-
公开(公告)号：CN114444621A
公开(公告)日：2022-05-06
申请号：CN202210370807.9
申请日：2022-04-11
Applicant: 北京航空航天大学杭州创新研究院
Abstract: 本申请涉及基于模板匹配的棋类局面转化方法、装置及存储介质，属于图像识别技术领域。本申请包括：存储棋子的图片构建模板库，读入待转化的棋局局面图片，对模板库中棋子图片以及棋局局面图片进行预处理；将棋局局面图片切割成多个临时图像，使用临时图像遍历所有模板库中的棋子图片，获得临时图像与棋子图片的对比得分，若对比得分大于预设的阈值，则保留至临时匹配结果；过滤掉临时匹配结果中重复的棋子图片得到检测结果，根据检测结果中的临时图像的坐标及其对应的棋子图片，计算出棋局局面图片中各个棋子在棋局中的位置坐标，将位置坐标翻译成计算机能够理解的FEN值；通过本申请解决现有的棋局转化通过手动完成，耗费时间，效率低下的问题。
-
Patent Agency Ranking
公开(公告)号：CN118762219A
公开(公告)日：2024-10-11
申请号：CN202410770226.3
申请日：2024-06-14
Applicant: 北京航空航天大学杭州创新研究院
IPC: G06V10/764 , G06V10/40 , G16H30/00 , G16H70/60
Abstract: 本公开的实施例公开了全局特征病理图像分级方法、装置、电子设备和可读介质。该方法的一具体实施方式包括：按照预设分辨率对获取的每个全切片图像进行图像块裁剪，以生成裁剪后图像块信息，得到裁剪后图像块信息集；将裁剪后图像块信息集中的每个裁剪后图像块信息输入至预设目标检测网络，以生成目标区域坐标位置信息和对应目标区域坐标位置的置信度信息，得到目标区域坐标位置信息集和对应目标区域坐标位置集的置信度信息集；对分类结果进行切片分级，得到分级后切片结果。该实施方式缩短了全局特征病理图像分级的周期，降低了误检率和漏检率，提高了全局特征病理图像分级的结果的全局性。
-
公开(公告)号：CN114782290A
公开(公告)日：2022-07-22
申请号：CN202210715254.6
申请日：2022-06-23
Applicant: 北京航空航天大学杭州创新研究院
Abstract: 本公开的实施例公开了视差图修正方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括：获取双目图像中的左图像和右图像；将左图像和右图像重复输入多分支的立体匹配网络，得到各个分支对应的各个分支概率分布信息集合；根据各个分支概率分布信息集合，生成分支目标概率分布信息集合和预测分支置信度信息集合；根据分支目标概率分布信息集合和预测分支置信度信息集合，生成预测视差图的置信度信息；根据置信度信息，修正预测视差图，得到修正视差图。该实施方式可以在训练过程中无需提供置信度信息标签，即可在半监督、全监督、无监督等任务中生成视差图的置信度信息，从而可以用于修正视差图。
-
公开(公告)号：CN114332637A
公开(公告)日：2022-04-12
申请号：CN202210260622.2
申请日：2022-03-17
Applicant: 北京航空航天大学杭州创新研究院
Abstract: 本申请实施例提供了一种遥感影像水体提取方法、遥感影像水体提取的交互方法，其中，遥感影像水体提取方法包括：获取多个第一遥感图像样本，并根据第一遥感图像样本的光谱信息生成第一遥感图像样本对应的第一水体图像；至少根据第一遥感图像样本与对应的第一水体图像对预设的神经网络模型进行训练，以确定神经网络模型的损失函数；其中，损失函数根据全局损失与局部损失确定，局部损失函数由像素级的交叉熵损失以及像素块的对比损失构成；通过神经网络模型对目标遥感图像进行识别，以生成遥感图像对应的目标水体图像；通过本申请实施例，可以解决相关技术中无法针对大区域遥感影像进行准确且高效的水体识别与分割的技术问题。
-
公开(公告)号：CN112258420A
公开(公告)日：2021-01-22
申请号：CN202011205932.1
申请日：2020-11-02
Applicant: 北京航空航天大学杭州创新研究院
Abstract: 本申请涉及基于DQN的图像增强处理方法及装置，其方法包括，步骤1、获取待处理的图像，初始化评价总分；步骤2、基于预先构建的操作选择网络对待处理图像的每一像素点进行数值操作，得到待评价图像，其中操作选择网络基于DQN算法构建及更新；步骤3、采用预设评价方式对待评价图像进行评分，根据得到的奖励分数对评价总分进行累加更新；步骤4、将评价总分与预定阈值进行比较，当其小于等于第一阈值时，将其清零，跳转执行步骤2，当其大于第一阈值且小于第二阈值时，以待评价图像作为新的待处理图像，跳转执行步骤2，当其大于等于第二阈值时，以待评价图像作为图像增强处理后的图像。本申请消除了图像增强处理对成对数据集的依赖，大幅降低了数据搜集难度。
-
公开(公告)号：CN112116527A
公开(公告)日：2020-12-22
申请号：CN202010940661.8
申请日：2020-09-09
Applicant: 北京航空航天大学杭州创新研究院
IPC: G06T3/40
Abstract: 本发明涉及一种基于级联网络框架的图像超分辨率方法、级联网络，基于基础超分辨率网络，获取目标图像的初步上采样结果；基于细节精修网络，根据初步上采样结果，获取超分辨率图像结果。其两个网络级联，将面向峰值信噪比的任务和面向主观感受的任务分开，由两个模型分别处理，基础超分辨率网络首先完成初步的上采样，这个初步上采样的结果很大程度上和原始高分辨率图像保证了内容一致性，接下来将初步上采样的结果送入精修网络来进一步改善感官损失，精修网络有了初步上采样结果的输入保证了整个超分辨率结果不会过度牺牲内容一致性，并且在初步上采样结果上精修减轻了精修网络和判别器的训练难度加快了训练速度，有效地缓解了现有模型的问题。
-
-
-
-
-
Search Results
26
records
(took 0.039 seconds)
