丢失目标帧等问题，在保证目标精度的前提下，提升了目标检测速度。
-
公开(公告)号：CN112488043A
公开(公告)日：2021-03-12
申请号：CN202011478862.7
申请日：2020-12-15
Applicant: 华侨大学
Abstract: 本发明提供一种基于边缘智能的无人机车辆目标检测方法，所述方法包括：在无人机端部署两级过滤器以及轻量级目标检测模型S_YOLOv3，在云端部署高精度目标检测模型YOLOv3；通过将无人机车辆数据集分别输入到S_YOLOv3和YOLOv3中，进行模型迁移训练，使得S_YOLOv3满足预定的速度要求，且使得YOLOv3达到预定的精度要求；将采集的无人机交通视频，通过部署在无人机端的两级过滤器进行初步过滤，丢弃冗余帧；将剩余帧输入到轻量级车辆检测模型S_YOLOv3进一步筛选目标帧；将目标帧输入到部署在云端的高精度目标检测模型YOLOv3，进行高精度检测，得到最终目标帧。本发明通过边云协同机制对无人机目标进行检测，解决数据传输量过大导致时延长与丢失目标帧等问题，提高目标检测速度和准确度。
-
Patent Agency Ranking
公开(公告)号：CN117974672A
公开(公告)日：2024-05-03
申请号：CN202410390772.4
申请日：2024-04-02
Applicant: 华侨大学
IPC: G06T7/00 , G06V10/20 , G06V10/42 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于全局信息的乳腺超声肿瘤病变区域检测方法及装置，涉及目标检测领域，包括：构建基于YOLOv5网络的乳腺超声肿瘤病变区域检测模型，构建高秩特征蒸馏模块和通道相关性关系蒸馏模块，将乳腺超声肿瘤病变区域检测模型的骨干网络的第三单元输出的低维图像特征和第四单元输出的高维图像特征均输入高秩特征蒸馏模块和通道相关性关系蒸馏模块，以构建高秩特征蒸馏损失函数和通道相关性蒸馏损失函数，并加入YOLOv5网络的损失函数中构建总损失函数，基于总损失函数训练得到经训练的乳腺超声肿瘤病变区域检测模型；将乳腺超声肿瘤灰度图像输入经训练的乳腺超声肿瘤病变区域检测模型，得到乳腺超声肿瘤病变区域，解决存在误检、漏检问题。
-
公开(公告)号：CN113516230B
公开(公告)日：2023-06-02
申请号：CN202110818395.6
申请日：2021-07-20
Applicant: 华侨大学
IPC: G06N3/0464 , G06N3/082
Abstract: 本发明提供一种基于平均秩重要性排序的自动化卷积神经网络的剪枝方法，所述方法包括：获取图像的数据集，并将数据集按比例分为训练数据集和验证数据集；获取需要剪枝操作的模型并执行初始化，利用初始化的模型对训练数据集的图像进行预训练，获取每个卷积核输出特征图的平均秩；对所述平均秩进行排序，将秩排序结果作为敏感层判别依据，通过强化学习实现自动化模型剪枝操作，获得其中模型精度最高的模型剪枝策略进行剪枝操作；对剪枝完成以后的模型执行微调操作，得到最终的神经网络模型。采用本发明方法实现神经网络剪枝能够在保证精度损失较小的情况下，降低模型参数量与浮点计算量，降低设备成本。
-
公开(公告)号：CN112257612A
公开(公告)日：2021-01-22
申请号：CN202011149463.6
申请日：2020-10-23
Applicant: 华侨大学 , 福建创享蓝途科技发展有限公司
Abstract: 本发明提供一种基于边缘智能的无人机视频帧过滤方法及装置，方法包括：在无人机端部署轻量级超分辨率模型FLASR和轻量级目标检测模型Yolo_ShuffleNet；将采集到的无人机视频数据使用相似度融合算法初步过滤，得到过滤后的视频帧；将过滤后的视频帧输入到轻量级图像超分辨率模型FALSR中，得到超分辨率视频帧；将超分辨率视频帧输入到轻量级目标检测模型Yolo_ShuffleNet，对视频帧再次进行过滤，过滤掉无目标对象帧，之后上传至云端，解决了数据传输量过大导致时延长与丢失目标帧等问题，在保证目标精度的前提下，提升了目标检测速度。
-
公开(公告)号：CN107704377B
公开(公告)日：2020-09-11
申请号：CN201610858222.6
申请日：2016-09-28
Applicant: 华侨大学
IPC: G06F11/36
Abstract: 本发明公开二阶污点传播型漏洞的检测方法，包括步骤：S1.利用Web静态分析技术寻找到Web应用中所有的用户输入和对应的文件名作为动态分析时测试用例的注入点，并存入全局变量Input中；S2.通过正则表达式寻找Web应用中所有的安全敏感函数并插入提取安全敏感函数中的相关参数值的代码；S3.动态分析，包括步骤：S31.读取出全局变量Input作为注入点，向Web应用中的各注入点发送不同测试用例；S32.对比数据库中的安全敏感函数参数值与测试用例；S33.对可被污染的安全敏感函数进行分析；S34.对读取的数据进行向前数据流追踪；S35.读取Exp变量中的文件名和请求变量，构造HTTP请求触发漏洞。本发明有效检测Web应用中的二阶污点传播型漏洞，相比传统检测方法显著了降低误报率和漏报率。
-
公开(公告)号：CN118447539B
公开(公告)日：2024-10-15
申请号：CN202410899748.3
申请日：2024-07-05
Applicant: 华侨大学
Abstract: 本发明公开了一种基于自蒸馏的二维人体姿态估计方法及装置，涉及计算机视觉领域，包括以下步骤：S101，获取包括二维人体图像的数据集；S102，构建基于HRNet的人体姿态检测高分辨率网络；其中，人体姿态检测高分辨率网络包括预处理层、多维尺度融合部分、自蒸馏模块、卷积层和DSNT层；S103，使用人体姿态检测高分辨率网络对数据集中的二维人体图像进行处理，获得预测热图，完成人体姿态估计。本发明的轻量级人体姿态检测高分辨率网络，引入了自蒸馏模块和DSNT模块，实现了人体姿态检测中的蒸馏网络学习和关键点的精确定位，对于单人姿态蒸馏和多人姿态识别都有着很好的识别准确率，在提高人体姿势识别准确率的同时具有较低的计算参数和运算次数。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.032 seconds)
