-
公开(公告)号：CN107016664A
公开(公告)日：2017-08-04
申请号：CN201710036716.0
申请日：2017-01-18
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明一种大圆机的坏针瑕疵检测方法，利用机器学习方法实现对织物坏针瑕疵的检测，通过自适应图像增强技术预处理瑕疵图像，并有效分割感兴趣区域，根据相位一致的多尺度金字塔方法，有效地提取织物瑕点的特征信息；在织物瑕疵点分类识别方面，利用超图正则化属性学习，成功地检测出织物坏针瑕疵。本发明大大提高了纺织品的瑕疵检测速度和效率。
-
公开(公告)号：CN107016664B
公开(公告)日：2019-08-30
申请号：CN201710036716.0
申请日：2017-01-18
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明一种大圆机的坏针瑕疵检测方法，利用机器学习方法实现对织物坏针瑕疵的检测，通过自适应图像增强技术预处理瑕疵图像，并有效分割感兴趣区域，根据相位一致的多尺度金字塔方法，有效地提取织物瑕点的特征信息；在织物瑕疵点分类识别方面，利用超图正则化属性学习，成功地检测出织物坏针瑕疵。本发明大大提高了纺织品的瑕疵检测速度和效率。
-
公开(公告)号：CN109146785A
公开(公告)日：2019-01-04
申请号：CN201810871111.8
申请日：2018-08-02
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
CPC classification number: G06T3/4053 , G06T9/002
Abstract: 本发明涉及一种基于改进稀疏自动编码器的图像超分辨率方法，其以训练样本的高频信息为特征，分别构造高、低分辨率图像训练集，并通过ZCA白化技术对联合训练集去相关以降低其冗余性，从而提高自动编码器的训练效率；然后，在传统稀疏自动编码器的代价函数中加入构造的稀疏正则化项，获取改进的稀疏自动编码器，进一步加强对隐含层的稀疏性约束；接着，采用改进的稀疏自动编码器实现无监督的联合字典学习，以学习到更加准确和鲁棒的字典；最后将学习到的字典应用于基于稀疏表示的图像超分辨率重建框架中，实现图像的重建，达到提高重建质量的效果。
-
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。
-
Patent Agency Ranking
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。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.039 seconds)
