-
公开(公告)号：CN112528899A
公开(公告)日：2021-03-19
申请号：CN202011500709.X
申请日：2020-12-17
Applicant: 南开大学
Abstract: 本申请公开了基于隐含深度信息恢复的图像显著性物体检测方法及系统，获取目标图像和目标图像对应的图像深度信息；将目标图像和目标图像对应的图像深度信息，同时输入到训练后的基于隐含深度信息恢复的神经网络模型中；基于隐含深度信息恢复的神经网络模型分别实现对目标图像进行特征提取和对图像深度信息的特征提取；将两个特征提取各自得到的特征进行跨模态特征融合；将跨模态特征融合得到的特征，与基于隐含深度信息恢复的神经网络模型对目标图像进行特征提取得到的各个特征，依次进行特征融合得到最终的融合特征；将最终的融合特征进行预测，得到预测的显著性物体图像。
-
公开(公告)号：CN112507933A
公开(公告)日：2021-03-16
申请号：CN202011490199.2
申请日：2020-12-16
Applicant: 南开大学
Abstract: 本发明公开了基于集中式信息交互的显著性目标检测方法及系统，包括：获取待检测图像；将待检测图像，输入训练后的显著性目标检测神经网络，得到待检测图像中的显著性目标。改进了U型结构中自底向上和自顶向下的路径之间的联系，通过集中式信息交互手段使得从自底向上网络中提取的特征在不进行任何插值操作的前提下实现跨尺度的信息交互，这样可以突破现有显著性目标检测方法中跨尺度无信息交互的缺点，同时避免了插值操作带来的负面影响。
-
公开(公告)号：CN111833363A
公开(公告)日：2020-10-27
申请号：CN201910311911.9
申请日：2019-04-17
Abstract: 本申请公开了人工智能领域的一种检测方法及装置。涉及人工智能领域。具体涉及计算机视觉领域。该方法包括：获取待检测图像；将待检测图像输入到特征检测模型中，得到待检测图像的显著性检测图像和边缘检测图像。本申请的检测方法适用于显著性物体检测和边缘检测的应用场景，实现了在不明显增加模型参数的前提下，有效协同显著性物体检测和边缘检测，并提高了检测结果的精度。
-
公开(公告)号：CN111666560A
公开(公告)日：2020-09-15
申请号：CN202010465293.6
申请日：2020-05-28
Applicant: 南开大学
Abstract: 本发明公开了一种基于可信执行环境的密码管理方法和系统。该方法假定移动端存在硬件可信环境，通过用户对硬件可信环境进行授权，可信环境中的独立操作系统将自动地进行密码相关的管理操作。可信执行环境将会为每个账号注册独立的强密码，并将账号和应用(或网站)的对应关系存储在硬件安全区内。应用请求登录时返回该应用对应的账号列表，由用户进行选择。通过点对点加密传输，不同的可信设备间可以同步存储的密码信息。此外，可以通过移动可信端，可以管理其他无可信环境的设备上的应用(或网站)，比如笔记本电脑等。该方法解决了用户难以记忆大量复杂密码的问题，并且确保了密码管理系统自身的安全性。
-
公开(公告)号：CN111275646A
公开(公告)日：2020-06-12
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。
-
Patent Agency Ranking
公开(公告)号：CN110458797A
公开(公告)日：2019-11-15
申请号：CN201910524475.3
申请日：2019-06-18
Applicant: 南开大学
Abstract: 本发明公开了一种基于深度图过滤器的显著性物体检测方法，属于图像处理技术领域。图像的深度图为显著性物体检测任务提供了有效的辅助信息，因此近些年许多基于RGB-D的显著性物体检测方法被提出。但是，深度图质量的高低对预测结果的准确度有显著影响。本发明创新性地提出了一种基于深度图过滤器的显著性物体检测方法，通过深度图过滤器模块过滤低质量的深度图，抑制不良深度图所带来的干扰信息，进而使用特征学习模块提取更加有效的交叉模态特征。本发明在7个公开的数据集上采用了4个广泛使用的评测指标，实验结果表明本发明超越了当前所有最先进的RGB-D显著性物体检测方法。
-
公开(公告)号：CN110188635A
公开(公告)日：2019-08-30
申请号：CN201910404278.8
申请日：2019-05-16
Applicant: 南开大学
Abstract: 一种基于注意力机制和多层次卷积特征的植物病虫害识别方法。该方法的目的是结合注意力机制和多层次卷积特征进行自然场景下的植物病虫害图像分类，其关键是解决了自然场景图像中大面积的复杂背景对植物病虫害识别的干扰问题，并充分地利用了网络模型中所有的卷积层特征。该方法设计了一种包含注意力机制的深度卷积神经网络，利用注意力机制生成图像中覆盖了目标空间位置的局部位置区域掩码，用于减弱自然场景图像下的复杂背景干扰信息，并结合多层次卷积特征，充分利用语义信息和细节信息，对植物病虫害进行更具有区分性的特征表示。最终将得到的模型用于自然场景下的植物病虫害图像分类，得到的局部区域掩码用于获取植物病虫害的位置信息。
-
公开(公告)号：CN109118459A
公开(公告)日：2019-01-01
申请号：CN201710488970.4
申请日：2017-06-23
Abstract: 本申请提供了一种图像显著性物体检测方法与装置。该方法包括：分别对待处理图像进行至少两个卷积层对应的卷积处理，得到待处理图像的至少两个第一特征图，至少两个第一特征图的分辨率小于待处理图像的分辨率，至少两个第一特征图中的任意两个第一特征图的分辨率不同；对至少两个集合中的叠加集合中包含的至少两个第一特征图进行叠加处理，从而得到待处理图像的至少两个第二特征图，其中，至少两个集合分别对应不同的分辨率，至少两个集合与至少两个第二特征图一一对应，叠加集合中包含的第一特征图的分辨率小于等于叠加集合对应的第二特征图的分辨率；对至少两个第二特征图拼接，得到显著性图。本申请能提高显著性物体检测的效果。
-
公开(公告)号：CN108427740A
公开(公告)日：2018-08-21
申请号：CN201810173303.1
申请日：2018-03-02
Applicant: 南开大学
Abstract: 本发明公开了一种基于深度度量学习的图像情感分类与检索方法，属于图像处理技术领域。该方法的目的是结合情感标签间的相互关系进行图像情感的分类及检索。该方法设计了一种多任务的卷积神经网络架构，用于同时优化分类及检索两个任务。这种卷积神经网络架构利用基于多层卷积层的情感向量来作为图像的纹理信息表达，用于区别不同图像中的情感，并提出新型的情感约束考虑不同情感间的关系。最终将得到的模型用于图像情感分类，得到的情感向量作为嵌入特征用于图像情感检索。
-
公开(公告)号：CN108416768A
公开(公告)日：2018-08-17
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。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.036 seconds)
