-
公开(公告)号：CN117036686A
公开(公告)日：2023-11-10
申请号：CN202310782379.5
申请日：2023-06-29
Applicant: 南京邮电大学
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06V10/764 , G06V10/77
Abstract: 本发明属于图像处理分割的技术领域，公开了一种基于自注意力与卷积特征融合的语义分割方法，包括：采集复杂场景的图像数据，通过预处理构建数据集；基于自注意力与卷积特征融合构建语义分割网络模型；设置损失函数，并基于数据集训练语义分割网络模型。本发明通过在计算自注意力的前后引入卷积操作，使得网络在有全局感知的情况下还能具有归纳偏置，加强了网络局部特征提取能力。本发明设计网络所提取的特征结合卷积神经网络和Transformer中的自注意力机制，对分割图像物体边界和密集型特征图像分割效果明显。本发明适用于场景广泛，例如自动驾驶、人机交互和监控探查等实际应用场景。
-
公开(公告)号：CN111145174B
公开(公告)日：2022-08-09
申请号：CN202010000186.6
申请日：2020-01-02
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于图像语义特征进行点云筛选的3D目标检测方法。包括以下步骤：首先2D语义分割方法对图像数据进行分割得到语义预测。将生成的语义预测通过已知的投影矩阵投影到LIDAR点云空间中，从而使点云中的每一个点都能获得对应图像位置的语义类别属性。我们将车辆、行人、骑车人相关的点从原始点云中提取出来并形成视锥。其次我们将视锥作为深度3D目标检测器的输入，并设计符合视锥特性的损失函数来进行网络训练。本发明设计了基于图像语义特征进行点云筛选的3D目标检测算法，大大减少了3D检测的时间和计算需求。最后我们的方法在3D目标检测的基准数据集KITTI上的表现表明，我们的方法具有很好的实时目标检测性能。
-
公开(公告)号：CN108898566B
公开(公告)日：2022-05-17
申请号：CN201810803845.2
申请日：2018-07-20
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种利用时空照度图的低照度彩色视频增强方法，首先计算视频帧的初始空间照度图，利用当前视频帧与其前k视频帧的初始空间照度图计算当前视频帧的时间相似性照度图，利用初始空间照度图和时间相似性照度图构造当前视频帧的结构权重矩阵，利用初始空间照度图、时间相似性照度图和结构权重矩阵构造最优照度图估计的代价最小化模型并求解，所得解为当前视频帧的最优照度图，最后对最优照度图做伽马校正，利用校正后的照度图求取增强后的当前视频帧；当所有视频帧都处理完毕后，将全部增强后的视频帧合并成输出的彩色视频。本发明能在有效增强低照度彩色视频照度的同时保持视频帧中主要结构，并使得增强后的视频具有连贯的照度。
-
公开(公告)号：CN111145174A
公开(公告)日：2020-05-12
申请号：CN202010000186.6
申请日：2020-01-02
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于图像语义特征进行点云筛选的3D目标检测方法。包括以下步骤：首先2D语义分割方法对图像数据进行分割得到语义预测。将生成的语义预测通过已知的投影矩阵投影到LIDAR点云空间中，从而使点云中的每一个点都能获得对应图像位置的语义类别属性。我们将车辆、行人、骑车人相关的点从原始点云中提取出来并形成视锥。其次我们将视锥作为深度3D目标检测器的输入，并设计符合视锥特性的损失函数来进行网络训练。本发明设计了基于图像语义特征进行点云筛选的3D目标检测算法，大大减少了3D检测的时间和计算需求。最后我们的方法在3D目标检测的基准数据集KITTI上的表现表明，我们的方法具有很好的实时目标检测性能。
-
公开(公告)号：CN108898566A
公开(公告)日：2018-11-27
申请号：CN201810803845.2
申请日：2018-07-20
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种利用时空照度图的低照度彩色视频增强方法，首先计算视频帧的初始空间照度图，利用当前视频帧与其前k视频帧的初始空间照度图计算当前视频帧的时间相似性照度图，利用初始空间照度图和时间相似性照度图构造当前视频帧的结构权重矩阵，利用初始空间照度图、时间相似性照度图和结构权重矩阵构造最优照度图估计的代价最小化模型并求解，所得解为当前视频帧的最优照度图，最后对最优照度图做伽马校正，利用校正后的照度图求取增强后的当前视频帧；当所有视频帧都处理完毕后，将全部增强后的视频帧合并成输出的彩色视频。本发明能在有效增强低照度彩色视频照度的同时保持视频帧中主要结构，并使得增强后的视频具有连贯的照度。
