-
公开(公告)号：CN117152445B
公开(公告)日：2024-01-12
申请号：CN202311427065.X
申请日：2023-10-31
Applicant: 暨南大学
Abstract: 本发明公开了基于多连接编码小波池化的实时图像语义分割方法，包括：对原始输入特征图进行初步特征提取，得到初始特征信息；将初始特征信息与第一输入图像进行拼接，得到浅层特征图；对浅层特征图进行小波池化操作后再进行逐步特征融合提取，得到第一混合特征信息；将第一混合特征与第二输入图像进行拼接，得到中层特征图；对中层特征图进行小波池化操作后再进行逐步特征融合提取，得到第二混合特征信息；将第二混合特征信息与第三输入图像进行拼接，得到深层特征图；对浅层特征图、中层特征图以及深层特征图进行融合解码，得到图像语义分割结果。本发明还公开了一种相应的实时图像语义分割系统，实现了实时且高精度的图像语义分
-
公开(公告)号：CN117079103B
公开(公告)日：2024-01-02
申请号：CN202311331979.6
申请日：2023-10-16
Applicant: 暨南大学
IPC: G06V10/82 , G06N3/09 , G06V10/26 , G06V10/44 , G06V10/46 , G06V10/764 , G06V10/774
Abstract: 本发明涉及深度学习技术领域，提出一种用于神经网络训练的伪标签生成方法及系统，包括以下步骤：将输入图像及其对应的图像级别标签传输至基于残差结构的分类骨干网络进行注意力池化，得到类激活图，以及，将输入图像传输至显著对象检测网络进行区域检测，得到显著性图；融合类激活图与显著性图的各区域特征，合成输入图像的边界伪标签；利用边界伪标签监督边界检测网络的训练，并将输入图像传输至已训练完成的边界检测网络进行边界检测，提取输入图像的边界；利用边界引导类激活图进行细化传播，生成与输入图像相对应的语义分割伪标签。本发明能够大幅降低人工标注像素级标签的成本和时间，提高语义分割伪标签的精度和生成效
-
公开(公告)号：CN117152445A
公开(公告)日：2023-12-01
申请号：CN202311427065.X
申请日：2023-10-31
Applicant: 暨南大学
Abstract: 本发明公开了基于多连接编码小波池化的实时图像语义分割方法，包括：对原始输入特征图进行初步特征提取，得到初始特征信息；将初始特征信息与第一输入图像进行拼接，得到浅层特征图；对浅层特征图进行小波池化操作后再进行逐步特征融合提取，得到第一混合特征信息；将第一混合特征与第二输入图像进行拼接，得到中层特征图；对中层特征图进行小波池化操作后再进行逐步特征融合提取，得到第二混合特征信息；将第二混合特征信息与第三输入图像进行拼接，得到深层特征图；对浅层特征图、中层特征图以及深层特征图进行融合解码，得到图像语义分割结果。本发明还公开了一种相应的实时图像语义分割系统，实现了实时且高精度的图像语义分割。
-
公开(公告)号：CN116520990B
公开(公告)日：2023-11-24
申请号：CN202310489932.6
申请日：2023-04-28
Applicant: 暨南大学
IPC: G06F3/01 , G06F18/15 , G06F18/214 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N3/126
Abstract: 别时延，以满足实时手语识别任务的需要。本发明涉及手势识别技术领域，提出一种基于轻量级神经网络的手语识别方法、系统及手套，包括以下步骤：以预设的采样周期采集手语动作数据；对采集的手语动作数据进行有效数据判断，得到有效的手语动作数据；将所述有效的手语动作数据输入轻量级神经网络进行手语识别，得到手语识别结果；其中，所述轻量级神经网络包括采用非对称并行卷积结构的浅层卷积神经网络，或基于遗传算法对平滑因子进行寻优的PNN神经网络。本发明通过对采集的手语动作数(56)对比文件范俊辉;彭道刚;黄义超;杨旭红.基于改进PSO优化PNN网络的变压器故障诊断方法.测控技术.2016,(第03期),全文.
