-
公开(公告)号：CN113099223A
公开(公告)日：2021-07-09
申请号：CN202110240568.0
申请日：2021-03-04
申请人： 华侨大学
摘要： 一种针对H.266/VVC帧内预测编码的快速模式选择方法，包括如下步骤：1)根据结构张量对当前编码CU的纹理复杂度进行判别，若为平坦区域，则进入步骤2)，否则进入步骤3)；2)第一轮SATD模式粗选只对DC模式、Planar模式和垂直模式进行代价计算，并跳过第二轮SATD模式粗选的扩展角度模式选择；3)根据结构张量的奇异值分解获取主方向特征向量，并依据主方向特征向量进行模式区域的选择，跳过非必要模式代价计算。本发明能够在保持H.266/VVC编码效率的前提下，有效地降低H.266/VVC帧内预测编码计算复杂度。
-
公开(公告)号：CN117274253B
公开(公告)日：2024-02-27
申请号：CN202311546437.0
申请日：2023-11-20
申请人： 华侨大学
IPC分类号： G06T7/00 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/80
摘要： 本发明公开了一种基于多模态Transformer的零配件检测方法、装置及可读介质，涉及图像处理领域，包括：获取零配件的重量以及不同角度零配件图像叠加得到输入图像；构建零配件检测模型并训练，得到经训练的零配件检测模型，将输入图像和重量输入经训练的零配件检测模型，得到特征向量；建立包含已知型号的零配件的特征向量的零配件特征向量数据库；将待检测的零配件的输入图像和重量输入经训练的零配件检测模型，得到待检测的零配件的特征向量，将待检测的零配件的特征向量与零配件特征向量数据库中的特征向量进行比对，检测得到待检测的零配件的型号，解决传统的图像检测方法使用单一类型的数据对零配件型号检测的准确性差等问题。
-
公开(公告)号：CN117274253A
公开(公告)日：2023-12-22
申请号：CN202311546437.0
申请日：2023-11-20
申请人： 华侨大学
IPC分类号： G06T7/00 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/80
摘要： 本发明公开了一种基于多模态Transformer的零配件检测方法、装置及可读介质，涉及图像处理领域，包括：获取零配件的重量以及不同角度零配件图像叠加得到输入图像；构建零配件检测模型并训练，得到经训练的零配件检测模型，将输入图像和重量输入经训练的零配件检测模型，得到特征向量；建立包含已知型号的零配件的特征向量的零配件特征向量数据库；将待检测的零配件的输入图像和重量输入经训练的零配件检测模型，得到待检测的零配件的特征向量，将待检测的零配件的特征向量与零配件特征向量数据库中的特征向量进行比对，检测得到待检测的零配件的型号，解决传统的图像检测方法使用单一类型的数据对零配件型号检测的准确性差等问题。
-
公开(公告)号：CN116051423B
公开(公告)日：2023-06-20
申请号：CN202310206847.4
申请日：2023-03-07
申请人： 华侨大学
摘要： 本发明公开了基于空间频域滤波的激光散斑衬比血流成像方法及系统，涉及生物组织医学成像领域。该方法包括：S1，图像采集步骤；S2，二维快速傅里叶变换步骤；S3，空间频域滤波步骤；S4，二维快速傅里叶逆变换步骤；S5，时域处理步骤；S6，调制步骤。本发明通过空间频域滤波提取散斑图像中的背景信号，抑制光照背景的不均匀性；相比于一维快速傅里叶变换，利用二维快速傅里叶变换分析法来分离散斑信号和背景信号，有效降低计算复杂度的同时提高计算速度；利用空间频域滤波和时域叠加平均散斑信号计算深度调制衬比值，有效提高LSCI成像的衬比度和信噪比，也因此进一步提升了成像的动态范围。
-
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
申请人： 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分类号： G06T3/4053 , G06N3/0455 , G06N3/08 , G06T5/60
摘要： 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：CN116342432A
公开(公告)日：2023-06-27
申请号：CN202310576207.2
申请日：2023-05-22
申请人： 华侨大学
