-
公开(公告)号：CN119205504A
公开(公告)日：2024-12-27
申请号：CN202411241403.5
申请日：2024-09-05
Applicant: 福州大学
IPC: G06T3/4053 , G06T3/4046 , G06V10/52 , G06V10/80 , G06T3/02 , G06N3/0464
Abstract: 本发明提出一种多帧图像任意尺度超分辨率重建方法，具体包括以下步骤：获取多帧连拍图像；采用仿射变换中的平移变换对获取的多帧连拍图像进行对齐；设定目标超分辨率放大倍数；构建超分辨率网络，所述超分辨率网络包括多帧特征融合网络、多尺度特征提取网络和隐式特征重建网络；将对齐后的的多帧连拍图像送入超分辨率网络，获得高分辨率图像并输出。本发明通过在多帧图像的融合特征中挖掘像素间的隐式特征，从而增加对多帧图像亚像素信息的利用率，提升重建质量，并达到实现任意尺度超分辨率重建的目的。
-
公开(公告)号：CN114419151B
公开(公告)日：2024-07-26
申请号：CN202111656453.6
申请日：2021-12-31
Applicant: 福州大学
IPC: G06T7/73 , G06V10/74 , G06V10/774 , G06V20/40
Abstract: 本发明一种基于对比学习的多目标跟踪方法，包括以下步骤；步骤S1、从视频的邻域帧中选择两帧图像用于训练；步骤S2、将两帧图像输入共享权重的DLA‑34骨干网络提取特征；步骤S3、将提取到的高分辨率特征图输入到检测分支和Re‑ID分支；检测分支得到检测结果，Re‑ID分支得到检测的重识别嵌入向量；步骤S4、根据真值中心点热力图的置信度评分筛选正负样本；步骤S5、使用前后两帧图像的重识别嵌入向量的正负样本进行网络模型的对比学习；步骤S6、以训练出的网络模型对视频进行多目标跟踪；本发明能解决多目标跟踪任务中目标外观相似性学习不充分的问题，同时在匹配过程采用更加简单的实现方法。
-
公开(公告)号：CN114332840A
公开(公告)日：2022-04-12
申请号：CN202111662775.1
申请日：2021-12-31
Applicant: 福州大学
IPC: G06V20/62 , G06V30/146 , G06V30/148 , G06V30/16 , G06V30/18 , G06V30/19 , G06N3/04
Abstract: 本发明提出一种无约束场景下的车牌识别方法，包括以下方法；步骤S1、以多阶段设计的去模糊网络对输入的车牌图像进行去模糊处理，得到清晰图像；步骤S2、将得到的清晰图像输入车辆检测网络中，定位车辆边界框；步骤S3、对车辆边界框进行缩放；步骤S4、将车辆边界框图像输入到车牌倾斜检测网络，定位出车牌并进行倾斜校正；步骤S5、将校正后的车牌图像送入OCR网络，进行字符分割和字符识别，得到车牌号码；本发明能够处理更加复杂的模糊和倾斜车牌图片，有效地提高了复杂场景下的识别准确率。
-
公开(公告)号：CN114332577A
公开(公告)日：2022-04-12
申请号：CN202111648121.3
申请日：2021-12-31
Applicant: 福州大学
IPC: G06V10/80 , G06V10/764 , G06V10/771 , G06V10/25 , G06V10/44 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/20
Abstract: 本发明提出一种结合深度学习与影像组学的结直肠癌图像分类方法及系统，针对深度学习模型训练种小样本问题，充分利用已有的数据进行数据增强（旋转，平移、图像变换等）为了解决医生手工标记耗时耗力的问题，引入深度学习的自动分割网络模型，实现自动的从图像中标注感兴趣区域。针对深度学习模型提取的特征可解释性差，获取特征信息不够全面的问题，采用影像组学特征、深度学习特征和临床病理信息三者融合获取更多更全面的特征信息，进一步提高影像组学的分类准确性和可靠性。
-
公开(公告)号：CN114119511A
公开(公告)日：2022-03-01
申请号：CN202111339539.6
申请日：2021-11-12