-
Patent Agency Ranking
公开(公告)号：CN108537733A
公开(公告)日：2018-09-14
申请号：CN201810325131.5
申请日：2018-04-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多路径深度卷积神经网络的超分辨率重建方法，包括如下步骤：获得总训练集、总训练集图像预处理、测试集准备和用卷积神经网络的卷积层实现图像重建；本发明提出的多路径卷积神经网络结构，在原有的单路径神经网络基础上增加了多条支路，能够对不同尺度的图像特征用不同数量的卷积核处理，不增加总体参数量的同时在重建质量和视觉效果上较原先的方法均有提升。
-
公开(公告)号：CN104166962B
公开(公告)日：2018-06-15
申请号：CN201410365880.2
申请日：2014-07-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种使用散射核方法的锥束CT散射校正方法，其步骤为：步骤一：测量遮挡板下的散射信号；步骤二：自适应散射核参数的计算；步骤三：估计扩散函数的参数；步骤四：通过扩散函数对图像进行散射校正；步骤五：图像遮挡区域的修复；步骤六：锥束CT的重建。本发明不需要获取模型参数的先验数据，不增加图像获取及重建的复杂度，添加的设备复杂度不高，且不需要重复扫描被测物体，能高效的进行锥束CT散射校正。
-
公开(公告)号：CN106296668A
公开(公告)日：2017-01-04
申请号：CN201610622454.1
申请日：2016-08-01
Applicant: 南京邮电大学
IPC: G06T7/00
CPC classification number: G06T2207/20116
Abstract: 本发明公开了一种多分辨分析的全局图像分割方法，首先，紧支撑小波变换对图像进行分解；然后，将分解后进行重构的系数矩阵作为滤波器；其次，将重构所得的滤波器施加于水平集函数的梯度项，构成新的正则项；接着，基于理想情况下，目标和背景的边界应充分契合，提出一种边界正则项用于保持全局最优的分割结果；最后，利用快速对偶算法将含有多分辨率信息的正则项和边界正则项的变分模型进行最小化，以实现水平集曲线的演化。经医学核磁共振图像分割实验表明，本发明对于狭长拓扑结构比一般活动轮廓模型具有更明显的扑捉能力以及更高效的计算时间。
-
公开(公告)号：CN105931191A
公开(公告)日：2016-09-07
申请号：CN201510964588.7
申请日：2015-12-21
IPC: G06T5/00
CPC classification number: G06T5/003 , G06T2207/20016
Abstract: 本发明公开了基于凹凸混合正则先验的图像盲去卷积方法，该方法是一种针对相机摄像头的散焦、抖动等原因造成的图像模糊进行去卷积的方法。主要分三步执行，即：输入降质的模糊图像，求解图像的凹凸混合广义全变差最小化泛函，迭代估计中间清晰图像。利用给定的模糊核尺寸以及上述清晰图像的梯度信息，求解模糊核的凹凸混合弹性网正则化最小化泛函，迭代估计中间模糊核。利用上述两步骤交替迭代结束后的最终模糊核以及倒基尼系数稀疏正则的图像非盲去卷积方法，迭代估计最终去卷积图像。
-
公开(公告)号：CN119445633A
公开(公告)日：2025-02-14
申请号：CN202411574556.1
申请日：2024-11-06
Applicant: 南京邮电大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像处理技术领域，具体为一种小型人脸检测方法、电子设备及存储介质，包括：选取人脸图像数据集，对所述人脸图像数据集中的图片进行预处理；将预处理后的图片输入至深度学习网络模型，所述深度学习网络模型包括Backbone网络、Neck网络和Head部分；设置适合所述深度学习网络模型的损失函数，训练并调整模型参数；将待检测的小型人脸图像输入至最优网络模型，输出小型人脸图像检测结果图，所述最优网络模型为将模型参数调整至最优后的深度学习网络模型；选择性状态空间模型的引入作为一种创新技术，在具有较强的全局特征提取能力的同时，有效地减轻了模型的计算负担。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.023 seconds)
