-
公开(公告)号：CN109272467A
公开(公告)日：2019-01-25
申请号：CN201811113242.6
申请日：2018-09-25
Applicant: 南京大学
Abstract: 本发明公开了一种基于多尺度边缘线索的层次化图像分割方法，包括以下步骤：对输入图像进行超像素化，获得图像的过分割区域；对输入图像进行多尺度的内容风格分离，从而提取图像的内容部件，并使用边缘检测方法检测图像内容部件的边缘信息，获取多尺度的边缘概率图；根据多尺度边缘线索度量过分割区域之间的相似度，并进行迭代式区域合并，生成层次合并树；根据层次合并树和先验信息建立能量函数，并采用动态规划方法求解能量函数从而优化层次合并树结构，实现图像的层次化分割。
-
公开(公告)号：CN110188718B
公开(公告)日：2021-04-02
申请号：CN201910480359.6
申请日：2019-06-04
Applicant: 南京大学
Abstract: 本发明公开了一种基于关键帧和联合稀疏表示的无约束人脸识别方法，包括如下步骤：首先对输入的监控视频目标人脸进行检测和跟踪，从而获取完整人脸序列信息；然后利用人脸关键点的位置估计序列中每个人脸的旋转角度，并对旋转角度进行聚类得到基于人脸姿态的关键帧；最后，通过公开的人脸数据集构建用于训练的字典集，同时采用迭代优化的方式求解最优联合稀疏系数矩阵，并根据测试集和最优联合稀疏系数矩阵计算字典集中每个类别对应的重构误差，取最小重构误差的类别作为人脸身份。
-
公开(公告)号：CN106599159A
公开(公告)日：2017-04-26
申请号：CN201611121342.4
申请日：2016-12-08
Applicant: 南京大学
IPC: G06F17/30
CPC classification number: G06F16/51
Abstract: 本发明公开了一种基于内容相关性的图像排布方法，包括以下步骤：步骤1，输入准备进可视化排布的图像集，对于每一张输入图像，提取图像的特征表示，并计算图像集中图像间的距离矩阵；步骤2，在布局样式集合中选择想要的布局样式轮廓，按照准备排布的图像数量对布局样式轮廓进行剖分，生成对应的布局样式；步骤3，通过降维算法将步骤1中得到的图像间的距离矩阵映射到2维空间内，并于步骤2中得到的布局样式进行粗配准，然后通过调整每张图像的布局位置得到最终的图像排布结果。通过本发明的技术，可以实现对图像集的可视化排布，能够适应于不同的用户排布样式需求，同时保持了排布图像间的内容相关性，方便用户浏览。
-
公开(公告)号：CN109272467B
公开(公告)日：2022-03-15
申请号：CN201811113242.6
申请日：2018-09-25
Applicant: 南京大学
Abstract: 本发明公开了一种基于多尺度边缘线索的层次化图像分割方法，包括以下步骤：对输入图像进行超像素化，获得图像的过分割区域；对输入图像进行多尺度的内容风格分离，从而提取图像的内容部件，并使用边缘检测方法检测图像内容部件的边缘信息，获取多尺度的边缘概率图；根据多尺度边缘线索度量过分割区域之间的相似度，并进行迭代式区域合并，生成层次合并树；根据层次合并树和先验信息建立能量函数，并采用动态规划方法求解能量函数从而优化层次合并树结构，实现图像的层次化分割。
-
Patent Agency Ranking
公开(公告)号：CN109389671B
公开(公告)日：2020-09-22
申请号：CN201811119216.4
申请日：2018-09-25
Applicant: 南京大学
Abstract: 本发明公开了一种基于多阶段神经网络的单图像三维重建方法，对现有三维形状集中的三维形状进行多视角渲染获得训练图像集，在其表面采点获得训练点云集；构建点云生成网络，使用深度残差网络构建图像编码器提取图像信息，使用反卷积网络和全连接网络构建双分支初级解码器生成初始点云；构建点云精化网络，使用姿态变换网络、多层感知机和最大池化函数构建点云编码器，使用深度残差网络构建图像编码器，使用全连接层构建图像‑点云耦合器与高级解码器，生成精细点云；对点云生成网络进行训练及对点云精化网络先后进行预训练和精调训练；对输入图像使用已训练的模型进行三维重建获得三维点云，对其进行表面网格重建生成多边形网格表示的三维形状。
