-
公开(公告)号：CN119359547B
公开(公告)日：2025-05-02
申请号：CN202411936474.7
申请日：2024-12-26
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/0464 , G06N3/0495 , G06T3/4046
Abstract: 本发明设计图像处理技术领域，公开了一种基于特征蒸馏和层间信息交互的轻量级图像超分辨率方法，包括以下步骤：构建动态非对称蒸馏模块和层间全维信息交互模块；基于动态非对称蒸馏模块和层间全维信息交互模块构建轻量级图像超分辨率网络；利用所述轻量级图像超分辨率网络实现图像超分辨率；其中，所述轻量级图像超分辨率网络利用卷积层对输入的低分辨率图像进行浅层特征提取，利用动态非对称蒸馏模块和层间全维信息交互模块对浅层特征进行深层特征提取，利用卷积层和上采样对深层特征进行图像重建，得到高分辨率图像。本发明以更轻量、更有效的方式提取关键特征，从而实现在提升重建效果的同时，最小化计算开销和参数量。
-
公开(公告)号：CN119232941B
公开(公告)日：2025-02-25
申请号：CN202411716269.X
申请日：2024-11-27
Applicant: 华侨大学
IPC: H04N19/172 , H04N19/70 , H04N19/85 , H04N19/134 , H04N19/42 , G06V20/40 , G06N3/0464 , G06N3/08 , G06T7/254 , G06V10/80
Abstract: 本发明公开了一种基于深度学习的双目视频压缩方法、装置及可读介质，涉及视频处理领域，包括：构建双目视频压缩模型并训练，得到经训练的双目视频压缩模型，分别获取待压缩的双目视频中的左视点的当前时刻的原始帧和前一时刻的原始帧以及右视点的当前时刻的原始帧和前一时刻的原始帧并输入到经训练的双目视频压缩模型，通过迭代的方式重构得到左视点的重建帧序列和右视点的重建帧序列，并得到压缩后的双目视频。本发明解决了现有的双目视频的视点间的冗余利用率低、压缩性能低的问题。
-
公开(公告)号：CN118918009B
公开(公告)日：2025-02-25
申请号：CN202411413946.0
申请日：2024-10-11
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/0455 , G06N3/0464 , G06T5/60 , G06T5/70 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种基于稳定扩散的真实世界图像超分辨率方法，涉及图像超分辨率技术领域，具体通过构建并训练增强先验引导扩散模型实现；所述增强先验引导扩散模型实现真实世界图像超分辨率的过程为：预处理模块根据低分辨率图像生成预处理图像，分割模块根据预处理图像生成对应的分割掩码图像，注意力融合模块根据预处理图像和分割掩码图像的潜在特征生成融合潜在特征；语义提示提取器从预处理图像提取高质量语义提示词输入去噪主干网络；控制网络基于融合潜在特征对去噪主干网络进行特征调制；去噪主干网络输出高分辨率图像。本发明在真实世界图像超分辨率任务上更注重图像高频细节和结构层次，保证了复原图像的真实性与一致性。
-
公开(公告)号：CN119232941A
公开(公告)日：2024-12-31
申请号：CN202411716269.X
申请日：2024-11-27
Applicant: 华侨大学
IPC: H04N19/172 , H04N19/70 , H04N19/85 , H04N19/134 , H04N19/42 , G06V20/40 , G06N3/0464 , G06N3/08 , G06T7/254 , G06V10/80
Abstract: 本发明公开了一种基于深度学习的双目视频压缩方法、装置及可读介质，涉及视频处理领域，包括：构建双目视频压缩模型并训练，得到经训练的双目视频压缩模型，分别获取待压缩的双目视频中的左视点的当前时刻的原始帧和前一时刻的原始帧以及右视点的当前时刻的原始帧和前一时刻的原始帧并输入到经训练的双目视频压缩模型，通过迭代的方式重构得到左视点的重建帧序列和右视点的重建帧序列，并得到压缩后的双目视频。本发明解决了现有的双目视频的视点间的冗余利用率低、压缩性能低的问题。
-
公开(公告)号：CN118967453A
公开(公告)日：2024-11-15
申请号：CN202411448384.3
申请日：2024-10-17
Applicant: 华侨大学
IPC: G06T3/4076 , G06N3/048 , G06T3/4046 , G06T3/4084
Abstract: 本发明涉及图像超分辨率技术领域，公开了一种基于梯度一致感知的空频域特征混合图像超分辨率方法，包括：构建空频域特征混合图像超分辨率网络，包括超分辨率分支和回归分支，超分辨率分支采用空频域特征混合模块对低分辨率图像提取不同尺度的混合特征，回归分支基于混合特征获得全分辨率图像，并基于不同尺度的混合特征重建低分辨率梯度图，所述低分辨率梯度图用于构建梯度一致感知学习损失函数，以训练所述空频域特征混合图像超分辨率网络。本发明全局挖掘可利用的高频信息，并对高分辨率梯度图以及重建的低分辨率梯度图施加一阶束缚，从而探索层次特征之间的全局依赖关系。
-
