一种基于空谱局部性低秩超图学习的高光谱图像分类方法

    公开(公告)号:CN105787516A

    公开(公告)日:2016-07-20

    申请号:CN201610134494.1

    申请日:2016-03-09

    Abstract: 本发明公开了一种基于空谱局部性低秩超图学习的高光谱图像分类方法,属于图像信息处理技术领域。本发明方法包括以下步骤:输入高光谱数据集,组成光谱特征矩阵X;设置相关参数,融入空谱局部性约束,构建空谱局部性约束的低秩表示模型;设置相关参数,使用交替方向乘子算法开始迭代求解;根据低秩表示模型中系数矩阵Z构建空谱局部性低秩超图;设置相关参数,建立半监督超图学习模型;设置相关参数,迭代求解半监督超图模型,输出光谱特征数据集X的分类结果矩阵F*。本发明设计了半监督超图学习算法应用于最后的高光谱图像分类。相对于其他较为先进的方法,本发明的分类效果更好,并且对噪声和图像退化的鲁棒性更高。

    一种基于超图谱分析的图像分割方法

    公开(公告)号:CN103544697B

    公开(公告)日:2016-01-20

    申请号:CN201310464992.9

    申请日:2013-09-30

    Abstract: 本发明公开了一种基于超图谱分析的图像分割方法,具体包括图像预处理步骤、图像超像素合并步骤、超图模型生成步骤和超图谱聚类步骤。本发明将图像过分割后的区域作为超像素,并以超像素作为顶点,以多种不同过分割方法得到的超像素之间的关系来构建超边,形成超图模型,代替了传统的两两像素点建立关系(边)形成图模型的方法,从而有效地反映了像素之间的高阶耦合关系,考虑了图像各个区域间的关联性,使得分割结果的区域一致性和边缘准确性均有明显改善。

    一种基于超图谱分析的图像分割方法

    公开(公告)号:CN103544697A

    公开(公告)日:2014-01-29

    申请号:CN201310464992.9

    申请日:2013-09-30

    Abstract: 本发明公开了一种基于超图谱分析的图像分割方法,具体包括图像预处理步骤、图像超像素合并步骤、超图模型生成步骤和超图谱聚类步骤。本发明将图像过分割后的区域作为超像素,并以超像素作为顶点,以多种不同过分割方法得到的超像素之间的关系来构建超边,形成超图模型,代替了传统的两两像素点建立关系(边)形成图模型的方法,从而有效地反映了像素之间的高阶耦合关系,考虑了图像各个区域间的关联性,使得分割结果的区域一致性和边缘准确性均有明显改善。

    一种基于增强型拓扑感知网络的三维人体姿态估计方法

    公开(公告)号:CN119887928A

    公开(公告)日:2025-04-25

    申请号:CN202510361017.8

    申请日:2025-03-26

    Abstract: 本发明公开了一种基于增强型拓扑感知网络的三维人体姿态估计方法,该方法包括获取人体动作捕捉数据集;构建增强型拓扑感知网络模型,该模型包括依次连接的特征嵌入块、重复堆叠5次的增强拓扑感知模块和回归头,增强拓扑感知模块包括时空双分支Transformer和混合约束模块;利用数据集对该模型进行训练,得到最终的增强型拓扑感知网络模型;将需要检测的人体图片或视频输入到最终的增强型拓扑感知网络模型中,得到每个关节对应的三维坐标,完成三维人体姿态的估计。本发明生成的三维姿态坐标更接近真实情况,准确性更高。

    一种基于平行多尺度融合网络的产品缺陷检测方法

    公开(公告)号:CN114841930B

    公开(公告)日:2025-04-11

    申请号:CN202210401478.X

    申请日:2022-04-18

    Abstract: 本发明公开了一种基于平行多尺度融合网络的产品缺陷检测方法,包括:将待检测的工业产品图像输入训练获得的产品缺陷检测网络模型,检测分割获得工业产品图像中的缺陷区域。训练获得产品缺陷检测网络模型,包括:构建产品缺陷检测网络模型;获取训练数据集,训练数据集包括历史工业产品图像和对应的缺陷区域的分割掩膜;将训练数据集送入产品缺陷检测模型中,构建历史工业产品图像和对应的缺陷区域的分割掩膜之间的映射关系;根据聚合损失函数,采用Adam优化器实现产品缺陷检测网络模型参数的迭代优化与更新。本发明实现了对工业产品图像分割缺陷区域,提高了分割的准确度。