-
公开(公告)号：CN109389671A
公开(公告)日：2019-02-26
申请号：CN201811119216.4
申请日：2018-09-25
Applicant: 南京大学
CPC classification number: G06T17/00 , G06T15/506 , G06T19/20 , G06T2219/2004 , G06T2219/2016
Abstract: 本发明公开了一种基于多阶段神经网络的单图像三维重建方法，对现有三维形状集中的三维形状进行多视角渲染获得训练图像集，在其表面采点获得训练点云集；构建点云生成网络，使用深度残差网络构建图像编码器提取图像信息，使用反卷积网络和全连接网络构建双分支初级解码器生成初始点云；构建点云精化网络，使用姿态变换网络、多层感知机和最大池化函数构建点云编码器，使用深度残差网络构建图像编码器，使用全连接层构建图像-点云耦合器与高级解码器，生成精细点云；对点云生成网络进行训练及对点云精化网络先后进行预训练和精调训练；对输入图像使用已训练的模型进行三维重建获得三维点云，对其进行表面网格重建生成多边形网格表示的三维形状。
-
公开(公告)号：CN104537676B
公开(公告)日：2017-03-22
申请号：CN201510015226.3
申请日：2015-01-12
Applicant: 南京大学
IPC: G06T7/11
Abstract: 本发明公开了一种基于在线学习的渐进式图像分割方法，包括以下步骤：对输入图像进行多个层次的分解，得到图像的多层次表示；交互分割过程，基于用户标注，训练及更新分割模型，通过迭代循环，渐进地实现对图像的精确分割。交互分割过程中，由用户标注修正部分分割错误的区域，从用户标注中提取训练样本，并使用样本扩充策略来扩充样本；利用扩充得到的训练样本训练及更新分割模型，对输入图像进行分割预测，并在此基础上利用图割优化方法得到平滑的对象区域划分结果。
-
公开(公告)号：CN110188718A
公开(公告)日：2019-08-30
申请号：CN201910480359.6
申请日：2019-06-04
Applicant: 南京大学
Abstract: 本发明公开了一种基于关键帧和联合稀疏表示的无约束人脸识别方法，包括如下步骤：首先对输入的监控视频目标人脸进行检测和跟踪，从而获取完整人脸序列信息；然后利用人脸关键点的位置估计序列中每个人脸的旋转角度，并对旋转角度进行聚类得到基于人脸姿态的关键帧；最后，通过公开的人脸数据集构建用于训练的字典集，同时采用迭代优化的方式求解最优联合稀疏系数矩阵，并根据测试集和最优联合稀疏系数矩阵计算字典集中每个类别对应的重构误差，取最小重构误差的类别作为人脸身份。
-
公开(公告)号：CN104537676A
公开(公告)日：2015-04-22
申请号：CN201510015226.3
申请日：2015-01-12
Applicant: 南京大学
IPC: G06T7/00
CPC classification number: G06T2207/20081
Abstract: 本发明公开了一种基于在线学习的渐进式图像分割方法，包括以下步骤：对输入图像进行多个层次的分解，得到图像的多层次表示；交互分割过程，基于用户标注，训练及更新分割模型，通过迭代循环，渐进地实现对图像的精确分割。交互分割过程中，由用户标注修正部分分割错误的区域，从用户标注中提取训练样本，并使用样本扩充策略来扩充样本；利用扩充得到的训练样本训练及更新分割模型，对输入图像进行分割预测，并在此基础上利用图割优化方法得到平滑的对象区域划分结果。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.011 seconds)
