-
公开(公告)号：CN112149535A
公开(公告)日：2020-12-29
申请号：CN202010953936.1
申请日：2020-09-11
Applicant: 华侨大学
Abstract: 本发明提供一种结合SegNet和U‑Net网络的车道线检测方法，包括以下步骤：制作数据集和标签；构建基于SegNet的车道线检测网络；将U‑Net网络的跳跃连接结构加入所述的基于SegNet的车道线检测网络，得到一种结合SegNet和U‑Net的车道线检测网络；使用所述结合SegNet和U‑Net网络的车道线检测网络对待识别的行车场景图像进行检测，得到检测结果。本发明提出车道线检测方法，克服原有SegNet模型提取的特征过于单一的问题，提高车道线检测的精度。
-
公开(公告)号：CN119180752B
公开(公告)日：2025-02-25
申请号：CN202411678685.5
申请日：2024-11-22
Applicant: 华侨大学 , 厦门松霖科技股份有限公司
IPC: G06T3/4053 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T3/4046
Abstract: 本发明公开了一种基于高效频域Transformer的轻量级图像超分辨率方法及装置，涉及图像处理领域，包括：构建基于高效频域Transformer的图像超分辨率模型并训练，得到经训练的图像超分辨率模型，图像超分辨率模型包括第一卷积层、亚像素卷积层、第二卷积层以及若干个高效频域Transformer模块；获取待重建的低分配率图像和上采样因子并输入经训练的图像超分辨率模型，先经过第一卷积层，得到第一卷积层的输出特征，第一卷积层的输出特征依次经过若干个高效频域Transformer模块，将最后一个高效频域Transformer模块的输出特征与第一卷积层的输出特征相加，得到第二相加结果，第二相加结果依次经过亚像素卷积层和第二卷积层，得到高分辨率重建图像。本发明克服现有Transformer方法计算复杂度过高的问题。
-
公开(公告)号：CN119251050A
公开(公告)日：2025-01-03
申请号：CN202411283089.7
申请日：2024-09-13
Applicant: 华侨大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/08 , G06F17/16
Abstract: 本发明公开了一种基于混合池化Transformer的轻量级图像超分辨率方法及装置，涉及图像处理领域，包括：构建基于混合池化Transformer的轻量级图像超分辨率模型并训练，得到经训练的轻量级图像超分辨率模型；获取待重建的低分辨率图像和尺度因子并输入到经训练的轻量级图像超分辨率模型，低分辨率图像输入第一卷积层，得到第一卷积层的输出特征，第一卷积层的输出特征经过若干个基于混合池化的Transformer模块后，得到最后一个基于混合池化的Transformer模块的输出特征，最后一个基于混合池化的Transformer模块的输出特征与第一卷积层的输出特征相加后依次经过亚像素卷积层和第二卷积层，得到高分辨率重建图像。本发明解决了现有Transformer方法计算复杂度过高的问题。
-
公开(公告)号：CN114066727B
公开(公告)日：2024-09-06
申请号：CN202110858949.5
申请日：2021-07-28
Applicant: 华侨大学
IPC: G06T3/4053 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种多阶段渐进式图像超分辨率方法，包括：使用多尺度特征提取模块提取待重建的图像特征，并引入通道注意力模块，对不同通道特征赋予权重，从而增强重要通道特征的表现能力；采用残差特征融合机制，充分利用图像上下文特征的关联性，得到第一阶段中的重建图像；使用精细化模块，对第一阶段中得到的重建图像进行优化，从而得到更为精细的重建图像；采用损失函数进行训练，进一步提升模型的超分辨率效果。本发明方法有效提高了图像超分辨率重建的效果，在主观视觉和客观评价指标方面都获得了更好的效果。
-
公开(公告)号：CN118552409A
公开(公告)日：2024-08-27
申请号：CN202411017310.4
申请日：2024-07-29
Applicant: 华侨大学 , 信泰(福建)科技有限公司 , 福建省万物智联科技有限公司
IPC: G06T3/4053 , G06N3/0455 , G06N3/08 , G06T5/60
Abstract: 本发明公开了一种基于小波变换和Transformer的轻量级图像超分辨率方法及装置，涉及图像处理领域，包括：将待重建的低分辨率图像和上采样因子输入经训练的图像超分辨率模型，待重建的低分辨率图像输入第一卷积层，得到第一卷积层的输出特征并输入第一个基于小波变换的Transformer模块，经过若干个基于小波变换的Transformer模块的特征提取，将最后一个基于小波变换的Transformer模块的输出特征与第一卷积层的输出特征相加，得到第二相加结果，第二相加结果依次经过亚像素卷积层和第二卷积层，得到高分辨率重建图像，其中亚像素卷积层的尺度因子为上采样因子。本发明可解决现有Transformer方法计算复杂度过高的问题。
-
Patent Agency Ranking