    一种文本驱动的人体姿态与纹理编辑方法及装置

    公开(公告)号:CN119251357B

    公开(公告)日:2025-03-25

    申请号:CN202411788202.7

    申请日:2024-12-06

    Abstract: 本发明公开了计算机视觉领域的一种文本驱动的人体姿态与纹理编辑方法及装置。方法包括:首先从关于姿态信息的文本描述中提取特征,转换为骨架节点坐标并绘制成骨架图;再从服饰形状文本提取特征,结合骨架图通过编解码网络得到人体解析图;训练纹理感知的FSQ,学习不同纹理特征向量表示,将纹理文本描述与人体解析图输入FSQ进行采样,填充纹理并生成较粗糙但符合文本描述的人体图像。接着微调用于姿态迁移的扩散模型,用于对生成的人体图像质量进行进一步优化。该方法克服现有模型生成能力不稳定、对图像控制不足的问题,保证生成的人体图像逼真且与输入文本语义一致,为人体图像生成提供了新的有效途径。

    一种文本驱动的人体姿态与纹理编辑方法及装置

    公开(公告)号:CN119251357A

    公开(公告)日:2025-01-03

    申请号:CN202411788202.7

    申请日:2024-12-06

    Abstract: 本发明公开了计算机视觉领域的一种文本驱动的人体姿态与纹理编辑方法及装置。方法包括:首先从关于姿态信息的文本描述中提取特征,转换为骨架节点坐标并绘制成骨架图;再从服饰形状文本提取特征,结合骨架图通过编解码网络得到人体解析图;训练纹理感知的FSQ,学习不同纹理特征向量表示,将纹理文本描述与人体解析图输入FSQ进行采样,填充纹理并生成较粗糙但符合文本描述的人体图像。接着微调用于姿态迁移的扩散模型,用于对生成的人体图像质量进行进一步优化。该方法克服现有模型生成能力不稳定、对图像控制不足的问题,保证生成的人体图像逼真且与输入文本语义一致,为人体图像生成提供了新的有效途径。

    基于语音语料对齐与自适应融合的语音分类方法

    公开(公告)号:CN118571216A

    公开(公告)日:2024-08-30

    申请号:CN202411060512.7

    申请日:2024-08-05

    Abstract: 本发明公开了基于语音语料对齐与自适应融合的语音分类方法,方法包括:构建语音分类数据集,并划分为训练集与测试集;构建语音分类网络模型,包括对齐构造模块、语音关联性构建模块、片段重要性挖掘模块、融合检测模块;将融合检测模块输出特征输入分类器以获得预测结果;设计用于优化网络模型参数的损失函数,根据损失函数在训练集上采用Adam优化器实现模型参数的迭代优化与更新;训练完成的语音分类网络模型可实现对语音信号的端对端分类。本发明利用深度学习技术通过语音信号实现自动分类,可应用于不同场景,如对情感、性别、年龄等特征的识别,有助于企业分析用户的情感、性别、年龄,从而提供更人性化、更具针对性的服务。

    一种基于深度网络多层特征融合的视频跟踪方法及系统

    公开(公告)号:CN117789083A

    公开(公告)日:2024-03-29

    申请号:CN202311811901.4

    申请日:2023-12-27

    Abstract: 本发明公开了一种基于深度网络多层特征融合的视频跟踪方法及系统,方法包括:获取目标视频的第t帧图像;针对第t帧图像,提取候选目标区域特征;基于所述候选目标区域特征,计算当前区域特征和前一帧目标区域特征的核矩阵;根据当前区域特征和前一帧目标区域特征的核矩阵以及滤波模板,计算得到输出响应图;根据所述输出响应图,确定目标位置;其中所述滤波模板的获取方法包括:针对连续帧训练样本图像,分别提取目标区域特征,形成特征矩阵;基于所述特征矩阵,利用核函数计算目标区域特征自身的核矩阵;通过核矩阵和理想高斯核函数输出响应,训练得到滤波模板。采用主干网络ResNet特征提取方法提取目标区域特征,提高成功率和准确率。

    一种基于稀疏TRANSFORMER结构的高光谱图像去噪方法

    公开(公告)号:CN117788322A

    公开(公告)日:2024-03-29

    申请号:CN202311720650.9

    申请日:2023-12-14

    Inventor: 杨智翔 孙玉宝

    Abstract: 本发明提供的一种基于稀疏TRANSFORMER结构的高光谱图像去噪方法,利用稀疏空谱Transformer去噪网络对高光谱图像的空间‑光谱特征进行联合学习从而帮助去噪。在高光谱图像空间维度,为了应对过于平滑问题,引入局部卷积模块增强空间高频特征细节;同时在光谱维度上提出了Top‑k稀疏自注意力机制,自适应选择最相关的光谱通道信息进行特征交互,从而能够有效捕获不同光谱波段间光谱特征的相关性。通过对高光谱图像空间‑光谱特征的联合学习。本发明能够根据训练好的网络参数权重对输入的噪声高光谱图像进行高效、高质量的去噪修复操作。

Patent Agency Ranking