-
公开(公告)号：CN110097115B
公开(公告)日：2022-11-25
申请号：CN201910347420.X
申请日：2019-04-28
IPC: G06V10/46 , G06V10/774 , G06V10/82 , G06V20/40
Abstract: 一种基于注意力转移机制的视频显著性物体检测方法。注意力转移机制是人类视觉系统中特有的功能，但是，当前的方法忽视了这一重要的机制。本发明方法设计了一种新的卷积神经网络架构，它有效地利用了静态卷积网络、金字塔扩展卷积网络、长短期记忆网络和注意力转移感知模块的特点，从而充分体现了人类视觉系统中的注意力转移机制，对于真实的应用场景更具实际意义，并且能得到更好的显著性物体检测效果。相对于当前的所有视频显著性物体检测方法，本发明方法达到了国际领先水平，在主流的公开数据集的性能评测上，超越了当前最好的视频显著性物体检测方法。
-
公开(公告)号：CN112465909B
公开(公告)日：2022-09-20
申请号：CN202011416095.7
申请日：2020-12-07
Applicant: 南开大学
Abstract: 本发明公开了基于卷积神经网络的类激活映射目标定位方法及系统，将待处理图像输入到训练后的卷积神经网络中，根据类别信息进行反向传播，得到网络中每个卷积层的每个特征图对应的梯度；每个卷积层均输出一个特征图；每个特征图包括C个子特征图；每个子特征图均有一一对应的梯度；从卷积神经网络中选定M个卷积层，对所述M个卷积层中的每个卷积层所提取的C个子特征图与权重进行相乘处理；其中，权重为子特征图所对应的梯度；将相乘处理结果输入到非线性的ReLU函数中，对ReLU函数输出值进行通道维度上的求和操作，每个被选定的卷积层均得到一个对应的类激活映射图，即得到M个类激活映射图；对M个类激活映射图进行融合，得到定位图。
-
公开(公告)号：CN112907530B
公开(公告)日：2022-05-17
申请号：CN202110180500.8
申请日：2021-02-08
Applicant: 南开大学
Abstract: 本发明公开了基于分组反向注意力的伪装物体检测方法及系统，包括：获取待检测图像；对待检测图像进行特征提取；基于特征提取结果，对待检测图像中的伪装物体进行搜索，得到伪装物体的定位图；基于特征提取结果和伪装定位物体的定位图，利用分组反向注意力方式进行处理，得到伪装物体的轮廓图。
-
公开(公告)号：CN112541909B
公开(公告)日：2022-05-17
申请号：CN202011529192.7
申请日：2020-12-22
Applicant: 南开大学
Abstract: 本发明公开一种基于切片感知的三维神经网络的肺结节探测方法及系统，包括：获取三维CT图像；根据成组切片非局部模块，三维区域候选网络和假阳减少模块构建三维神经网络，根据三维神经网络得到三维CT图像的肺结节探测结果；采用所述成组切片非局部模块提取三维CT图像的图像特征；采用所述三维区域候选网络根据图像特征获取肺结节候选目标；采用所述假阳减少模块获取肺结节候选目标的多尺度特征，将多尺度特征进行融合后得到肺结节探测结果。通过成组切片非局部模块学习成组切片内的元素间非局部依赖关系，以更好地学习判别性的特征；通过假阳减少模块对多尺度特征进行提取融合，以减少错误识别的肺结节，显著提高肺结节检测的效果。
-
公开(公告)号：CN108388903B
公开(公告)日：2021-12-21
申请号：CN201810171247.8
申请日：2018-03-01
Applicant: 南开大学
Abstract: 本发明公开了一种基于多视角多特征的图像印象性预测方法，属于图像处理技术领域。图像印象性是一种特殊的图像属性。对印象性的预测是为了能够在短时间内判断出更符合人类预期的图片作品进行推荐，降低筛选过程的时间消耗。该方法的设计参考了经典的图像属性分析结构，基于心理学理论基础和视觉图像分析，总结出六点主要线索，结合多层次的视觉特征对各个主要线索进行建模，最终达到预测印象性的目的。使用该方法对图像印象性进行检测，可以更好地模拟人类感知，用来进行更多高级的视觉任务。
-
Patent Agency Ranking
公开(公告)号：CN109871835B
公开(公告)日：2021-10-01
申请号：CN201910235306.8
