-
公开(公告)号：CN114332787B
公开(公告)日：2024-09-06
申请号：CN202111680087.8
申请日：2021-12-30
Applicant: 福州大学
IPC: G06V20/54 , G06V10/82 , G06V10/774 , G06V10/74 , G06N3/088 , G06N3/096 , G06N3/094 , G06N3/045 , G06N3/0475
Abstract: 本发明提出一种无源域无监督域自适应车辆再识别方法，在车辆再识别过程中，通过源域模型和目标域数据，利用关系保持一致损失和知识蒸馏损失训练一个生成器，目的是生成具有源域风格的伪目标样本，然后利用伪目标样本对模型进行微调，从而提升模型性能。其不再使用源域数据，而是利用隐含在源域模型中学习到的源域知识来作为指导，从而促进目标域数据的风格向源域数据的风格进行迁移。
-
公开(公告)号：CN114299543B
公开(公告)日：2024-09-06
申请号：CN202111636116.0
申请日：2021-12-29
Applicant: 福州大学
IPC: G06V40/10 , G06V10/774 , G06V10/764 , G06V10/762 , G06N3/0464 , G06N3/084 , G06N3/0895 , G06V10/82
Abstract: 本发明涉及一种无监督行人重识别方法，包括以下步骤：步骤S1:获取包括若干视角的行人图像数据，构建行人数据集；步骤S2:构建行人重识别模型，并基于无监督的视角内和视角外的训练方法进行训练，得到训练后的行人重识别模型；步骤S3:将待识别图像输入训练后的行人重识别模型，获取识别结果。本发明解决相似度计算问题导致分配伪标签不准确问题，有效提高识别效率和可靠性。
-
公开(公告)号：CN114332013B
公开(公告)日：2024-07-26
申请号：CN202111636037.X
申请日：2021-12-29
Applicant: 福州大学
Abstract: 本发明涉及一种基于肺动脉树分级的CT图像靶肺段识别方法，包括以下步骤：步骤S1:获取CT图像数据，并重建出肺结构，包括肺结节、支气管、肺动脉树和肺叶；步骤S2:对肺动脉树提取初始中心线，并通过端点检测器和轨迹提取器构造完整且连续的拓扑树;步骤S3:根据拓扑树，结合肺叶、支气管先验知识进行约束，确定18个动脉节段子树；步骤S4:确定靶向动脉分支；步骤S5:对肺叶上的每个体素点计算最邻近动脉节段子树，并归属到相应的肺段；同样的，根据距离关系，计算靶向动脉分支在关联肺段中所支配区域，确定靶肺段。本发明充分考虑各肺解剖结构之间的关联性，实现动脉的分级标注，精准确定靶向动脉分支，进而划分肺段和确认靶肺段。
-
公开(公告)号：CN112801019B
公开(公告)日：2022-07-08
申请号：CN202110174945.5
申请日：2021-02-09
Applicant: 福州大学
IPC: G06V20/10 , G06V10/74 , G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/08
Abstract: 本发明涉及一种基于合成数据消除无监督车辆再识别偏差的方法及系统，该方法包括以下步骤：S1、通过保持一致性的生成对抗网络SPGAN将合成数据转化为与目标域具有相似风格的伪目标样本，通过伪目标样本对模型进行预训练；S2、通过预训练好的模型进行无监督域自适应或完全无监督任务；S3、通过预先训练好的方向模型和相机模型计算出图像的方向和相机相似度，进而得到最终的车辆相似度用于测试。该方法及系统有利于提高车辆再识别性能，且适应性强。
-
公开(公告)号：CN114332787A
公开(公告)日：2022-04-12
申请号：CN202111680087.8
申请日：2021-12-30
Applicant: 福州大学
Abstract: 本发明提出一种无源域无监督域自适应车辆再识别方法，在车辆再识别过程中，通过源域模型和目标域数据，利用关系保持一致损失和知识蒸馏损失训练一个生成器，目的是生成具有源域风格的伪目标样本，然后利用伪目标样本对模型进行微调，从而提升模型性能。其不再使用源域数据，而是利用隐含在源域模型中学习到的源域知识来作为指导，从而促进目标域数据的风格向源域数据的风格进行迁移。
-
Patent Agency Ranking
公开(公告)号：CN114332013A
公开(公告)日：2022-04-12
申请号：CN202111636037.X
申请日：2021-12-29
Applicant: 福州大学
Abstract: 本发明涉及一种基于肺动脉树分级的CT图像靶肺段识别方法，包括以下步骤：步骤S1:获取CT图像数据，并重建出肺结构，包括肺结节、支气管、肺动脉树和肺叶；步骤S2:对肺动脉树提取初始中心线，并通过端点检测器和轨迹提取器构造完整且连续的拓扑树;步骤S3:根据拓扑树，结合肺叶、支气管先验知识进行约束，确定18个动脉节段子树；步骤S4:确定靶向动脉分支；步骤S5:对肺叶上的每个体素点计算最邻近动脉节段子树，并归属到相应的肺段；同样的，根据距离关系，计算靶向动脉分支在关联肺段中所支配区域，确定靶肺段。本发明充分考虑各肺解剖结构之间的关联性，实现动脉的分级标注，精准确定靶向动脉分支，进而划分肺段和确认靶肺段。
-
公开(公告)号：CN112801021A
公开(公告)日：2021-05-14
申请号：CN202110174971.8
申请日：2021-02-09
Applicant: 福州大学
Abstract: 本发明涉及一种基于多级语义信息的车道线检测方法及系统，该方法包括以下步骤：S1、对车道场景图像中的车道线进行分割，提取图像的低级语义信息，输出基于低级语义信息的车道线掩膜图；S2、利用图像的消失点、车道线空间信息和长距离依赖信息，训练结合消失点的车道线语义分割网络，得到图像的高级语义信息，并输出基于高级语义信息的车道线掩模图；S3、将基于高、低级语义信息的车道线掩模图融合，得到基于多级语义信息的车道线分割结果。该方法及系统有利于提高车道线检测的准确性，能够应对复杂行车环境。
-
公开(公告)号：CN109480765A
公开(公告)日：2019-03-19
申请号：CN201811283529.3
申请日：2018-10-31
Applicant: 福州大学
Abstract: 本发明提出基于定向局部对比度与位置约束的眼底图像黄斑与视盘检测方法，包括；A1、生成预处理图像；A2、对图像内像素灰度值低于总体平均值的像素按DLC向量在n个θ角方向的分量均小于零的条件执行DLC负向滤波，生成负向滤波二值图像，即小于零的区域为黄斑区域，生成黄斑标记图像；A3、以黄斑位置最下方以上的区域作为视盘特征区域；A4、对视盘特征区域内像素灰度值高于总体平均值的像素按DLC向量在n个θ角方向的分量均大于零的条件执行DLC正向滤波，生成正向滤波二值图像，即大于零的区域为视盘侯选区域，生成视盘标记图像；A5、以位置约束关系对图像甄别，识别出正确的黄斑位置和视盘位置；本发明可实现黄斑和视盘精确和快速的检测和定位。
-
-
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。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.032 seconds)