Applicant: 福州大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明涉及一种基于EfficientNet结构的结肠镜图像评价方法，包括以下步骤：步骤S1：获取结直肠序列图像，并初步分类为左半结肠、横结肠、右半结肠三段子序列图像；步骤S2:对子序列图像进行预处理；步骤S3:根据预处理后的子序列图像，基于可缩放的EfficientNet网络模型，获得最优的分类；步骤S4：基于BBPS肠道准备评价标准，即对左半结肠、横结肠、右半结肠三段子序列图像分别评分，累计各段肠道清洁度最差的图像评分，进一步评价结肠镜图像是否合格。本发明有效实现肠道准备的自动、准确的评价，可极大减轻医生的负担。
-
Patent Agency Ranking
公开(公告)号：CN112801020A
公开(公告)日：2021-05-14
申请号：CN202110174952.5
申请日：2021-02-09
Applicant: 福州大学
Abstract: 本发明涉及一种基于背景灰度化的行人再识别方法及系统，该方法包括：S1、对原始图像进行背景灰度化处理，得到处理后的BGg图像；S2、基于ResNet50的双路网络，一路为背景灰度流BGg‑Stream，对BGg图像进行特征提取，另一路为全局流G‑Stream，对原始图像进行特征提取；S3、通过级联对两路网络进行彼此交互；S4、两路网络在每个阶段所得的特征图，通SCAB模块之后作为BGg‑stream的下一层卷积的输入特征图，使两路网络得以联系，两路特征得以结合；S5、采用三元组损失函数来更新网络参数，并进行相似度计算，最后输出排列序列。该方法及系统有利于弱化背景干扰，提高行人再识别的准确度。
-
公开(公告)号：CN112733953A
公开(公告)日：2021-04-30
申请号：CN202110072573.5
申请日：2021-01-19
Applicant: 福州大学
Abstract: 本发明涉及一种基于Non‑local CNN‑GCN和拓扑子图的肺CT图像动静脉血管分离方法。首先，使用尺度空间粒子采样方法将血管树表示为一组中心线体素粒子。接着，根据粒子体素及其相邻体素构造拓扑图，并从拓扑图中提取只包含动脉或静脉分支的拓扑子图。然后，基于拓扑图训练Non‑local CNN‑GCN分类器。最后利用拓扑子图来改进分类结果。
-
公开(公告)号：CN107092875B
公开(公告)日：2020-02-07
申请号：CN201710232163.6
申请日：2017-04-11
Applicant: 福州大学
Abstract: 本发明涉及一种新的场景识别方法。该方法：S1、采用似物检测中的选择性搜索方式对场景图像进行图像分割产生图像块；S2、对各个图像块进行深度特征提取；S3、采用K‑Means聚类算法对步骤S2提取的各个图像块的深度特征进行聚类；S4、对步骤S3的聚类结果进行筛选并生成字典；S5、场景图像的字典空间表达，并对字典空间表达结果矩阵进行顺序最大池化处理；S6、进行SVM分类，得到结果。本发明采用似物检测提取图像块避免了图像块语义不明确的问题，同时提出了具有代表性和区别性的增强型K‑Means字典，最后提出了一种适应似物检测的顺序池化方式，提高了分类的准确率。
-
-
公开(公告)号：CN109917359A
公开(公告)日：2019-06-21
申请号：CN201910207209.8
申请日：2019-03-19
Applicant: 福州大学
IPC: G01S11/12
Abstract: 本发明涉及一种基于车载单目视觉的鲁棒车辆距离估计方法。该方法利用角度回归模型（Angle Regression Model）获取目标车辆的姿态角信息，尺寸估计网络（Dimension Network）得到目标车辆的实际尺寸，在此基础上基于图像解析几何原理设计2D基向量几何模型来准确恢复出车辆背面面积，最后基于相机投影原理建立面积-距离模型来恢复出距离。本发明方法与其他现有已发布的方法相比实现了卓越的性能，测距系统的准确率得到了明显的提高。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.022 seconds)