Patent Agency Ranking
公开(公告)号：CN118396988B
公开(公告)日：2024-10-22
申请号：CN202410824677.0
申请日：2024-06-25
Applicant: 华侨大学
IPC: G06T7/00 , G06N3/006 , G06N3/0499 , G06N3/08 , G06V10/40 , G06V10/764
Abstract: 本发明公开了一种基于改进Alex网络的CT图像肾结石检测方法，涉及医院图像处理技术领域其特征在于，包括以下步骤：构建CT图像肾结石检测模型，所述CT图像肾结石检测模型包括依次连接的特征提取模块和分类器；所述特征提取模块采用Alex网络，所述分类器采用萤火虫群优化ELM网络，所述萤火虫群优化ELM网络采用萤火虫群算法加速ELM网络的运算过程；使用批量归一化技术训练CT图像肾结石检测模型；利用训练好的CT图像肾结石检测模型对输入的CT图像进行肾结石检测。本发明采用批量归一化提高AlexNet的训练速度，采用萤火虫群优化算法来优化ELM网络初始参数，提高训练的收敛速度和性能，最终提升了肾结石检测的速度和精度。
-
公开(公告)号：CN118396988A
公开(公告)日：2024-07-26
申请号：CN202410824677.0
申请日：2024-06-25
Applicant: 华侨大学
IPC: G06T7/00 , G06N3/006 , G06N3/0499 , G06N3/08 , G06V10/40 , G06V10/764
Abstract: 本发明公开了一种基于改进Alex网络的CT图像肾结石检测方法，涉及医院图像处理技术领域其特征在于，包括以下步骤：构建CT图像肾结石检测模型，所述CT图像肾结石检测模型包括依次连接的特征提取模块和分类器；所述特征提取模块采用Alex网络，所述分类器采用萤火虫群优化ELM网络，所述萤火虫群优化ELM网络采用萤火虫群算法加速ELM网络的运算过程；使用批量归一化技术训练CT图像肾结石检测模型；利用训练好的CT图像肾结石检测模型对输入的CT图像进行肾结石检测。本发明采用批量归一化提高AlexNet的训练速度，采用萤火虫群优化算法来优化ELM网络初始参数，提高训练的收敛速度和性能，最终提升了肾结石检测的速度和精度。
-
公开(公告)号：CN117294894A
公开(公告)日：2023-12-26
申请号：CN202311150398.2
申请日：2023-09-07
Applicant: 华侨大学
Abstract: 本发明提供一种视频目标编辑方法、终端设备及存储介质，方法包括：获取视频信息、目标编辑操作、目标编号和视频目标参数；使用视频实例分割算法对视频中的帧图像进行目标分割，得到目标的像素级信息；输出对应操作和编号的相应图片列表，根据目标编辑操作，输出原帧列表、目标二值掩码列表、平移目标帧列表、平移目标二值掩码列表、缩放目标帧列表或缩放目标二值掩码列表；使用视频图像修复算法对视频画面进行修复，根据目标编辑操作，输出删除修复视频、平移修复视频列表或缩放修复视频。本发明能够更方便、高效及精确地实现视频目标编辑。
-
公开(公告)号：CN113160271B
公开(公告)日：2023-10-31
申请号：CN202110276732.3
申请日：2021-03-15
Applicant: 华侨大学
Abstract: 本发明提出了一种融合相关滤波和粒子滤波的高精度红外目标跟踪方法，将Lp范数引入LRST跟踪器，构建跟踪器最小化模型Lp‑LRST；利用DSST跟踪器估计出目标的位置和尺度，同时计算PSR值来衡量跟踪结果的可信度；若PSR大于或等于设定阈值，则根据DSST跟踪器当前帧确定的目标位置和尺度来执行Lp‑LRST跟踪器，否则由Lp‑LRST跟踪器根据上一帧的目标状态来重新确定目标位置；若PSR大于或等于设定阈值，则更新DSST跟踪器的模板，反之，停止更新；当粒子的模板相似度低于设定阈值时，更新Lp‑LRST跟踪器的模板，反之，停止更新；将获得的目标位置和尺度传递给下一帧的DSST跟踪器；重复直到跟踪结束。本发明提供的方法能够实现提升红外目标跟踪的准确性和鲁棒性。
-
公开(公告)号：CN116739903A
公开(公告)日：2023-09-12
申请号：CN202310793797.4
申请日：2023-06-30
Applicant: 华侨大学
IPC: G06T3/40 , G06V10/764 , G06V10/42 , G06V10/774
Abstract: 本发明公开了一种结合分类加强与细化微调的目标跟踪方法、装置及可读介质，构建目标跟踪网络模型并训练，得到经训练的目标跟踪网络模型，将当前帧输入ResNet模块，将ResNet模块的输出特征输入全局感知模块，得到全局感知特征，将全局感知特征与模板帧输入分类加强模块，得到前景特征图和前景概率特征图；在第一分支中，将降维后的全局感知特征与模板帧输入判别相关滤波器，得到定位特征图；在第二分支中，将前景特征图、前景概率特征图和定位特征图融合得到混合特征图，将混合特征图与ResNet模块的部分输出特征输入微调路径模块，得到目标的掩膜，通过拟合掩膜，得到矩形框，细化微调模块根据矩形框提取目标的特征，并与模板帧做逐像素相关，得到目标跟踪框。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.029 seconds)
