-
公开(公告)号：CN118229964B
公开(公告)日：2024-10-08
申请号：CN202410652793.9
申请日：2024-05-24
Applicant: 厦门大学
IPC: G06V10/25 , G06V10/40 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/766
Abstract: 本发明公开一种基于全流水线改良的小目标检测方法，在目标检测流水线的三个阶段都进行了改进，综合提高了对小目标的检测性能，其包括以下步骤：对待检测图片进行预处理，然后将预处理后的待检测图片及其对应的标签送入神经网络；神经网络在检测流水线的上游对待检测图片进行特征提取和特征融合并进行提纯操作得到特征图；在检测流水线的中游使用IoU、位置偏移指标和尺寸约束指标共同为特征图的候选框评分并分配正标签和负标签；在检测流水线的下游，将分配好标签的训练样本和特征图一起送到频率解耦检测头中进行分类和回归，输出待检测图片中的待检测目标对应每一个类别的概率数值以及对应的位置信息。
-
公开(公告)号：CN117115412A
公开(公告)日：2023-11-24
申请号：CN202311121368.9
申请日：2023-09-01
Applicant: 厦门大学
IPC: G06V10/20 , G06V10/82 , G06V10/80 , G06V10/774
Abstract: 一种基于加权得分标签分配的小目标检测方法，涉及计算机视觉。将预处理后待检测的图片及其对应的类别送入神经网络；对图片特征提取和特征融合，根据特征筛选样本框送入加权得分标签分配模块中；加权得分标签分配为样本框根据加权得分分配正标签和负标签；模型训练过程中输出待图片中检测目标对应每一个类别的概率数值。测试过程中输出待检测图片预测的框的坐标、类别、得分。标签分配过程发生在模型训练之前，加权得分在原有的IoU分数的基础上引入两个完全解耦的得分。有效缓解IoU得分对大物体的倾斜问题，使模型更好地检测到小目标，同时也保证样本框的质量。在DOTA和HRSC2016数据集上实验，实现显著和一致的性能改进。
-
公开(公告)号：CN113641935B
公开(公告)日：2023-10-20
申请号：CN202110924601.1
申请日：2021-08-12
Applicant: 厦门大学
IPC: G06F16/958 , G06N20/00
Abstract: 本发明公开了一种利用数据增强提高匿名网络网页指纹监控能力的方法，包括：收集预设数量的网络流量；对每一条收集到的网络流量应用预设次三种数据包增强操作，以将每一条网络流量生成多条不同的网络流量；所述三种数据包增强操作包括插入操作(Injecting)、移除操作(Removing)和丢失操作(Losing)；使用增强后的网络流量数据集对分类器进行训练；监控者监听并捕获用户的网络流量，并利用训练好的分类器实现网页指纹识别。本发明通过三个增强操作模拟了真实互联网环境下可能出现的网络异常情况，具有现实意义；限制收集的网络流量在一定程度上解决了网页指纹识别中出现的可复制性困难和引导时间过长的问题。
-
公开(公告)号：CN116433982A
公开(公告)日：2023-07-14
申请号：CN202310433819.6
申请日：2023-04-21
Applicant: 厦门大学
IPC: G06V10/764 , G06V10/774 , G06T3/40 , G06N3/04 , G06N3/08
Abstract: 一种基于自适应域学习的弱监督目标定位方法，涉计算机视觉技术。模型训练阶段：步骤1，对待检测的图片进行预处理，然后将预处理后待检测的图片及其对应的类别送入神经网络；步骤2，神经网络对图片进行处理，在训练过程中输出待检测图片对应每一个类别的概率数值。模型测试阶段：在测试过程中输出待检测图片预测的框的坐标、类别、得分。ALM诱导网络对抗性地以最大程度生成图片的前景和背景，OLM在此基础上细化前景和背景，获得精细化的物体与背景信息。对于前背景区分效果不理想的图片，RLM提取前景中的关键信息，使网络对其进一步学习。在CUB‑200‑2011和ILSVRC数据集上实验，可实现显著和一致的性能改进。
-
公开(公告)号：CN114970596A
公开(公告)日：2022-08-30
申请号：CN202210061313.2
申请日：2022-01-19
Applicant: 福建省产品质量检验研究院(福建省缺陷产品召回技术中心) , 厦门大学
Abstract: 本发明公开了一种基于拉曼光谱分析的鱼粉掺假快速检测方法，包括：通过数据增强方法获得训练数据集：随机挑选纯鱼粉和掺假物质的拉曼光谱进行预处理，再按照一定比例进行线性加和，并按需进行归一化操作，生成兼具鱼粉和掺假物质拉曼光谱特征的用于训练的正样本；基于纯鱼粉样品用类似正样本生成的方法生成具有鱼粉拉曼光谱特征的用于训练的负样本；将所获得的训练样本按照预设比例拆分为训练集、测试集和验证集，共同输入神经网络进行网络模型训练；采集待测鱼粉样品的拉曼光谱，输入训练好的网络模型以检测该样本是否含有掺假物质。本发明将数据增强引入网络模型训练中，训练成本低，鉴别过程速度快，能够满足鱼粉掺假快速检测的需求。
-
Patent Agency Ranking
公开(公告)号：CN117173396A
公开(公告)日：2023-12-05
申请号：CN202311122506.5