公开(公告)号：CN112149535B
公开(公告)日：2023-06-27
申请号：CN202010953936.1
申请日：2020-09-11
Applicant: 华侨大学
Abstract: 本发明提供一种结合SegNet和U‑Net网络的车道线检测方法，包括以下步骤：制作数据集和标签；构建基于SegNet的车道线检测网络；将U‑Net网络的跳跃连接结构加入所述的基于SegNet的车道线检测网络，得到一种结合SegNet和U‑Net的车道线检测网络；使用所述结合SegNet和U‑Net网络的车道线检测网络对待识别的行车场景图像进行检测，得到检测结果。本发明提出车道线检测方法，克服原有SegNet模型提取的特征过于单一的问题，提高车道线检测的精度。
-
公开(公告)号：CN119180752A
公开(公告)日：2024-12-24
申请号：CN202411678685.5
申请日：2024-11-22
Applicant: 华侨大学 , 厦门松霖科技股份有限公司
IPC: G06T3/4053 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T3/4046
Abstract: 本发明公开了一种基于高效频域Transformer的轻量级图像超分辨率方法及装置，涉及图像处理领域，包括：构建基于高效频域Transformer的图像超分辨率模型并训练，得到经训练的图像超分辨率模型，图像超分辨率模型包括第一卷积层、亚像素卷积层、第二卷积层以及若干个高效频域Transformer模块；获取待重建的低分配率图像和上采样因子并输入经训练的图像超分辨率模型，先经过第一卷积层，得到第一卷积层的输出特征，第一卷积层的输出特征依次经过若干个高效频域Transformer模块，将最后一个高效频域Transformer模块的输出特征与第一卷积层的输出特征相加，得到第二相加结果，第二相加结果依次经过亚像素卷积层和第二卷积层，得到高分辨率重建图像。本发明克服现有Transformer方法计算复杂度过高的问题。
-
公开(公告)号：CN118552409B
公开(公告)日：2024-11-05
申请号：CN202411017310.4
申请日：2024-07-29
Applicant: 华侨大学 , 信泰(福建)科技有限公司 , 福建省万物智联科技有限公司
IPC: G06T3/4053 , G06N3/0455 , G06N3/08 , G06T5/60
Abstract: 本发明公开了一种基于小波变换和Transformer的轻量级图像超分辨率方法及装置，涉及图像处理领域，包括：将待重建的低分辨率图像和上采样因子输入经训练的图像超分辨率模型，待重建的低分辨率图像输入第一卷积层，得到第一卷积层的输出特征并输入第一个基于小波变换的Transformer模块，经过若干个基于小波变换的Transformer模块的特征提取，将最后一个基于小波变换的Transformer模块的输出特征与第一卷积层的输出特征相加，得到第二相加结果，第二相加结果依次经过亚像素卷积层和第二卷积层，得到高分辨率重建图像，其中亚像素卷积层的尺度因子为上采样因子。本发明可解决现有Transformer方法计算复杂度过高的问题。
-
公开(公告)号：CN117671135A
公开(公告)日：2024-03-08
申请号：CN202311512308.X
申请日：2023-11-14
Applicant: 华侨大学
IPC: G06T17/00 , G06N3/0455 , G06N3/0464 , G06T3/4053 , G06T7/13 , G06V10/40
Abstract: 本发明公开了一种基于稀疏再聚焦的高分辨率人脸图像重建方法，涉及图像处理技术领域，包括：利用卷积核为3×3的第一卷积层提取输入的低分辨率人脸图像的浅层特征；基于三个依次连接的组件特征提取网络提取组件特征；其中，第一个组件特征提取网络的输入与第一卷积层的输出相连接；基于三个依次连接的组件生成模块生成高分辨率组件图；其中，每个组件生成模块的输入与一个组件特征提取网络的输出相连接；利用逐像素相加合并高分辨率组件图，生成重建的高分辨率人脸图像。本发明能够有效抑制冗余特征并强调关键特征，实现高效的特征提取；根据图像组件的复杂度分而治之地重建组件并合并，能够降低高频细节的重建难度并复原高分辨率人脸图像。
-
公开(公告)号：CN117218005A
公开(公告)日：2023-12-12
申请号：CN202311476526.2
申请日：2023-11-08
Applicant: 华侨大学
IPC: G06T3/40 , G06V10/40 , G06T5/00 , G06V10/764
Abstract: 本发明涉及图像超分辨率的技术领域，公开了一种基于全距离特征聚合的单帧图像超分辨率方法及系统，包括以下步骤：利用通道上采样卷积层，将输入的低分辨率图像转换为通道数为C的浅层特征图；对浅层特征图进行短距离、中距离和长距离的特征提取，并聚合成为全距离特征图；利用基于亚像素卷积的通道下采样卷积层，将全距离特征图的通道数由C下采样至输入的低分辨率图像的通道数。本发明提供的超分辨率方法克服了原有经典超分辨率模型提取的特征信息尺度单一的问题，充分利用多尺度特征信息以复原精细的细节，同时抑制冗余噪声对图像重建的干扰。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.022 seconds)