-
Patent Agency Ranking
公开(公告)号：CN116993987A
公开(公告)日：2023-11-03
申请号：CN202311095088.5
申请日：2023-08-28
Applicant: 暨南大学
IPC: G06V10/26 , G06V10/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于轻量级神经网络模型的图像语义分割方法及系统，涉及人工智能领域。所述方法包括：所述轻量级神经网络模型包括初始化模块、空间分支、语义分支和多尺度特征融合解码器；所述图像语义分割方法包括：响应于待处理图像的处理指令，基于初始化模块对待处理图像进行特征提取，得到第一特征图；基于空间分支提取第一特征图的空间信息；基于语义分支提取第一特征图的多尺度特征信息，并融合多尺度特征信息和空间信息，得到增强特征图；基于多尺度特征融合解码器，将第一特征图与增强特征图进行融合，并进行图像尺寸恢复，得到图像语义分割结果。相较于现有技术，本发明在分割精度与实时性之间实现更好的性能均衡。
-
公开(公告)号：CN115457265B
公开(公告)日：2023-08-01
申请号：CN202211028300.1
申请日：2022-08-25
Applicant: 暨南大学
Abstract: 本发明涉及图像处理领域，公开了一种基于生成对抗网络和多尺度融合的图像去雾方法及系统，方法包括：构建包括第一去雾单元和第二去雾单元的图像去雾模型；将真实有雾图像输入训练好的图像去雾模型，通过第一去雾单元对真实有雾图像进行暗通道先验去雾处理，得到第一传输映射图像和第一去雾图像；通过第二去雾单元对第一传输映射图像和第一去雾图像进行特征细化处理，得到第二传输映射图像和第二去雾图像；并对第二传输映射图像进行物理去雾处理，得到第三去雾图像；对第二去雾图像和第三去雾图像进行图像融合，得到最终的无雾图像。本发明结合了基于物理模型先验方法和基于深度学习方法对图像进行去雾处理，提高了去雾精度和效率。
-
公开(公告)号：CN115457265A
公开(公告)日：2022-12-09
申请号：CN202211028300.1
申请日：2022-08-25
Applicant: 暨南大学
Abstract: 本发明涉及图像处理领域，公开了一种基于生成对抗网络和多尺度融合的图像去雾方法及系统，方法包括：构建包括第一去雾单元和第二去雾单元的图像去雾模型；将真实有雾图像输入训练好的图像去雾模型，通过第一去雾单元对真实有雾图像进行暗通道先验去雾处理，得到第一传输映射图像和第一去雾图像；通过第二去雾单元对第一传输映射图像和第一去雾图像进行特征细化处理，得到第二传输映射图像和第二去雾图像；并对第二传输映射图像进行物理去雾处理，得到第三去雾图像；对第二去雾图像和第三去雾图像进行图像融合，得到最终的无雾图像。本发明结合了基于物理模型先验方法和基于深度学习方法对图像进行去雾处理，提高了去雾精度和效率。
-
公开(公告)号：CN114742701A
公开(公告)日：2022-07-12
申请号：CN202210209804.7
申请日：2022-03-03
Applicant: 暨南大学
Abstract: 本发明提出一种基于空洞残差稠密卷积的图像超分辨率重建方法及系统，包括构建包括特征提取层、非线性映射层和图像重建层的图像重建网络；非线性映射层包括由若干个依次稠密连接的空洞卷积层和标准卷积层组成的空洞残差稠密模块；将预处理后的待重建图像输入图像重建网络，待重建图像经过特征提取以及与高分辨率图像的映射，图像重建网络输出高分辨率图像。使用稠密连接的空洞卷积层和标准卷积层组成的残差结构，相比标准卷积层能够提取更多的图像的语境信息并且能够提高特征信息的重复利用率，增加前面卷积层提取的特征信息对最后图像重建的贡献率，充分利用图像的特征信息，降低网络的训练难度，实现图像重建的质量和效率的提高。
-
公开(公告)号：CN114445430A
公开(公告)日：2022-05-06
申请号：CN202210365378.6
申请日：2022-04-08
Applicant: 暨南大学
Abstract: 本发明提出一种轻量级多尺度特征融合的实时图像语义分割方法，包括：构建包括初始化模块、分离‑提取‑合并瓶颈模块、分区‑融合通道注意力模块、特征融合模块和多尺度注意力解码器的图像语义分割网络。通过图像语义分割网络提取待处理图像初始特征图的多尺度特征，得到多尺度特征图；提取并融合初始特征图的全局通道信息和局部通道信息，得到通道信息特征图；将多尺度特征图、通道信息特征图和原始的待处理图像进行特征融合，得到融合特征图；基于融合特征图进行图像精度恢复，得到图像语义分割结果。本发明能够在参数量相对较小的轻量级图像语义分割网络模型中保证模型的精度和准确率，提高模型的推理速度，实现图像的实时语义分割。
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.025 seconds)
