基于骨架-边缘标签引导的伪装目标检测方法

    公开(公告)号:CN117935379A

    公开(公告)日:2024-04-26

    申请号:CN202410111566.5

    申请日:2024-01-26

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于骨架‑边缘标签引导的伪装目标检测方法。包括:步骤A、进行数据预处理,得到伪装目标对应的骨架‑边缘标签,数据处理得到训练数据集;步骤B、设计基于骨架‑边缘标签引导的伪装目标检测网络,包括特征提取子网络、骨架‑边缘标签编码器、四个特征增强模块、六个信息交互模块、三个特征蒸馏模块和五个卷积块;步骤C、设计损失函数,指导步骤B所设计网络的参数优化;步骤D、使用步骤A得到的训练数据集训练步骤B中的基于骨架‑边缘标签引导的伪装目标检测网络,得到训练好的基于骨架‑边缘标签引导的伪装目标检测模型;步骤E、将待测图像输入训练好的基于骨架‑边缘标签引导的伪装目标检测模型,输出伪装目标的掩码图像。

    基于边缘特征融合和高阶空间交互的伪装目标检测方法

    公开(公告)号:CN116310693A

    公开(公告)日:2023-06-23

    申请号:CN202310356445.2

    申请日:2023-04-06

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于边缘特征融合和高阶空间交互的伪装目标检测方法。包括:进行数据预处理,包括数据配对、数据增强处理,得到训练数据集;设计基于边缘特征融合和高阶空间交互的伪装目标检测网络,该网络由边缘感知模块、边缘增强模块、边缘特征融合模块、高阶空间交互模块、上下文聚合模块组成;设计损失函数,指导步骤B所设计网络的参数优化;使用步骤A得到的训练数据集训练步骤B中的基于边缘特征融合和高阶空间交互的伪装目标检测网络,收敛到纳什平衡,得到训练好的基于边缘特征融合和高阶空间交互的伪装目标检测模型;将待测图像输入训练好的基于边缘特征融合和高阶空间交互的伪装目标检测模型,输出伪装目标的掩码图像。

    基于边缘特征融合和高阶空间交互的伪装目标检测方法

    公开(公告)号:CN116310693B

    公开(公告)日:2025-05-20

    申请号:CN202310356445.2

    申请日:2023-04-06

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于边缘特征融合和高阶空间交互的伪装目标检测方法。包括:进行数据预处理,包括数据配对、数据增强处理,得到训练数据集;设计基于边缘特征融合和高阶空间交互的伪装目标检测网络,该网络由边缘感知模块、边缘增强模块、边缘特征融合模块、高阶空间交互模块、上下文聚合模块组成;设计损失函数,指导步骤B所设计网络的参数优化;使用步骤A得到的训练数据集训练步骤B中的基于边缘特征融合和高阶空间交互的伪装目标检测网络,收敛到纳什平衡,得到训练好的基于边缘特征融合和高阶空间交互的伪装目标检测模型;将待测图像输入训练好的基于边缘特征融合和高阶空间交互的伪装目标检测模型,输出伪装目标的掩码图像。

    一种基于构图感知的图像美学质量评价方法

    公开(公告)号:CN116342569A

    公开(公告)日:2023-06-27

    申请号:CN202310347918.2

    申请日:2023-04-04

    Applicant: 福州大学

    Abstract: 本发明提出一种基于构图感知的图像美学质量评价方法,包括以下步骤;步骤S1:将图像美学质量评价数据集和图像构图质量评价数据集处理后的数据形成美学质量评价训练集与美学质量评价测试集、构图质量评价训练集与构图质量评价测试集;步骤S2:设计金字塔式多尺度特征融合模块;步骤S3:设计图像构图质量评价网络,训练得到图像构图质量评价模型;步骤S4:设计图像美学质量评价网络,训练得到图像美学质量评价模型;步骤S5:将美学质量评价测试集中的图像输入到图像美学质量评价模型中,输出对应的评分分布,计算平均值作为图像美学质量分数;本发明能有效地借助图像中的构图信息来辅助实现图像美学评价,进一步提高图像美学质量评价算法的性能。

    一种基于构图感知的图像美学质量评价方法

    公开(公告)号:CN116342569B

    公开(公告)日:2025-05-16

    申请号:CN202310347918.2

    申请日:2023-04-04

    Applicant: 福州大学

    Abstract: 本发明提出一种基于构图感知的图像美学质量评价方法,包括以下步骤;步骤S1:将图像美学质量评价数据集和图像构图质量评价数据集处理后的数据形成美学质量评价训练集与美学质量评价测试集、构图质量评价训练集与构图质量评价测试集;步骤S2:设计金字塔式多尺度特征融合模块;步骤S3:设计图像构图质量评价网络,训练得到图像构图质量评价模型;步骤S4:设计图像美学质量评价网络,训练得到图像美学质量评价模型;步骤S5:将美学质量评价测试集中的图像输入到图像美学质量评价模型中,输出对应的评分分布,计算平均值作为图像美学质量分数;本发明能有效地借助图像中的构图信息来辅助实现图像美学评价,进一步提高图像美学质量评价算法的性能。

Patent Agency Ranking