-
公开(公告)号：CN114969401A
公开(公告)日：2022-08-30
申请号：CN202210496291.2
申请日：2022-05-09
Applicant: 厦门理工学院
IPC: G06F16/51 , G06F16/532 , G06F16/583 , G06V10/44 , G08G1/017
Abstract: 本发明提供了一种图像识别系统，包括图像输入模块、车标识别模块、轮廓识别模块、数据库、角度分析模块、计算处理模块和检索模块，所述图像输入模块用于接收需要识别的图像并存储，所述轮廓识别模块用于识别图像中的车辆轮廓，所述车标识别模块用于识别图像中的车标部分，所述角度分析模块根据所述车辆轮廓分析得到图像的拍摄角度，所述计算处理模块根据拍摄角度和车辆轮廓计算出车辆的特征数据，所述数据库用于存储各种车辆的特征数据，所述检索模块根据车标以及计算出的特征数据与数据库中特征数据的对比情况查找出图像中车辆的具体型号；本系统能够对不同拍摄角度下的车辆图片识别出对应的型号，具有普适性。
-
公开(公告)号：CN108537270A
公开(公告)日：2018-09-14
申请号：CN201810300031.7
申请日：2018-04-04
Applicant: 厦门理工学院
IPC: G06K9/62
Abstract: 本发明涉及一种基于多标签学习的图像标注方法、终端设备及存储介质，在该方法中，包括以下步骤：S100：提取实例的所有标签，通过标签传播算法计算多标签训练集中每个实例对应的每个标签的标签重要性程度；S200：根据标签重要性程度对多标签训练集进行重新采样，得到训练子集；S300：计算训练子集的类属属性，根据类属属性进行分类。本发明针对图像标注领域的多义性和海量图像等问题，通过多标签学习来对图像进行标记，通过利用训练样例隐含的相对标签重要性程度的信息来构建更有效的类属属性，通过该方法，不同的标签能够构建出与之对应的更有效的类属属性，在类属属性上构建该标签的分类模型，能够取得更好的图像分类效果。
-
公开(公告)号：CN113888090A
公开(公告)日：2022-01-04
申请号：CN202111174933.9
申请日：2021-10-09
Applicant: 中国人民解放军32251部队 , 厦门理工学院
IPC: G06Q10/08 , G16H40/20 , G06F16/2458 , G06N3/04
Abstract: 本发明公开了一种基于LSTM的医院药品采购计划预测系统，包括AI服务器(1)、大数据存储模块(2)、采购管理系统交互端(3)、LSTM模块(4)和药品使用获取接口(5)和药品下架管理模块(10)；其中，所述AI服务器(1)通过数据通信网络分别和大数据存储模块(2)、采购管理系统交互端(3)和药品使用获取接口(5)数据通信连接，所述AI服务器(1)还和所述LSTM模块(4)数据通信连接，所述LSTM模块(4)还和所述大数据存储模块(2)数据通信连接。本申请中采用LSTM方法对大数据进行处理分析，排除数据异常点，从而使得医院药品的采购更加准确，不会被异常数据所影响。而对异常数据进行分析，确定是否发现了突发疾病，从而更好地维持城市的整体健康，检索突然疾病和传染疾病。
-
公开(公告)号：CN107909498B
公开(公告)日：2020-07-28
申请号：CN201711012863.0
申请日：2017-10-26
Applicant: 厦门理工学院
IPC: G06Q50/00 , G06F16/9537
Abstract: 基于最大化接受者操作特征曲线下方面积的推荐方法，包括如下步骤：1)构建用户的兴趣地点对集合和签到矩阵；2)构建最大化接受者操作特征曲线下方面积的目标方程；3)对目标方程进行优化，再采用随机梯度下降的方法进行求解，迭代结束后，得到最终的用户隐矩阵和兴趣地点隐矩阵；4)计算集合中的所有兴趣点对的距离，根据该距离计算邻接矩阵N；5)计算地理上下文的排序矩阵；6)根据用户隐矩阵和兴趣地点隐矩阵得到预测的排序矩阵，将其与地理上下文排序矩阵分别进行加权后相加得到最后的推荐结果。本发明的方法可以很好的应对数据稀疏问题、计算量少，具有很好的扩展性、能达到最高水平的结果。
-
公开(公告)号：CN108763817A
公开(公告)日：2018-11-06
申请号：CN201810593966.9
申请日：2018-06-11
Applicant: 厦门理工学院
IPC: G06F17/50
CPC classification number: G06F17/509
Abstract: 本发明公开一种基于最小二乘法建模的电力地下管网匹配方法，步骤是：输入原始管线以及普查管线，采用插值点方法对于两条管线进行插值处理；通过加入插值方法，用以增加管线的特征向量，缓解特征向量稀疏问题；基于最小二乘法建模，对经插值处理后的原始管线以及普查管线进行特征提取；对提取的特征向量分别进行过滤，去除拐角特征向量；分别对原始管线和普查管线的特征进行归一化处理，然后将二者进行比较，如果差值在阈值范围内，则保留原有原始管线的拓扑属性数据，使用普查管线的坐标代替原始数据的坐标；如果不在阈值范围内，则为存疑管线，不处理。此种方法可高效准确地解决新旧电力管线的匹配问题。
-
