-
公开(公告)号：CN114266846A
公开(公告)日：2022-04-01
申请号：CN202111604881.4
申请日：2021-12-25
Applicant: 福州大学
Abstract: 本发明涉及一种用于目标检测模型的自学习填充方法，包括以下步骤：步骤S1:获取图像数据集，并进行数据增强扩充数据集；步骤S2:构建可根据网络需要自动调整填充值的特征填充模块；步骤S3:将特征填充模块用于CenterNet骨干网络中，并且使用模糊池化优化下采样层，构建基于自学习填充的目标检测模型；步骤S4:基于扩充后的数据集对基于自学习填充的目标检测模型进行训练，通过随机梯度下降方法，优化自学习填充模块参数，得到训练后的目标检测模型；步骤S5:将测试图像输入训练好的目标检测模型，获取目标检测结果。本发明能够有效地减少边缘小目标的漏检。
-
公开(公告)号：CN108269233B
公开(公告)日：2021-07-27
申请号：CN201810211748.4
申请日：2018-03-15
Applicant: 福州大学
Abstract: 本发明公开了一种基于底纹半色调的文字抖动方法，首先对输入的图像进行格式和压缩方式的识别；其次，识别出需要底纹处理的具体坐标位置；然后，对底纹进行打点抖动；最后，提出的方法融合LibTiff，OpenCV和GDAL等多个库进行图片的规格化处理并输出。本发明改进了传统算法在底纹处理上的不足，可批量处理需要底纹转化的图片，并提供多种底纹图案，选择性较多，自动化标准比较高等优点非常适合印刷行业对底纹半色调处理的需求。
-
公开(公告)号：CN107945125B
公开(公告)日：2021-06-22
申请号：CN201711145578.6
申请日：2017-11-17
Applicant: 福州大学
Abstract: 本发明提供一种融合频谱估计法和卷积神经网络的模糊图像处理方法，首先将输入图像进行灰度化处理，并进行傅里叶变换，生成频谱图；其次，通过对频谱图经过二值化处理并生成水平投影图来计算模糊长度和角度；最后，利用维纳滤波对模糊图像进行复原，并通过卷积神经网络进一步加强效果。本发明方法简单高效，具有良好的发展前景。
-
公开(公告)号：CN110390673B
公开(公告)日：2021-04-27
申请号：CN201910659255.1
申请日：2019-07-22
Applicant: 福州大学
Abstract: 本发明涉及一种监控场景下基于深度学习的香烟自动检测方法，首先将拍摄以及网络下载的香烟数据集通过翻转、缩放、平滑处理得到更大的数据集，将数据集训练基于YOLOv3深度学习网络，形成模板库；使用图像增强方法对待检测的图像或视频帧进行相应的图像增强处理；对大尺寸图像进行图像分割，将图像中香烟或带香烟的人分离出来，缩短检测所需时间；然后在待检测的图像上进行预生成预测框，将每个预测框与预先训练的模板库对比；最后在所有的预测框的检测置信度中选择高于预先设定阈值的预测框将其认定为是目标物体。对当前帧的整张图像进行扫描后，标注出所有检测到的目标显示在图像上，完成对香烟的检测。本发明能有效提高检测准确率并且缩短检测时间。
-
公开(公告)号：CN112699902A
公开(公告)日：2021-04-23
申请号：CN202110031134.X
申请日：2021-01-11
Applicant: 福州大学
Abstract: 本发明涉及一种基于双线性注意力池化机制的细粒度敏感图像检测方法，包括以下步骤：步骤S1：获取敏感图像，并对获取的敏感图片集合进行数据清洗，得到NSFW敏感图像训练数据集；步骤S2：并将NSFW敏感图像训练数据集输入细粒度敏感图像智能审核网络模型，进行特征提取，生成特征图和注意力图；步骤S3：根据得到的注意力图对NSFW训练集进行基于注意力机制的数据增强，并对图像进行注意力裁剪和注意力丢弃；步骤S4：通过双线性注意力池化机制将聚合特征图和注意力图生成局部特征图，并通过卷积和池化提取局部特征，将所有局部特征组合成最终特征；步骤S5：根据最终特征预测敏感图像类别。本发明能够有效提高对难样本场景敏感图像的检测正确率。
-
Patent Agency Ranking
公开(公告)号：CN112668483A
公开(公告)日：2021-04-16
申请号：CN202011600521.2
申请日：2020-12-30
Applicant: 福州大学
