-
公开(公告)号：CN114881861B
公开(公告)日：2024-06-04
申请号：CN202210579510.3
申请日：2022-05-25
Applicant: 厦门大学
IPC: G06T3/4076 , G06T7/41 , G06V10/764 , G06V10/774 , G06N20/00
Abstract: 基于双采样纹理感知蒸馏学习的不均衡图像超分方法，涉及图像处理领域。包括：1)双采样策略：设计双采样策略来显式增加对少量的困难样本的采样概率，其包括反转采样和随机采样两种采样概率相反的方式训练超分模型，利用这两种采样方式来重新平衡训练数据的分布；2)纹理感知蒸馏学习：通过反转采样数据训练得到教师超分模型，通过蒸馏学习将教师模型中有效的参数级和图像级信息迁移到随机采样的学生超分模型中，从而提升不均衡图像的超分性能。可用于智能视频监控、遥感卫星、医学图像、视频应用及其它许多领域的实际需要等。
-
公开(公告)号：CN112926451A
公开(公告)日：2021-06-08
申请号：CN202110212898.9
申请日：2021-02-25
Applicant: 厦门大学
Abstract: 基于自模仿互蒸馏的跨模态行人重识别方法，涉及图像处理领域。针对现有的一阶段特征配准方法忽略了模态内和模态间的特征分布差异的不足，提出两阶段的特征配准方法，提升跨模态行人重识别的性能。其两阶段的特征配准包括：1)模态内的特征配准：以一种自模拟的学习方式获取每个行人类别的原型特征，通过提高该类别所有样本与原型特征的相似度来实现模态内的特征配准；2)模态间的特征配准：采用互蒸馏的学习方法，减小同类别不同模态的样本分布的差异。提升特征的判别性。使得来自两个不同模态，同一ID的所有样本互相学习彼此的特征分布，从而减小模态间特征差异。可用于智能视频监控、行人追踪和行为分析，智能安防等。
-
公开(公告)号：CN111681178A
公开(公告)日：2020-09-18
申请号：CN202010441054.7
申请日：2020-05-22
Applicant: 厦门大学
Abstract: 一种基于知识蒸馏的图像去雾方法，属于图像处理与深度学习技术领域。通过模仿异构任务的知识来训练图像去雾网络，包含两个子网络：一个是教师网络，由自编码网络构成；另一个是学生去雾网络，为端到端去雾网络。教师网络的目标是学习干净图像的特征表示，学生去雾网络的目的是通过模拟干净图像的特征表示将有雾图像映射到清晰图像；学生去雾网络通过学习教师网络所包含的暗知识来提升去雾网络的性能。
-
公开(公告)号：CN114820326B
公开(公告)日：2024-05-31
申请号：CN202210579505.2
申请日：2022-05-25
Applicant: 厦门大学
IPC: G06T3/4053 , G06T3/4046
Abstract: 基于可调节核稀疏化的高效单帧图像超分方法，涉及图像处理领域。通过将用户预定义的稀疏度隐式分配给每个单独的卷积核来实现权重级别的可调节模型稀疏，并由此提供一种基于可调节核稀疏化的高效单帧图像超分方法。为了诱导核稀疏性，引入软阈值函数作为门限约束从而过滤不重要的权重值。为了满足可调节的稀疏度，提出一种动态阈值学习算法，即阈值与网络权重一起更新，与此同时阈值在目标稀疏性引导下进行自适应衰减。该方法本质上为现有的超分大模型提供了在给定资源限制下的动态参数重分配。该方法研究高效轻量级图像超分模型，可用于智能安防、高清画质增强、历史老照片修复等。
-
公开(公告)号：CN111680731B
公开(公告)日：2023-06-27
申请号：CN202010486706.9
申请日：2020-06-01
Applicant: 厦门大学
IPC: G06V10/764 , G06V10/762
Abstract: 基于几何感知判别词典学习的极化SAR图像监督分类方法，涉及图像处理。1)输入待分类极化合成孔径雷达SAR图像及其真实地物标记图像，得到其极化相干矩阵；2)对提取的相干矩阵进行滤波，去除斑点噪声；每个类别选取5％的数据作为训练样本，其余作为测试样本；3)对每类样本分别使用k均值聚类得到多个聚类中心，作为字典元素构成初始字典；4)计算每个训练样本经过字典表示的稀疏向量；5)根据稀疏向量与标签信息训练SVM分类器；6)利用稀疏向量与分类器更新字典；7)若字典更新幅度大于1e‑5，返回步骤4)，否则执行步骤8)；8)计算每个测试样本经过字典表示的稀疏向量，利用SVM分类器得最终分类结果。
-
Patent Agency Ranking
公开(公告)号：CN115995018A
公开(公告)日：2023-04-21
申请号：CN202211579446.5
