公开(公告)号：CN109242788A

公开(公告)日：2019-01-18

申请号：CN201810952196.2

申请日：2018-08-21

Applicant: 福州大学

Inventor： 钱慧 ,  陈晓旭

IPC: G06T5/00

Abstract: 本发明涉及一种基于编码-解码卷积神经网络低照度图像优化方法，首先采用低照度图像与对应的正常光照图像作为训练数据集；然后通过数据驱动的方式，采用步骤S1的训练数据集训练U-Net型神经网络模型，令其自主学习数据特征；最后通过训练后的U-Net型神经网络模型对采集到的低照度图像进行重构优化，实现图像重构。本发明能够在无法准确对重构算法进行建模的情况下，自主学习低照度图像中的重要特征，无需人工干预。

公开(公告)号：CN109086806A

公开(公告)日：2018-12-25

申请号：CN201810778973.6

申请日：2018-07-16

Applicant: 福州大学

Inventor： 钱慧 ,  陈晓旭

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于低分辨率压缩图像的IOT便携式设备视觉识别加速方法，首先通过设备的采集端进行图像采集，获得原始图像；接着将步骤S1采集到的原始图像经过低分辨率压缩，减少数据量，并将压缩后的图像数据传输至设备的推理端；最后设备的推理端利用已经训练好的卷积神经网络进行推理识别，并将推理识别结果实时显示出来。本发明能够在不怎么损失精度的情况下，大幅度的减少了计算量和参数数量。