申请日：2019-03-27
Applicant: 南开大学
IPC: G06K9/00
Abstract: 一种基于互斥正则化技术的人脸识别方法，属于图像处理技术领域，该方法首先将进行筛选和校准后的人脸图像数据集导入模型；利用残差神经网络对输入的图像数据进行特征提取得到特征向量；利用特征向量和分类参数矩阵来计算分类概率得出识别向量；使用A‑Softmax损失函数计算识别向量与标注之间的损失差异并将其作为梯度进行反向传播来更新特征提取网络中的参数；计算互斥正则项关于分类参数矩阵的偏导数并利用该偏导数更新分类参数矩阵。本发明同时考虑了类內紧凑性和类间可分性，对开放环境下人脸识别模型的应用更具有实际意义，该方法能够同时实现人脸识别任务下类內数据的密集聚簇和类间数据的离散分布，比以往方法更具实用性和普适性。
-
公开(公告)号：CN112950470A
公开(公告)日：2021-06-11
申请号：CN202110217175.8
申请日：2021-02-26
Applicant: 南开大学
Abstract: 本发明提供了基于时域特征融合的视频超分辨率重建方法及系统。其中该方法包括获取视频的图像序列，提取图像序列特征，得到初始特征序列；将初始特征序列中的特征进行局部时域特征融合，得到局部特征序列；将初始特征序列中的非边界特征与其最邻近的两个特征进行融合；对于初始特征序列中的边界特征，将两个该边界特征及与其最邻近的一个特征进行融合；将局部特征序列输入至双向采样的可变卷积长短时记忆网络，对局部特征序列中每一个特征进行全局范围内的特征补充，得到全局特征序列；提取全局特征序列的超分辨率特征，并与初始特征序列对应相加，再提取特征相加后序列的高分辨率上采样特征，经卷积神经网络得到最终的高分辨率重建图像序列。
-
公开(公告)号：CN112907530A
公开(公告)日：2021-06-04
申请号：CN202110180500.8
申请日：2021-02-08
Applicant: 南开大学
Abstract: 本发明公开了基于分组反向注意力的伪装物体检测方法及系统，包括：获取待检测图像；对待检测图像进行特征提取；基于特征提取结果，对待检测图像中的伪装物体进行搜索，得到伪装物体的定位图；基于特征提取结果和伪装定位物体的定位图，利用分组反向注意力方式进行处理，得到伪装物体的轮廓图。
-
公开(公告)号：CN110111340B
公开(公告)日：2021-05-14
申请号：CN201910347532.5
申请日：2019-04-28
Applicant: 南开大学
Abstract: 一种基于多路割的弱监督实例分割方法。该方法仅使用图像级别的标注数据来训练用于实例分割的卷积神经网络。具体来说，给定一个只带有图像级别标注的训练集，用拟物性采样算法对每张图像计算出若干个类别无关的物体推荐区域；然后以图像和对应的物体推荐区域作为输入，以标注的图像类别作为学习目标，通过多实例学习框架计算出每个物体推荐区域的类别概率分布和语义特征。将整个数据集中的物体推荐区域作为结点建立一个大规模的图模型，将所述图模型看作一个多路割问题，分割结果对每个物体推荐区域赋予一个类别标记作为结果；或作为训练集来训练任何的用于实例分割的卷积神经网络。实验表明，该方法明显优于已有的弱监督实例分割方法。
-
公开(公告)号：CN112381831A
公开(公告)日：2021-02-19
申请号：CN202011353724.6
申请日：2020-11-26
Applicant: 南开大学
Abstract: 本申请公开了基于图像间语义辅助的个性化图像分割方法及系统，获取当前用户的若干幅无标注图像和非当前用户的若干幅有标注图像；对当前用户的每幅无标注图像进行特征提取，得到每幅无标注图像的图像特征；依据当前用户的每幅无标注图像的图像特征，基于聚类算法，得到若干个无标注图像组合；将所有的无标注图像组合和所有的有标注图像组合，按照标注的有无，交替输入到深度神经网络中，对深度神经网络进行初步训练，得到初步训练后的深度神经网络；在初步训练的过程中，基于每个组合的图像间语义信息辅助实现图像的分割；基于初步训练后的深度神经网络，对当前用户的新图像组合进行分割，得到分割结果。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.023 seconds)