申请日：2022-12-09
Applicant: 厦门大学
IPC: G06V10/764 , G06V10/82 , G06N3/096
Abstract: 基于样本感知蒸馏的长尾分布视觉分类方法，涉及图像处理、目标检测领域。建立长尾分布数据集，对输入图片预处理，训练教师网络模型和学生网络模型，计算交叉熵损失和特征中心稳定学习损失，利用选择性知识蒸馏模块计算选择性知识蒸馏损失；三种损失对学生网络模型优化训练。提出特征中心稳定学习模块：计算得到全局性类间特征中心，利用全局特征中心的类间关系将局部特征中心优化，丰富尾部类数据特征的丰富性和表达能力，利用优化得到的局部特征中心对样本分类；提出选择性知识蒸馏模块：根据教师模型与学生模型的知识正确性及置信度有侧重性地将教师模型的知识蒸馏给学生。可用于长尾图像分类、目标检测等。
-
公开(公告)号：CN111681263B
公开(公告)日：2022-05-03
申请号：CN202010451026.3
申请日：2020-05-25
Applicant: 厦门大学
Abstract: 基于三值量化的多尺度对抗性目标跟踪算法，涉及图像处理。通过对对抗性目标跟踪算法VITAL进行改进，对预训练的卷积神经网络进行修改，增加其深度的同时对其进行三值量化处理，通过反向传播训练进行微调，在跟踪过程中，采用多尺度投票方式，将多尺度跟踪结果进行融合，进而实现在保证跟踪精度的同时极大压缩模型大小并加快跟踪速度的新型高效跟踪框架；在保证跟踪效果的同时，极大压缩了追踪器模型大小与计算速度，解决了目标追踪不能较好的迁移到移动设备上的痛点；有效解决了目标跟踪任务中的尺度变换问题，使得追踪结果更具有鲁棒性与准确性；在达到与现有的其他目标跟踪方法相当的跟踪性能的基础上，可以达到移动设备的负载要求。
-
公开(公告)号：CN105069825B
公开(公告)日：2018-06-12
申请号：CN201510501171.7
申请日：2015-08-14
Applicant: 厦门大学
Abstract: 基于深度置信网络的图像超分辨率重建方法，涉及图像处理。获取低分辨率的图像，对低分辨率的图像先进行插值放大，放大到所需尺寸；用重复分块采样的方法来获取低分辨亮度图图像块；输入低分辨率图像块，用预先训练好的深度置信网络预测高分辨率的图像块；将得到的拟合结果进行邻域正则化优化求解；将所有的高分辨亮度图像块组合得到高分辨率亮度图像；最后跟之前得到的其它两个通道的值组合起来，再转换成彩色RGB表示的图像，即得到所预测的高分辨率图像。可实现单帧图像的超分辨重建，提高图像的峰值信噪比，得到重建图像清晰边缘和丰富纹理，可用于视频安全监控、医学数字影像、航天探测等。
-
公开(公告)号：CN113641935B
公开(公告)日：2023-10-20
申请号：CN202110924601.1
申请日：2021-08-12
Applicant: 厦门大学
IPC: G06F16/958 , G06N20/00
Abstract: 本发明公开了一种利用数据增强提高匿名网络网页指纹监控能力的方法，包括：收集预设数量的网络流量；对每一条收集到的网络流量应用预设次三种数据包增强操作，以将每一条网络流量生成多条不同的网络流量；所述三种数据包增强操作包括插入操作(Injecting)、移除操作(Removing)和丢失操作(Losing)；使用增强后的网络流量数据集对分类器进行训练；监控者监听并捕获用户的网络流量，并利用训练好的分类器实现网页指纹识别。本发明通过三个增强操作模拟了真实互联网环境下可能出现的网络异常情况，具有现实意义；限制收集的网络流量在一定程度上解决了网页指纹识别中出现的可复制性困难和引导时间过长的问题。
-
公开(公告)号：CN111681180B
公开(公告)日：2022-04-26
申请号：CN202010451040.3
申请日：2020-05-25
Applicant: 厦门大学
Abstract: 先验驱动的深度学习图像去雾方法，涉及图像处理。先通过将传统的先验和深度神经网络学习调整相结合的方式获取有雾图像的雾的浓度分布信息；再使用雾的浓度分布信息约束和引导主要去雾过程，弥补缺乏真实有雾数据集的问题，最后通过金字塔后处理模块进一步恢复图像去雾结果的细节。既能有效捕获有雾图像的统计信息，又能以数据驱动的方式进行动态调整，有效降低去雾模型的参数量和计算量，并且缓解缺乏同一场景成对有雾/无雾数据集的问题。可以简单的实例化到现有的图像去雾模型中，提升算法的泛化性能。能有效地进行去雾，并且泛化性能优于当前其他去雾方法。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.017 seconds)
