-
公开(公告)号：CN114693930B
公开(公告)日：2024-09-06
申请号：CN202210333902.1
申请日：2022-03-31
Applicant: 福州大学
IPC: G06V10/26 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种基于多尺度特征和上下文注意力的实例分割方法及系统，该方法包括以下步骤：对训练集中图像进行包括数据增强和标准化处理的数据预处理；构建多尺度特征融合和上下文注意力聚合模块，以利用金字塔结构加强特征表示，并聚焦金字塔特征图中的小目标物体；构建基于多尺度特征融合和上下文注意力聚合的实例分割网络；利用训练集中图像对实例分割网络进行训练，生成实例分割结果并计算损失函数，反向传播优化整个网络的参数，得到训练好的实例分割网络；将待处理图像输入训练好的实例分割网络，得到实例分割结果。该方法及系统不仅能够提高大目标和中等目标的分割精度，同时也聚焦小目标物体，提升小目标的分割性能。
-
公开(公告)号：CN114693930A
公开(公告)日：2022-07-01
申请号：CN202210333902.1
申请日：2022-03-31
Applicant: 福州大学
Abstract: 本发明涉及一种基于多尺度特征和上下文注意力的实例分割方法及系统，该方法包括以下步骤：对训练集中图像进行包括数据增强和标准化处理的数据预处理；构建多尺度特征融合和上下文注意力聚合模块，以利用金字塔结构加强特征表示，并聚焦金字塔特征图中的小目标物体；构建基于多尺度特征融合和上下文注意力聚合的实例分割网络；利用训练集中图像对实例分割网络进行训练，生成实例分割结果并计算损失函数，反向传播优化整个网络的参数，得到训练好的实例分割网络；将待处理图像输入训练好的实例分割网络，得到实例分割结果。该方法及系统不仅能够提高大目标和中等目标的分割精度，同时也聚焦小目标物体，提升小目标的分割性能。
-
Patent Agency Ranking
公开(公告)号：CN112613303A
公开(公告)日：2021-04-06
申请号：CN202110020656.X
申请日：2021-01-07
Applicant: 福州大学
IPC: G06F40/253 , G06F40/242 , G06F40/284 , G06F40/30 , G06K9/46 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于知识蒸馏的跨模态图像美学质量评价方法。包括以下步骤：S1：设计图文多模态美学质量评价的教师网络；S2：设计用于图像美学质量评价的学生网络；S3：设计用于进行对抗训练的判别器网络；S4：设计用于训练教师网络和学生网络的损失函数；S5：使用损失函数对步骤S1、S2及S3所设计网络进行训练；S6：将用于测试的图像输入训练好的学生网络预测其美学质量。本发明方法能显著提高美学质量预测精度。
-
公开(公告)号：CN115797629A
公开(公告)日：2023-03-14
申请号：CN202211502719.6
申请日：2022-11-28
Applicant: 福州大学
IPC: G06V10/26 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/084
Abstract: 本发明提出一种基于检测增强和多阶段边界框特征细化的实例分割方法，包括以下步骤：对训练集中图像进行包括数据增强和标准化处理的数据预处理；构建解耦分类与回归的双分支目标检测头；构建多阶段细化与增强空间空洞融合模块的实例分割头，利用目标检测头的边界框特征多阶段地对实例分割头的细化过程进行增强；构建基于检测增强和多阶段边界框特征细化的实例分割网络；利用训练集中图像对实例分割网络进行训练，生成实例分割结果并计算损失函数，反向传播优化整个网络的参数，得到训练好的实例分割网络；将待处理图像输入训练好的实例分割网络，得到实例分割结果。该方法能够通过目标检测来提升实例分割的性能，并生成高质量的实例分割掩码。
-
公开(公告)号：CN112766221B
公开(公告)日：2022-06-14
申请号：CN202110134342.2
申请日：2021-02-01
Applicant: 福州大学
IPC: G06V20/10 , G06V20/54 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62
Abstract: 本发明涉及一种基于船舶方向和位置多任务的SAR图像船舶目标检测方法。包括：步骤A：划分数据集，进行数据增强，将图像和标签数据转化成用于SAR图像船舶目标检测的数据；步骤B：设计基于SAR图像船舶特征的目标检测网络的多尺度特征提取模块、船舶方向分类模块和用于多任务检测的双分支检测头；步骤C：设计目标检测网络的损失函数，指导网络梯度计算和参数优化；步骤D：使用步骤C设计的损失函数对步骤B设计的目标检测网络进行训练，优化网络参数；步骤E：将待测试的图像输入训练好的网络预测船舶目标，使用非极大值抑制过滤冗余的船舶目标，得到最终检测结果。本发明方法能有效减少预测结果与真实船舶目标之间的差异。
-
公开(公告)号：CN112613303B
公开(公告)日：2023-02-21
申请号：CN202110020656.X
申请日：2021-01-07
Applicant: 福州大学
IPC: G06F40/253 , G06F40/242 , G06F40/284 , G06F40/30 , G06V30/18 , G06V30/19 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种基于知识蒸馏的跨模态图像美学质量评价方法。包括以下步骤：S1：设计图文多模态美学质量评价的教师网络；S2：设计用于图像美学质量评价的学生网络；S3：设计用于进行对抗训练的判别器网络；S4：设计用于训练教师网络和学生网络的损失函数；S5：使用损失函数对步骤S1、S2及S3所设计网络进行训练；S6：将用于测试的图像输入训练好的学生网络预测其美学质量。本发明方法能显著提高美学质量预测精度。
-
公开(公告)号：CN112766221A
公开(公告)日：2021-05-07
申请号：CN202110134342.2
申请日：2021-02-01
Applicant: 福州大学
Abstract: 本发明涉及一种基于船舶方向和位置多任务的SAR图像船舶目标检测方法。包括：步骤A：划分数据集，进行数据增强，将图像和标签数据转化成用于SAR图像船舶目标检测的数据；步骤B：设计基于SAR图像船舶特征的目标检测网络的多尺度特征提取模块、船舶方向分类模块和用于多任务检测的双分支检测头；步骤C：设计目标检测网络的损失函数，指导网络梯度计算和参数优化；步骤D：使用步骤C设计的损失函数对步骤B设计的目标检测网络进行训练，优化网络参数；步骤E：将待测试的图像输入训练好的网络预测船舶目标，使用非极大值抑制过滤冗余的船舶目标，得到最终检测结果。本发明方法能有效减少预测结果与真实船舶目标之间的差异。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
