-
公开(公告)号：CN107147906B
公开(公告)日：2019-04-02
申请号：CN201710440867.2
申请日：2017-06-12
Applicant: 中国矿业大学
IPC: H04N17/00
Abstract: 本发明提出一种虚拟视角合成视频质量的无参考评价方法，该方法包括两个模块，模块1：对待评价的虚拟视角合成视频进行基于双重检测的闪烁失真区域提取，提取出视频中的所有闪烁块；模块2：将提取出的每一帧中的闪烁块与其在前一帧中相匹配的块进行奇异值分解，然后利用每个闪烁块的最大奇异值对所有奇异值进行归一化，并求出各闪烁块与其匹配块在归一化后的奇异值均值之间的距离，将其作为块的闪烁失真强度。将每个闪烁块的失真强度的F范数作为该块的质量分数，将每一帧中所有闪烁块的质量分数之和作为当前帧的质量分数，将所有帧的质量分数均值作为视频的最终质量分数。本发明能较精确的评价虚拟视角合成视频质量。
-
公开(公告)号：CN109165692A
公开(公告)日：2019-01-08
申请号：CN201811038824.2
申请日：2018-09-06
Applicant: 中国矿业大学
IPC: G06K9/62
Abstract: 一种基于弱监督学习的用户性格预测装置及方法，互联网和社交媒体中机器学习领域。将用户偏好的图像经过深度卷积神经网络得到全局性格特征图；把用户的性格变成十种性格分类，获取分类特征向量，十种性格分类进行全连接操作，进行分类网络训练；得到多性格类激活图；进行点乘得到局部性格特征图，利用全局平均池化得到回归特征向量，然把此特征向量和用户的大五性格维度数值进行连接，进行回归网络训练；通过大量的用户以及其偏好的图像对分类网络和回归网络同时进行训练得到用户大五性格维度数值预测模型。把每幅图像预测得到的大五性格维度数值进行平均最终得到此用户的大五性格维度数值。其步骤简单，预测效果好。
-
公开(公告)号：CN106447647A
公开(公告)日：2017-02-22
申请号：CN201610545150.X
申请日：2016-07-12
Applicant: 中国矿业大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/10016 , G06T2207/20081 , G06T2207/30168
Abstract: 本发明涉及一种压缩感知恢复图像的无参考质量评价方法，该方法包括：针对压缩感知恢复图像的失真特性，提取了图像的3个局部特征和5个全局特征来评价图像的质量。其中，局部特征包括了图像的清晰度，对比度和同质性这3个特征；全局特征包括利用广义高斯模型拟合MSCN系数，提取了4个关于图像“自然性”的特征，以及利用奇异值分解得到的1个特征。最后，利用支持向量机对上述的8个特征进行训练，得到特征模型，从而应用这个模型，预测图像的质量分数。该方法的评价结果优于国际主流方法，并且与人眼主观感知具有很高的一致性。
-
公开(公告)号：CN105023278A
公开(公告)日：2015-11-04
申请号：CN201510378628.X
申请日：2015-07-01
Applicant: 中国矿业大学
IPC: G06T7/20
CPC classification number: G06T7/248 , G06K9/00718 , G06K9/6202 , G06K9/80 , G06K2209/21 , G06T7/13 , G06T7/20 , G06T2207/10016 , G06T2207/20221 , G06T2207/30221
Abstract: 本发明提供一种基于光流法的运动目标跟踪方法及系统，所述方法包括提供视频图像并对所述图像进行预处理生成预处理图像；对预处理图像进行边缘检测以及利用光流法对预处理图像进行提取目标信息，并根据边缘检测的信息和提取到的目标信息融合生成完整的运动目标；利用光流法对所述运动目标进行估计分析且采用基于特征点轨迹的向前向后误差算法对剔除由于光照产生的错误匹配点；创建模板图像并进行模板图像匹配对运动目标进行跟踪。本发明实施例的基于光流法的运动目标跟踪方法及系统具有运动目标提取准确完整，并且能够实现长时间的稳定跟踪的优点。
-
公开(公告)号：CN103366369A
公开(公告)日：2013-10-23
申请号：CN201310271856.8
申请日：2013-07-01
Applicant: 中国矿业大学
IPC: G06T7/00
Abstract: 本发明涉及一种评价图像中块效应的方法及装置，该方法包括：将待评价灰度图像进行第一次分块处理，并以所述第一次分块处理获取的图像块边缘为基准，分别按照水平方向、垂直方向进行第二次分块处理；其中，所述第二次分块处理得到的图像块与所述第一次分块处理得到的图像块大小相同；对所述第二次分块处理获取的图像块进行离散正交矩变换生成矩阵，并对矩阵里的每一个元素求绝对值得到矩阵T；根据所述矩阵T获取对应图像块的质量分数；根据所述第二次分块处理获取的图像块的质量分数得到待评价灰度图像的质量分数；根据所述待评价灰度图像的质量分数评价图像的块效应。
-
Patent Agency Ranking
公开(公告)号：CN118711214A
公开(公告)日：2024-09-27
申请号：CN202410864159.1
申请日：2024-06-30
