-
公开(公告)号：CN106875406B
公开(公告)日：2020-04-14
申请号：CN201710060268.8
申请日：2017-01-24
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种图像引导的视频语义对象分割方法及装置，根据给定语义类别，在样本图像中定位目标对象，得到对象样例；对输入视频中每帧图像进行候选区域的提取；根据对象样例，将每帧中所提取的多个候选区域与对象样例进行匹配，得到每个候选区域的相似度分数；对每帧中各个候选区域的相似度分数进行排序，选出满足预设候选区域个数的、相似度分数由高到低的高分候选区域；对选出的高分候选区域进行前景与背景的初始分割处理；基于初始分割后前景与背景的一致性和无二义性约束条件，对初始分割处理后的候选区域构建优化函数，求解优化函数得到最优候选区域集合；将最优候选区域对应的初始前景分割传播到整个视频，得到输入视频的语义对象分割。
-
公开(公告)号：CN106650744B
公开(公告)日：2019-08-09
申请号：CN201610827420.6
申请日：2016-09-16
Applicant: 北京航空航天大学
Abstract: 本发明涉及局部形状迁移指导的图像对象共分割方法，包括：输入M幅包含相同语义类别对象的图像，对每幅图像进行显著性分析，生成前背景初始分割结果；对任意两幅图像进行稠密特征点匹配；根据匹配结果，建立每一局部图像区域与来自其他图像的局部区域之间的对应关系；采用局部线性结构保持算法学习对应关系的权重；使用迭代求解算法在对应局部区域之间传递其前背景分割结果，得到最终分割结果。本发明在相同语义类别的图像对象共分割方面有良好的表现，可应用于图像内容理解，图像对象识别等领域。
-
公开(公告)号：CN106327469B
公开(公告)日：2019-06-18
申请号：CN201510368762.1
申请日：2015-06-29
Applicant: 北京航空航天大学
IPC: G06T7/10
CPC classification number: G06K9/4604 , G06K9/3233 , G06K9/48 , G06K2209/21 , G06T7/12 , G06T7/162 , G06T7/168 , G06T2207/10016
Abstract: 本发明提供一种语义标签引导的视频对象分割方法，包括：根据对象所属的语义类别标签，依次利用对象包围盒检测器和对象轮廓检测器对输入视频的每一帧进行检测，得到该输入视频每一帧的候选对象包围盒集合和候选对象轮廓集合；建立包含候选对象包围盒集合与候选对象轮廓集合的联合分配模型，求出该输入视频中所述对象对应的初始分割序列，并对该初始分割序列进行处理，估算出所述对象的形状概率分布；结合该形状概率分布，依次利用图割算法对每一个包含所述对象的序列进行优化处理，得到所述对象对应的最优分割序列。本发明的技术方案，解决了现有视频对象分割方法不精确以及无法适用于单个输入视频的语义类别对象分割的问题。
-
公开(公告)号：CN105205501B
公开(公告)日：2018-09-18
申请号：CN201510643148.1
申请日：2015-10-04
Applicant: 北京航空航天大学
IPC: G06K9/62
Abstract: 本发明是一种多分类器联合的弱标注图像对象检测方法，包括：输入M个不同标签的弱标注图像集，对其中的所有图片进行对象性分析，生成对象性区域集；对区域集生成图像特征，后对不同标签特征集分别进行聚类；根据聚类的结果，对每个聚类后区域集合训练中层区域分类器；每个分类器分别计算类别属性；输入测试图像，进行对象性分析得到区域块，生成区域特征。使用多分类器进行联合检测，判断出包含该类别对象的区域。本发明在多类别图像对象联合检测方面有良好的表现，可应用于图像对象自动标注，图像对象识别等领域。
-
公开(公告)号：CN105354826B
公开(公告)日：2017-12-15
申请号：CN201510643147.7
申请日：2015-10-04
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种图像对象共定位及无关样本判定方法，包括以下步骤：输入可能包含同一类物体的图片集，对给定的图片集进行对象性分析，生成对象区域集合；对于区域集合高层语义特征；生成区域特征后，对特征矩阵进行分析，构建全连接的图结构关系；构建比率能量函数对连通图进行统筹规划，构建优化方程，并将每张图片的区域得分限制在0到1之间；利用牛顿迭代法计算优化方程的全局最优解，得到每一张图片的每一个区域的最终得分；根据划分阈值，将区域集合总得分小于阈值的图片作为无关样本排除；选取每张图片的得分最高的区域作为最终的共定位结果。本发明在多类别图像对象协同检测方面有良好的表现，可应用于图像数据库管理，图像对象识别等领域。
-
Patent Agency Ranking