Patent Agency Ranking
公开(公告)号：CN107316063A
公开(公告)日：2017-11-03
申请号：CN201710493622.6
申请日：2017-06-26
Applicant: 厦门理工学院
IPC: G06K9/62
CPC classification number: G06K9/6272
Abstract: 本申请涉及机器学习技术领域，尤其涉及多标记分类方法、装置、介质及设备。本申请实施例中，得到各标记的原始正例集和原始负例集后，通过类对齐，确定特定属性和插入相关标记的特定属性的操作，实现了用特定属性来表示标记之间的相关关系，以便于丰富各标记的数据和语义。故此，多标记分类相对于现有技术单纯采用单标记的方法将更加准确。例如，“沙漠”和“骆驼”具有相关关系，将以骆驼为主含有少量沙漠的图片能够分类到沙漠图片中；再例如，一张图片包含的傍晚的湖水，若湖水中具有夕阳的倒影，现有技术只会将该图片分类到湖水中，但湖水中太阳的倒影又与夕阳相关，则采用本申请的方案，还可以将该图片分类到傍晚景色的分类中。
-
公开(公告)号：CN114972032B
公开(公告)日：2025-04-25
申请号：CN202210630016.5
申请日：2022-06-06
Applicant: 厦门理工学院
IPC: G06T3/4046 , G06T3/4076 , G06N3/0464
Abstract: 本发明提出基于深度学习的图像超分辨率重建方法及系统，属于图像重建技术领域。方法包括步骤S1：获取第一分辨率组合的多个原始视频帧；S2：将所述多个原始视频帧进行分组，得到多个分组视频帧；S3：针对每一个分组视频帧执行超分辨率重建，得到第二分辨率组合的多个重建视频帧；S4：融合所述多个重建视频帧，得到所述原始视频帧的超分辨率重建结果。系统包括视频帧获取单元、视频帧分组单元、分组重建单元以及视频帧融合单元，用于实现所述方法。本发明的技术方案可以基于原始视频帧的时间戳和视角信息选择对应的深度学习模型执行分辨率重建，避免了单一重建方法带来的视角差异以及时间错误问题。
-
公开(公告)号：CN116563142A
公开(公告)日：2023-08-08
申请号：CN202310422873.0
申请日：2023-04-19
Applicant: 厦门理工学院
IPC: G06T5/00 , G06T3/40 , G06V10/10 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/088 , G06N3/094
Abstract: 本发明公开一种基于深度学习的全色锐化框架加速方法，其包括：将多光谱图像和全色图像拼接，再将拼接后的图像裁剪为多张子图像作为训练集；根据训练集构建基于生成对抗网络的无监督全色锐化模型，无监督全色锐化模型包括生成器网络和两判别网络；在生成器网络的第一层和第二层之间增加注意力机制，以加快提取多光谱图像和全色图像的特征；计算数据预处理后的子图像的平均梯度，进行梯度分类把训练集划分成简单和中等类别集合；并对其中的中等类别集合进行二次分类，划分为中等和困难类别集合；对不同类别的子图像集合采用不同量级的全色锐化模型分支进行训练。通过上述方案，本发明能够提高重建图像的准确度。
-
公开(公告)号：CN108763817B
公开(公告)日：2022-06-21
申请号：CN201810593966.9
申请日：2018-06-11
Applicant: 厦门理工学院
IPC: G06F30/18
Abstract: 本发明公开一种基于最小二乘法建模的电力地下管网匹配方法，步骤是：输入原始管线以及普查管线，采用插值点方法对于两条管线进行插值处理；通过加入插值方法，用以增加管线的特征向量，缓解特征向量稀疏问题；基于最小二乘法建模，对经插值处理后的原始管线以及普查管线进行特征提取；对提取的特征向量分别进行过滤，去除拐角特征向量；分别对原始管线和普查管线的特征进行归一化处理，然后将二者进行比较，如果差值在阈值范围内，则保留原有原始管线的拓扑属性数据，使用普查管线的坐标代替原始数据的坐标；如果不在阈值范围内，则为存疑管线，不处理。此种方法可高效准确地解决新旧电力管线的匹配问题。
-
公开(公告)号：CN107909498A
公开(公告)日：2018-04-13
申请号：CN201711012863.0
申请日：2017-10-26
Applicant: 厦门理工学院
Abstract: 基于最大化接受者操作特征曲线下方面积的推荐方法，包括如下步骤：1)构建用户的兴趣地点对集合和签到矩阵；2)构建最大化接受者操作特征曲线下方面积的目标方程；3)对目标方程进行优化，再采用随机梯度下降的方法进行求解，迭代结束后，得到最终的用户隐矩阵和兴趣地点隐矩阵；4)计算集合中的所有兴趣点对的距离，根据该距离计算邻接矩阵N；5)计算地理上下文的排序矩阵；6)根据用户隐矩阵和兴趣地点隐矩阵得到预测的排序矩阵，将其与地理上下文排序矩阵分别进行加权后相加得到最后的推荐结果。本发明的方法可以很好的应对数据稀疏问题、计算量少，具有很好的扩展性、能达到最高水平的结果。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.017 seconds)