IPC: G06K9/00 , G06K9/62 , G06F16/532 , G06F16/583
Abstract: 本发明涉及一种融合行人重识别和人脸检测的单目标人物跟踪方法，包括步骤S1：输入待处理的视频，得到跟踪模板；S2：根据模板信息，获得对应图像中的人脸图像，将其进行保存；同时训练一个在线分类器辅助后续的跟踪算法；S3：判断当前预测框中的人脸图像与S2中保存的人脸图像是否是同一个人；若是同一个人，则根据预测框信息实现跟踪目标区域的获取，否则进入S5；S5：对当前视频画面视频检测出当前视频画面中所有人物的位置信息获得人物图像列表；使用fast‑ReID行人重识别算法，根据查询图像，从待检索图像中检索出相似度最高的图像，从而实现跟踪错误矫正，并将相似度最高的图像作为新的跟踪模板，返回S2。本发明能够提高单目标人物跟踪效果。
-
公开(公告)号：CN112257601A
公开(公告)日：2021-01-22
申请号：CN202011142413.5
申请日：2020-10-22
Applicant: 福州大学
Abstract: 本发明提出基于弱监督学习的数据增强网络的细粒度车辆识别方法，包括以下步骤；步骤S1：把细粒度车型数据集将其输入数据增强网络的主干网络，以获得车辆注意力图并计算部分注意力特征；步骤S2：进行图片数据增强，生成增强图像以扩充训练样本；步骤S3：计算原始图像和增强图像损失以及特征中心损失，以得到网络整体损失函数；步骤S4：过滤背景噪声，生成定位图输入数据增强网络，与原始图像获得的概率求均值得到最终细粒度车型预测结果；步骤S5：构建与颜色、角度、粗粒度车型相关的的多标签向量，将图片输入网络训练获得多标签分类器。输入汽车定位图得到汽车多标签预测结果；本发明能够准确有效地经图像识别来获取图片中的多种车辆信息。
-
公开(公告)号：CN112200184A
公开(公告)日：2021-01-08
申请号：CN202011076021.3
申请日：2020-10-10
Applicant: 福州大学
Abstract: 本发明涉及一种自然场景下的书法区域检测及作者识别方法，包括以下步骤：步骤S1:采集书法图片，构建书法区域检测与作者信息数据集；步骤S2:对书法区域检测与作者信息数据集进行预处理；步骤S3:基于CornerNet网络结构，构建书法区域检测及作者识别网络，并根据预处理后的数据集进行训练；步骤S4:将待识别的图片送入训练好的书法区域检测及作者识别网络，获取图片中包含书法作品的区域并识别书法作者。本发明能够高效便捷的检测自然场景下的图片包含的书法区域及作者信息。
-
公开(公告)号：CN112183768A
公开(公告)日：2021-01-05
申请号：CN202011148529.X
申请日：2020-10-23
Applicant: 福州大学
IPC: G06N20/20
Abstract: 本发明提出一种基于语义网的机器学习流程智能组装方法(面向深度学习)，包括以下步骤；步骤S1：从不同框架所支持的预处理方法中任选几种作为图像数据的预处理方法，以自动或手动的方式；步骤S2：从不同框架所支持的模型结构中选取网络结构，以自动或手动的方式；步骤S3：从不同框架所支持的优化器中选取训练过程中将要使用的优化器，以自动或手动的方式；步骤S4：建立语义模型描述上述三个步骤所选取的不同框架各算法模块的功能，进行组装，构建机器学习模型训练流程，进行模型训练与结果评估；流程的智能组装与训练评估流程可重复进行，保留效果最好的模型作为最终模型；本发明能够有效地针对机器学习中深度学习的流程进行智能组装与自动探索。
-
公开(公告)号：CN112183419A
公开(公告)日：2021-01-05
申请号：CN202011070119.8
申请日：2020-10-09
Applicant: 福州大学
Abstract: 本发明涉及一种基于光流生成网络和重排序的微表情分类方法。首先获取微表情数据集，提取出起始帧和峰值帧，并进行预处理；训练光流生成网络，根据所有的起始帧和峰值帧生成其光流特征；接着将得到的光流图像，按照LOSO原则切分成对应的训练集和测试集，输入残差网络进行训练；最后对残差网络初步分类得到的结果进行重排序，得到精度更高的最终结果。
-
-
-
-
-
-
-
-
-
Search Results
298
records
(took 0.042 seconds)
