-
公开(公告)号：CN113222934B
公开(公告)日：2022-09-20
申请号：CN202110522323.7
申请日：2021-05-13
Applicant: 南开大学
IPC: G06T7/00 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/08
Abstract: 本公开提供了一种基于设备感知的显著性物体检测方法及系统，获取待检测的图像；根据获取的图像和预设显著性物体检测模型，得到图像中的显著性物体检测结果；其中，显著性物体检测模型根据预设搜索空间和目标设备上的延迟数据得到，搜索空间包括可搜索的多尺度单位和可搜索的显著头，多尺度单位将搜索到的多分支卷积重新参数化为一个分支；本公开仅训练一次SOD模型即可迅速在多个目标设备上找到高性能低延迟的SOD模型，提高了目标设备显著性物体检测的效率和精度，实现了目标设备显著性物体检测的性能和延迟的平衡。
-
公开(公告)号：CN111242003B
公开(公告)日：2022-05-27
申请号：CN202010024556.X
申请日：2020-01-10
Applicant: 南开大学
Abstract: 本发明公开了一种基于多尺度受约束自注意机制的视频显著性物体检测方法。该方法采用了受约束注意力机制，即度量询问元素和视频片段中若干帧在其周围约束区域的相似性生成注意力图，并通过该注意力图作为权重，加权收集若干帧在其周围约束区域的特征信息加强询问元素的特征。同时，利用多分支技术，使每个受约束注意力分支的采样在不同的尺度范围，构成的多尺度受约束自注意机制可以适用于不同尺度大小的输入。该方法成功地利用了视频片段中帧间元素间的视觉联系，从而解决了视频间显著性物体的运动建模。基于该方法构建的视频显著性目标检测系统可以达到极快的检测速度和较高的检测精度。
-
公开(公告)号：CN112954395B
公开(公告)日：2022-05-17
申请号：CN202110149866.9
申请日：2021-02-03
Applicant: 南开大学
IPC: H04N21/2343 , H04N21/4402 , G06K9/62 , G06N3/04 , G06T7/246
Abstract: 本公开公开的一种可插入任意帧率的视频插帧方法及系统，包括：获取需要插帧的相邻的上一帧图像特征和下一帧图像特征，及插入帧时刻距离上一帧时刻的第一时间间隔信息，插入帧时刻距离下一帧时刻的第二时间间隔信息；将上一帧图像特征、下一帧图像特征和第一时间间隔信息输入时域调制模块控制的第一金字塔级联可变形模块中，输出第一中间帧特征，将上一帧图像特征、下一帧图像特征和第二时间间隔信息输入时域调制模块控制的第二金字塔级联可变形模块中，输出第二中间帧特征，将第一中间帧特征和第二中间帧特征融合获得中间帧特征；根据中间帧特征获得所要插入的中间帧。实现了任意时刻的灵活插帧。
-
公开(公告)号：CN111275646B
公开(公告)日：2022-04-26
申请号：CN202010066280.1
申请日：2020-01-20
Applicant: 南开大学
Abstract: 一种基于深度学习知识蒸馏技术的保边图像平滑方法，属于图像处理技术领域。该方法基于新型的深度学习知识蒸馏技术，将边缘检测老师网络的边缘检测能力蒸馏到图像平滑学生网络里，从而使得学生网络具有保边的图像平滑能力。其中学生网络的任务是进行图像平滑，老师网络的任务是提取结构性边缘的信息。利用老师网络向学生网络进行结构性边缘知识的蒸馏迁移，使学生网络在进行图像平滑的任务的同时，具备老师网络的保留结构性边缘能力。本发明能够在不额外引入保留边缘信息的深度网络前提下保留图像平滑的结构性边缘，克服了传统图像平滑增强方法中如不能很好地保留图像边缘信息、模糊等图像质量损失的视觉影响，极大地提高了图像平滑的效果。
-
公开(公告)号：CN111598841B
公开(公告)日：2022-04-15
申请号：CN202010328784.6
申请日：2020-04-23
Applicant: 南开大学
Abstract: 一种基于正则化稠密连接特征金字塔的实例显著性检测的方法。该方法的目的是构造稠密连接的特征金字塔来进行图像实例级显著性检测。该方法设计了一种新的卷积神经网络模型，这种新的卷积神经网络模型通过构建该发明提出的正则化的稠密连接在原有特征金字塔的基础上构造一个新的特征金字塔。稠密连接为构建新特征金字塔提供了更多的低层级特征，而正则化操作在稠密连接提供更多低层级特征的情况内更好地提取其中的有用信息而刨除无用信息。此外，利用多级RoIAlign方法进行特征聚合可以更精确地对实例进行分割。使用该方法检测出的显著性实例，可以用于重要目标分割、自适应图像压缩、图像检索等应用领域。
