-
公开(公告)号：CN117853945A
公开(公告)日：2024-04-09
申请号：CN202410037867.8
申请日：2024-01-10
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于多源信息融合的遥感图像语义分割方法（即MSGFormer）。具体来说MSGFormer包含三个模块首先，MSG(多尺度自注意全局特征融合)，通过多尺度卷积将不同大小感受野的特征图通过自注意卷积去除冗余特征，获得长距离依赖关系集成到每个解码器阶段。其次PA(坐标注意力)有效解决了类别之间的位置联系；最后提取解码器的低级语义信息(CNN_Stem)作为支流注入解码器上采样最后一层中作为细节分割补充。本发明方法在两个公开的基准数据集上优于当前最先进的算法。
-
公开(公告)号：CN115457285A
公开(公告)日：2022-12-09
申请号：CN202211145408.9
申请日：2022-09-20
Applicant: 厦门理工学院
Abstract: 本发明提供一种木纹分类模型的训练方法、木纹分类方法、装置及设备。该方法包括：对原始木纹图像进行扩充，得到扩充后的原始木纹图像数据集；对原始木纹图像数据集进行缩放，得到缩放图像数据集；对原始木纹图像数据集进行中心裁剪，得到裁剪图像数据；采用缩放图像数据集训练初始全局模型，得到训练好的全局模型；采用裁剪图像数据集训练初始局部模型，得到训练好的局部模型；将扩充后的原始木纹图像数据集输入初始全局‑局部模型进行训练，得到训练好的全局‑局部模型，以训练好的全局‑局部模型作为木纹分类模型。本发明提供的方法，采用全局‑局部模型来识别木纹图片，其预测结果更精准。
-
公开(公告)号：CN119251705B
公开(公告)日：2025-03-04
申请号：CN202411786671.5
申请日：2024-12-06
Applicant: 厦门理工学院
IPC: G06V20/13 , G06V20/10 , G06V10/44 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及遥感图像道路提取技术领域，本发明提供一种基于知识蒸馏的遥感图像道路提取方法、设备及可读存储介质，其包括构建教师模型和学生模型，教师模型和学生模型的神经网络采用编码器‑解码器架构学习道路特征，学生模型神经网络的层数少于教师模型神经网络的层数，采取中间层进行知识蒸馏，中间层进行知识蒸馏为同构蒸馏，基于目标训练后的模型输出结果。解决传统方法参数量大、计算复杂度高的问题，能够快速精准地完成实时推理，满足实时道路提取的需求。
-
公开(公告)号：CN117475155A
公开(公告)日：2024-01-30
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
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：CN109472304B
公开(公告)日：2021-04-16
申请号：CN201811277090.3
申请日：2018-10-30
Applicant: 厦门理工学院
IPC: G06K9/62
Abstract: 本发明公开了一种基于SAR与光学遥感时序数据的树种分类方法、装置和设备，方法包括：预先选择研究区域内的部分林班作为训练区域，其余林班作为验证数据，并根据训练数据采集光学遥感影像时序数据和SAR影像时序数据；对光学遥感影像数据和SAR影像数据预处理后，分别进行特征提取，以获得林班时序变化特征。对时序变化特征进行聚类分析，建立树种分类体系。根据多特征的决策树模型以及树种分类体系构建单分类时序特征指数或多分类特征指数的决策规则，并根据决策规则对预定地区的树种逐级分类，以获得树种决策树分类模型。根据验证数据对树种决策树分类模型的结果进行验证及精度的评价，并根据精度评价结果调整决策树阈值，以更新树种决策树分类模型。根据更新后的树种决策树分类模型提取树种分布图。
-
Patent Agency Ranking
公开(公告)号：CN108833264B
公开(公告)日：2021-02-12
申请号：CN201810664851.4
申请日：2018-06-25
Applicant: 厦门理工学院
Abstract: 本发明属于信息技术和生态环境信息领域，公开了一种基于微信小程序的数据采集管理系统、方法及应用，数据采集系统包括移动设备模块、移动定位模块、数据采集模块、数据管理模块和Web数据存储中心模块。本发明将信息技术和数据库技术应用于水源环境信息采集管理领域，通过信息化的方式取代传统手工采集管理的模式，减少了人力、物力、财力的开销，提高了水源环境工作人员的工作效率，增强了数据的安全性、可靠性和共享性；利用微信小程序技术取代当前移动终端原生应用程序技术，解决了移动应用程序无法兼容不同操作系统的问题，降低了系统开发成本，规避了软件下载安装的繁琐，提高了系统普及效率。
-
公开(公告)号：CN119693256A
公开(公告)日：2025-03-25
申请号：CN202411819738.0
申请日：2024-12-11
Applicant: 厦门理工学院
IPC: G06T5/60 , G06T5/77 , G06N3/0455 , G06N3/0895
Abstract: 本发明设计薄云去除技术领域，本发明提供一种基于Transformer的双重对比感知循环一致性网络的薄云去除方法、设备及可读存储介质，其包括获取数据集，并按预设比例划分为训练集和测试集；构建模型包括构建2个生成器、2个判别器，2个生成器分别用于将薄云图像转换为无云图像和将无云图像转换为薄云图像，2个判别器分别用于判别生成的无云图像的真实性和薄云图像的真实性；基于循环一致性损失、双重对比损失和双重感知损失，生成无云图像；利用模型输出得到去除薄云的遥感图像。借此，利用Transformer的全局信息处理能力，有效捕捉遥感图像中的大尺度或全局特征，弥补了传统CNN难以处理全局信息的不足之处。
-
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
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：CN114998458A
公开(公告)日：2022-09-02
申请号：CN202111434806.8
申请日：2021-11-29
Applicant: 厦门理工学院
Abstract: 本发明提供了一种基于参考图像和数据修正的欠采样磁共振图像重建方法，包括：获取全采样T1加权图像作为参考图像Iref；获取全采样T2加权图像IT2，并转换为欠采样k空间数据y；初始化图像序列Is和初始化互信息值序列MIs；使用基于残差模块的卷积神经网络，建立基于参考图像Iref和欠采样k空间数据y的欠采样磁共振图像重建模型；训练欠采样磁共振图像重建模型；记录重建过程中的重建图像及其与参考图像的互信息值；基于所述互信息值选择最佳的重建图像；对所述最佳的重建图像进行迭代k‑空间数据修正，获得最终的重建图像。本发明能够提高重建图像的准确度。
-
公开(公告)号：CN118918589B
公开(公告)日：2025-01-21
申请号：CN202411399134.5
申请日：2024-10-09
Applicant: 厦门理工学院
IPC: G06V30/146 , G06V30/19 , G06V30/18 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种基于网格点的医疗文档图像矫正识别方法及系统，该方法包括以下步骤：步骤A：获取医疗文档的待矫正图像及其对应的真实图像，构建测试数据集；步骤B：构建基于网格点的医疗文档图像矫正模型并通过训练数据集对其进行训练，得到训练好的医疗文档图像矫正模型；步骤C：利用测试数据集对训练好的医疗文档图像矫正模型进行测试，评估合格的即为最终得到的医疗文档图像矫正模型；步骤D：将最终得到的医疗文档图像矫正模型应用于医疗文档图像矫正，获取矫正后的医疗文档图像；然后对矫正后的医疗文档图像进行文字识别，得到识别后的医疗文本。该方法及系统有利于快速、准确地校正医疗文档图像并对其进行文字识别。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.02 seconds)