申请日：2023-09-01
Applicant: 厦门大学
IPC: G06V10/25 , G06V10/52 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 一种基于分级聚焦特征金字塔的小目标检测方法，涉计算机视觉技术。模型训练阶段：1，预处理后待检测的图片及其对应的类别送入神经网络；2，神经网络对图片提取特征，将特征送入到分级聚焦特征金字塔中融合；3，模型利用融合后得到的特征输出待检测图片中目标的位置和类别。模型测试阶段：待检测图片经过特征提取后进入分级聚焦特征金字塔，利用融合后的特征输出待检测图片预测的框的坐标、类别、得分。分级聚焦特征金字塔包含HFSM和FFGA。HFSM引入特征相减操作获取细节信息，引入分级策略。FFGA利用特征融合时的全局信息引导本层特征聚焦于有效信息、抑制噪声信息。实验表明，实现显著和一致的性能改进。
-
公开(公告)号：CN113378680A
公开(公告)日：2021-09-10
申请号：CN202110610390.4
申请日：2021-06-01
Applicant: 厦门大学 , 厦门市普识纳米科技有限公司
Abstract: 本发明提出一种拉曼光谱数据的智能建库方法，首先利用小波变换将原始拉曼光谱的一维序列信号变换为小波空间中的二维信号，然后输入生成对抗网络进行训练。生成对抗网络包括一个生成模型和一个判别模型，以两个模型对抗的形式训练；前者输入随机生成的向量产生生成光谱(二维格式)，后者输入原始光谱和生成光谱(二维格式)并判断输入是否为原始光谱。生成对抗网络的训练完成后，利用其中的生成模型产生大量的与原始光谱相似的生成光谱(二维格式)，并与原始光谱联合建立光谱数据库。该数据库以二维信号格式来存储光谱数据。本发明的方法解决了将深度学习应用于拉曼光谱分析领域时所面临的光谱数据采集难、成本高和耗时长等问题，推动了深度学习方法在光谱分析应用的落地。
-
公开(公告)号：CN113641935A
公开(公告)日：2021-11-12
申请号：CN202110924601.1
申请日：2021-08-12
Applicant: 厦门大学
IPC: G06F16/958 , G06N20/00
Abstract: 本发明公开了一种利用数据增强提高匿名网络网页指纹监控能力的方法，包括：收集预设数量的网络流量；对每一条收集到的网络流量应用预设次三种数据包增强操作，以将每一条网络流量生成多条不同的网络流量；所述三种数据包增强操作包括插入操作(Injecting)、移除操作(Removing)和丢失操作(Losing)；使用增强后的网络流量数据集对分类器进行训练；监控者监听并捕获用户的网络流量，并利用训练好的分类器实现网页指纹识别。本发明通过三个增强操作模拟了真实互联网环境下可能出现的网络异常情况，具有现实意义；限制收集的网络流量在一定程度上解决了网页指纹识别中出现的可复制性困难和引导时间过长的问题。
-
公开(公告)号：CN114970596B
公开(公告)日：2024-08-23
申请号：CN202210061313.2
申请日：2022-01-19
Applicant: 福建省产品质量检验研究院(福建省缺陷产品召回技术中心) , 厦门大学
IPC: G06F18/2415 , G06F18/15 , G06F18/213 , G06N3/0464 , G06N3/084 , G01N21/65
Abstract: 本发明公开了一种基于拉曼光谱分析的鱼粉掺假快速检测方法，包括：通过数据增强方法获得训练数据集：随机挑选纯鱼粉和掺假物质的拉曼光谱进行预处理，再按照一定比例进行线性加和，并按需进行归一化操作，生成兼具鱼粉和掺假物质拉曼光谱特征的用于训练的正样本；基于纯鱼粉样品用类似正样本生成的方法生成具有鱼粉拉曼光谱特征的用于训练的负样本；将所获得的训练样本按照预设比例拆分为训练集、测试集和验证集，共同输入神经网络进行网络模型训练；采集待测鱼粉样品的拉曼光谱，输入训练好的网络模型以检测该样本是否含有掺假物质。本发明将数据增强引入网络模型训练中，训练成本低，鉴别过程速度快，能够满足鱼粉掺假快速检测的需求。
-
公开(公告)号：CN118229964A
公开(公告)日：2024-06-21
申请号：CN202410652793.9
申请日：2024-05-24
Applicant: 厦门大学
IPC: G06V10/25 , G06V10/40 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/766
Abstract: 本发明公开一种基于全流水线改良的小目标检测方法，在目标检测流水线的三个阶段都进行了改进，综合提高了对小目标的检测性能，其包括以下步骤：对待检测图片进行预处理，然后将预处理后的待检测图片及其对应的标签送入神经网络；神经网络在检测流水线的上游对待检测图片进行特征提取和特征融合并进行提纯操作得到特征图；在检测流水线的中游使用IoU、位置偏移指标和尺寸约束指标共同为特征图的候选框评分并分配正标签和负标签；在检测流水线的下游，将分配好标签的训练样本和特征图一起送到频率解耦检测头中进行分类和回归，输出待检测图片中的待检测目标对应每一个类别的概率数值以及对应的位置信息。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.025 seconds)