摘要： 本发明公开了一种非标记细胞显微图像增强方法及系统，属于图像处理技术领域，包括如下步骤：S1、输入非标记细胞显微图像；S2、利用滑动窗口中心灰度增强算法，对非标记细胞显微图像位于滑动窗口中心的像素进行灰度值预增强；S3、重复滑动窗口，使得滑动窗口中心遍历非标记细胞显微图像，对每一个像素进行灰度值预增强，获得预增强的非标记细胞显微图像；S5、利用预增强的非标记细胞显微图像与经自适应权值约束的高斯多尺度加权图像作差分运算，得到增强后的非标记细胞显微图像。本发明具有较好的鲁棒性及普适性，且运算速度更快；本发明对特征图像的提取更精确，且能进一步提高非标记细胞显微图像的对比度。
-
公开(公告)号：CN114817673A
公开(公告)日：2022-07-29
申请号：CN202210389983.7
申请日：2022-04-14
申请人： 华侨大学
IPC分类号： G06F16/908 , G06F16/906 , G06V10/764 , G06V10/80
摘要： 本发明提出一种基于模态关系学习的跨模态检索方法，将数据集中相同语义的图像文本对以及所属的类标签输入到基于模态关系学习的跨模态检索网络模型中训练，直至模型收敛，从而获得网络模型M；利用S1中训练得到网络模型M分别提取待查询图像/文本和候选库中每个文本/图像的特征向量，从而计算待查询图像文本与候选库中文本/图像的相似度，根据相似度的大小进行降序排序，并返回相似度最高的检索结果；建立模态间和模态内的双重融合机制进行模态间关系学习，不仅在模态内融合多尺度的特征，还在模态间使用标签的关系信息直接对融合特征进行互补性关系学习，另外，加入模态间的注意力机制进行特征联合嵌入，进一步的提高了跨模态的检索性能。
-
公开(公告)号：CN113141504A
公开(公告)日：2021-07-20
申请号：CN202110235923.5
申请日：2021-03-03
申请人： 华侨大学
IPC分类号： H04N19/103 , H04N19/122
摘要： 一种H.266/VVC屏幕内容编码快速模式选择方法，1)对当前输入的屏幕视频帧计算角点占比，根据角点占比将其划分为低对比度屏幕视频帧和高对比度屏幕视频帧；2)对于低对比度屏幕视频帧，根据当前CU是否有角点将当前编码CU分成前景CU和背景CU，再分别进行对应的模式检测；3)对于高对比度屏幕视频帧，检测当前CU是否有角点，如果未检测出角点，则当前CU为背景CU，转至步骤4)，否则，当前CU为前景CU，转至步骤5)；4)根据CU活动度和平均亮度差将背景CU分成屏幕内容背景CU和自然内容背景CU，再分别进行对应的模式检测；5)根据相邻CU是否使用IBC或PLT预测模式分别进行对应的模式检测。本发明的方法可大幅减少低对比度屏幕视频帧的编码时间，降低编码复杂度。
-
公开(公告)号：CN116051423A
公开(公告)日：2023-05-02
申请号：CN202310206847.4
申请日：2023-03-07
申请人： 华侨大学
摘要： 本发明公开了基于空间频域滤波的激光散斑衬比血流成像方法及系统，涉及生物组织医学成像领域。该方法包括：S1，图像采集步骤；S2，二维快速傅里叶变换步骤；S3，空间频域滤波步骤；S4，二维快速傅里叶逆变换步骤；S5，时域处理步骤；S6，调制步骤。本发明通过空间频域滤波提取散斑图像中的背景信号，抑制光照背景的不均匀性；相比于一维快速傅里叶变换，利用二维快速傅里叶变换分析法来分离散斑信号和背景信号，有效降低计算复杂度的同时提高计算速度；利用空间频域滤波和时域叠加平均散斑信号计算深度调制衬比值，有效提高LSCI成像的衬比度和信噪比，也因此进一步提升了成像的动态范围。
-
公开(公告)号：CN114239861A
公开(公告)日：2022-03-25
申请号：CN202111543069.5
申请日：2021-12-16
申请人： 华侨大学
IPC分类号： G06N20/20 , G06V10/778 , G06V10/776 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明实例公开了一种基于多教师联合指导量化的网络模型压缩方法及系统，利用模型量化降低深度神经网络的存储开销，提高推理速度；基于在线同步学习的联合训练范式，结合集成学习中对弱学习进行线性组合构建强学习的思想，由多个教师网络对学生网络进行量化感知训练，充分利用教师网络提供的量化梯度信息，以弥补量化压缩造成的性能损失；最后，再以全精度模型作为教师网络，通过离线知识蒸馏进一步训练量化学生网络，最终得到精度不逊于复杂模型的轻量级模型。本发明有效结合了模型量化、知识蒸馏以及集成学习的优势，在实现模型压缩与加速的同时也提升了模型性能。
-
-
-
-
-
-
-
-
-
搜索结果
17 条记录 (耗时 0.029 秒)