Applicant: 中国矿业大学
IPC: G06V40/10 , G06V10/26 , G06V10/764 , G06V10/82 , G06V10/40 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种矿山复杂场景的遮挡人员身份识别方法及系统，属于图像识别技术领域，该方法首先将输入图像分割并线性投影，加入可学习的类标记作为全局特征；其次，嵌入位置编码和相机标签，通过Transformer编码器提取特征；然后，去除分类头向量，利用AvgPool和Softmax选择关键图像块；接着，通过查询‑键‑值注意力机制聚合特征，增强全局表示；之后，对特征进行reshape并通过LIEM模块提取局部特征；最后，结合全局和局部特征，采用行人重识别技术进行矿山内人员的自动识别和追踪。本发明利用Transformer编码器、注意力机制、卷积神经网络和特征融合技术的方法，在矿山遮挡场景下识别到正确的行人，对矿山作业的安全性和效率具有重要意义。
-
公开(公告)号：CN117078659A
公开(公告)日：2023-11-17
申请号：CN202311221440.5
申请日：2023-09-21
Applicant: 中国矿业大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/09
Abstract: 本发明属于图像质量评价技术领域，具体地说，是一种基于主动学习的少样本无参考图像质量评价算法，借助主动学习选择少量代表性样本以减少模型对样本数量的需求。首先，从图像质量和图像内容两个方面选择少量代表性样本；其次，对选中的少量样本进行人工标注，获得图像质量分数；然后，用有标注的少量样本进行prompt调优，以提升模型对图像质量评价任务的预测能力，并重复此过程，直到被选中的样本的总数达到预期数量；最后，采用所有被选中的样本同时微调prompt和模型的少量参数，完成模型的最终训练。本发明通过主动学习选择代表性样本，减少了模型对训练样本的依赖，有效提升了模型在少样本训练场景下的预测能力和泛化能力。
-
公开(公告)号：CN109902912B
公开(公告)日：2023-04-07
申请号：CN201910006656.7
申请日：2019-01-04
Applicant: 中国矿业大学
IPC: G06V10/766 , G06V10/20 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/096
Abstract: 本发明为一种基于性格特征的个性化图像美学评价方法，方法包括如下步骤：(1)利用美学图像数据集中的多数人对图像的平均美学分数，经过深度网络进行训练建立图像的大众化美学评价模型；(2)利用性格图像数据集中的图像和偏好此图像个体的性格特征，经过深度网络进行训练建立图像的性格特征预测模型；(3)利用美学图像数据集中特定个体对图像个性化美学分数，利用步骤(1)、(2)中已建立模型预测得到图像的大众化美学分数和性格特征，把性格特征作为辅助信息把图像美学评价结果由大众化领域迁移到个性化领域得到图像个性化美学评价模型；(4)对于待测试美学图像，利用已建立的个性化美学评价模型，实现个体个性化美学评价。
-
公开(公告)号：CN108257125B
公开(公告)日：2022-04-29
申请号：CN201810069331.9
申请日：2018-01-24
Applicant: 中国矿业大学
Abstract: 本发明提出一种基于自然场景统计的深度图像质量无参考评价方法，包括步骤：(1)收集一组深度图像，并将收集来的深度图像分为两部分，一部分为训练图像，另一部分为测试图像；(2)对每一幅深度图像进行不同尺度上的特征参数提取，提取的步骤为：通过边缘检测提取尺度图像的边缘区域，在边缘区域内求尺度图像梯度幅值和高斯‑拉普拉斯算子的分布，并分别用韦伯分布和非对称高斯分布建立二者的分布函数模型，将两个模型的参数作为深度图像的特征参数；(3)最后，用训练图像的特征参数进行随机森林模型训练，生成客观质量分数评价模型；将测试图像的特征参数输入客观质量分数评价模型，得到测试图像的客观质量分数。
-
公开(公告)号：CN110837842A
公开(公告)日：2020-02-25
申请号：CN201910865571.4
申请日：2019-09-12
Applicant: 腾讯科技(深圳)有限公司 , 中国矿业大学
Abstract: 本申请公开了一种视频质量评估的方法，该方法应用于人工智能领域，方法包括：获取待评估视频，其中，待评估视频包括多帧图像；通过视频质量评估模型获取待评估视频的特征向量集合，特征向量集合包括多个特征向量，特征向量与图像具有对应关系；通过视频质量评估模型获取特征向量集合所对应的空域特征向量以及时域特征向量；根据空域特征向量以及时域特征向量，通过视频质量评估模型生成目标评估分值，目标评估分值包括空域预测分值以及时域预测分值，空域预测分值为根据空域特征向量生成的，时域预测分值为根据时域特征向量生成的。本申请还公开一种模型训练的方法及装置。本申请降低了预测的复杂度，由此提升视频质量预测的效率。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.024 seconds)