-
Patent Agency Ranking
公开(公告)号：CN113591868A
公开(公告)日：2021-11-02
申请号：CN202110870786.2
申请日：2021-07-30
Applicant: 南开大学
Abstract: 本发明属于视频处理与计算机视觉技术领域，提供了一种基于全双工策略的视频目标分割方法及系统。该方法包括，将待分割的视频通过光流生成器，得到光流图；将表观图、与表观图匹配的光流图输入训练好的视频目标分割模型，得到分割预测图；所述视频目标分割模型包括：依次连接的ResNet50骨架网络、交叉注意力关系模块、全双工模式的双向提纯模块和解码器。本发明通过交叉注意力关系模块，用以实现在特征嵌入空间中的双向信息传递，通过双向全双工模式的双向提纯模块来更新时空特征嵌入上的不一致性，从而有效地提升了模型的分割预测性能。
-
公开(公告)号：CN113223037A
公开(公告)日：2021-08-06
申请号：CN202110600887.8
申请日：2021-05-31
Applicant: 南开大学
Abstract: 本公开提供了一种面向大规模数据的无监督语义分割方法及系统，获取待分割的多张图像；将获取的图像输入到分割网络模型中，得到语义分割结果；其中，分割网络模型采用无监督方式训练，训练过程为：对获取的训练图像进行基于像素注意力机制的表征学习，得到图像表征结果；根据得到的图像表征结果进行聚类，得到多个伪标签；根据得到的伪标签进行分割网络模型的训练；本公开通过像素注意力机制和像素对齐机制，使用基于无监督方法生成的前景显著性信息监督像素注意力机制的学习，提高了语义分割的效率和精度。
-
公开(公告)号：CN112883776A
公开(公告)日：2021-06-01
申请号：CN202110004845.8
申请日：2021-01-04
Applicant: 南开大学
Abstract: 本公开提出了基于全局到局部的感受野搜索的动作分割模型获取方法，包括：获取分割视频数据集，针对分割视频数据集，基于分割网络拓扑结构及随机初始化感受野膨胀率进行全局搜索，获得粗略的网络感受野组合；利用粗略的网络感受野组合从新初始化分割网络拓扑结构；基于分割视频数据集与重新初始化的分割网络拓扑结构，进行局部搜索，得到性能更优的感受野组合；利用局部搜索得到的感受野组合重新初始化分割网络拓扑结构，利用分割视频数据集进行完整的分割网络训练，获得训练后的分割网络模型。通过迭代搜索过程，局部搜索逐渐找到了更有效的低成本细粒度感受野组合。
-
公开(公告)号：CN108416768B
公开(公告)日：2021-05-25
申请号：CN201810171102.8
申请日：2018-03-01
Applicant: 南开大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于二进制的前景图相似度评测方法，属于图像处理技术领域，该方法包含如下步骤：a.求对齐矩阵：利用前景图中每个像素点的值减去前景图均值得到对齐矩阵；b.求相似度矩阵：相似度的度量是在预测的前景图与真实人工标注的前景图之间进行的，通过计算预测前景图和真实前景图的对齐矩阵，然后将两个矩阵对应元素的乘积作为其相似度矩阵；c.矩阵归一化：对相似度矩阵的元素逐一归一化，使矩阵中的元素值介于‑1和1之间；d.矩阵元素拉伸：对归一化后的相似度矩阵值进行非线性拉伸；e.求相似度：对拉伸后的相似度矩阵求平均值就是最终的前景图相似度。本方法能够得到更加准确的前景图相似度评测结果。
-
公开(公告)号：CN112541909A
公开(公告)日：2021-03-23
申请号：CN202011529192.7
申请日：2020-12-22
Applicant: 南开大学
Abstract: 本发明公开一种基于切片感知的三维神经网络的肺结节探测方法及系统，包括：获取三维CT图像；根据成组切片非局部模块，三维区域候选网络和假阳减少模块构建三维神经网络，根据三维神经网络得到三维CT图像的肺结节探测结果；采用所述成组切片非局部模块提取三维CT图像的图像特征；采用所述三维区域候选网络根据图像特征获取肺结节候选目标；采用所述假阳减少模块获取肺结节候选目标的多尺度特征，将多尺度特征进行融合后得到肺结节探测结果。通过成组切片非局部模块学习成组切片内的元素间非局部依赖关系，以更好地学习判别性的特征；通过假阳减少模块对多尺度特征进行提取融合，以减少错误识别的肺结节，显著提高肺结节检测的效果。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.032 seconds)