公开(公告)号：CN104899883B
公开(公告)日：2017-10-20
申请号：CN201510288956.0
申请日：2015-05-29
Applicant: 北京航空航天大学
IPC: G06T7/593
Abstract: 本发明涉及一种深度图像场景的室内对象立方体检测方法，首先通过求解一系列参数约束最小割问题，得到输入场景中对象的候选分割结果集合，并分别拟合立方体；其次，针对每一个对象分割结果及对应的立方体，使用描述对象统计特性与物理特征的二维图像特征以及三维几何特征衡量其与输入场景的拟合程度；最后，构建立方体的图结构，将场景的几何解析问题转化为最大权重子团求解问题，使用极大子团近似求解，得到一系列经过排序的场景内容几何解析结果，采用最大边缘相关度对解析结果重排序，提高相邻解析结果的多样性。本发明可广泛应用于机器人、监控等计算机视觉系统的室内场景对象解析、场景理解和三维重建。
-
公开(公告)号：CN106875406A
公开(公告)日：2017-06-20
申请号：CN201710060268.8
申请日：2017-01-24
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种图像引导的视频语义对象分割方法及装置，根据给定语义类别，在样本图像中定位目标对象，得到对象样例；对输入视频中每帧图像进行候选区域的提取；根据对象样例，将每帧中所提取的多个候选区域与对象样例进行匹配，得到每个候选区域的相似度分数；对每帧中各个候选区域的相似度分数进行排序，选出满足预设候选区域个数的、相似度分数由高到低的高分候选区域；对选出的高分候选区域进行前景与背景的初始分割处理；基于初始分割后前景与背景的一致性和无二义性约束条件，对初始分割处理后的候选区域构建优化函数，求解优化函数得到最优候选区域集合；将最优候选区域对应的初始前景分割传播到整个视频，得到输入视频的语义对象分割。
-
公开(公告)号：CN106650744A
公开(公告)日：2017-05-10
申请号：CN201610827420.6
申请日：2016-09-16
Applicant: 北京航空航天大学
CPC classification number: G06K9/4671 , G06T2207/10004 , G06T2207/20016 , G06T2207/20081
Abstract: 本发明涉及局部形状迁移指导的图像对象共分割方法，包括：输入M幅包含相同语义类别对象的图像，对每幅图像进行显著性分析，生成前背景初始分割结果；对任意两幅图像进行稠密特征点匹配；根据匹配结果，建立每一局部图像区域与来自其他图像的局部区域之间的对应关系；采用局部线性结构保持算法学习对应关系的权重；使用迭代求解算法在对应局部区域之间传递其前背景分割结果，得到最终分割结果。本发明在相同语义类别的图像对象共分割方面有良好的表现，可应用于图像内容理解，图像对象识别等领域。
-
公开(公告)号：CN103440274B
公开(公告)日：2016-09-28
申请号：CN201310340408.9
申请日：2013-08-07
Applicant: 北京航空航天大学
Abstract: 本发明提供一种基于细节描述的视频事件概要图构造和匹配方法，包括：定义事件概要图为一种无向图模型，描述事件细节的动作属性集合，动作之间的角色约束关系和上下文关系；定义事件概要图的各类事件细节描述特征并构造相应的匹配测度，将事件概要图的匹配测度表示为各类特征匹配测度的线性组合，并采用相关度反馈方法学习线性权重系数。本发明的应用之一是视频事件细节检索，其原理是将用户输入的事件细节和库中视频事件细节表达为事件概要图，然后在数据驱动的马尔科夫链蒙特卡洛框架下进行图匹配，完成检索过程。本发明所提供的事件概要图能够有效描述单人或多人事件细节；本发明也提供了一种视频事件细节匹配和检索的参考方法。
-
公开(公告)号：CN105205501A
公开(公告)日：2015-12-30
申请号：CN201510643148.1
申请日：2015-10-04
Applicant: 北京航空航天大学
IPC: G06K9/62
CPC classification number: G06K9/6223
Abstract: 本发明是一种多分类器联合的弱标注图像对象检测方法，包括：输入M个不同标签的弱标注图像集，对其中的所有图片进行对象性分析，生成对象性区域集；对区域集生成图像特征，后对不同标签特征集分别进行聚类；根据聚类的结果，对每个聚类后区域集合训练中层区域分类器；每个分类器分别计算类别属性；输入测试图像，进行对象性分析得到区域块，生成区域特征。使用多分类器进行联合检测，判断出包含该类别对象的区域。本发明在多类别图像对象联合检测方面有良好的表现，可应用于图像对象自动标注，图像对象识别等领域。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.033 seconds)
