-
公开(公告)号：CN101520894B
公开(公告)日：2011-03-30
申请号：CN200910046276.2
申请日：2009-02-18
Applicant: 上海大学
Abstract: 本发明公开了一种基于区域显著性的显著对象提取方法，该方法是首先，通过计算输入图像的多分辨率对比度特征，建立一个尺度不变的显著性图像，用非参数核密度估计方法把输入图像分割成不同的区域；然后，计算每个区域组合与其补集的区域显著性的比值；最后，通过取这个比值的最大值而提取出显著对象，其具体步骤如下：(1)、输入图像，建立尺度不变的显著性图像；(2)、输入图像，实现图像分割；(3)、显著对象提取。该方法结合区域显著性，不仅能准确的提取出单个显著对象，而且能准确的提取出多个显著对象，使提取的显著对象满足人眼视觉要求，而且能提高分割的准确性。
-
公开(公告)号：CN101866422A
公开(公告)日：2010-10-20
申请号：CN201010215691.9
申请日：2010-06-29
Applicant: 上海大学
IPC: G06K9/46
Abstract: 本发明公开了一种基于图像的多特征融合提取图像关注度的方法，该方法包括其具体步骤如下：(1)输入图像，分别提取每个区域的多个特征；(2)进行多个特征融合，计算区域关注度；(3)通过图像中每个像素点的像素值与每个区域的均值的相近程度，将上述区域关注度转化为图像中每个像素点k的关注度，提取图像关注度。该方法采用多个特征融合，计算区域关注度，不仅能准确地定位人眼关注的位置，而且能准确地凸显关注物体的整个区域和外围轮廓，更满足人眼的视觉要求，并且具有准确度高且实时性好的特点，在机器视觉、对象分割、目标跟踪等领域有很好的应用前景。
-
公开(公告)号：CN101237581A
公开(公告)日：2008-08-06
申请号：CN200810034100.0
申请日：2008-02-29
Applicant: 上海大学
Abstract: 本发明涉及一种基于运动特征的H.264压缩域实时视频对象分割方法。本方法是：在对运动矢量场进行空域归一化后，再对归一化的运动矢量场进行加权中值滤波，然后基于运动矢量场的幅度、散度和旋度三个运动特征，采用改进的统计区域生长方法按照运动特征相似性将其分割成多个对象。经MPEG－4测试序列的实验结果表明，在一台CPU为双核2.0GHz，内存为900M的计算机上处理CIF格式的视频序列，平均每帧的处理时间为15ms，足以满足大多数实时应用30fps的要求，而且具有良好的分割质量。鉴于本发明提出的方法仅使用了运动矢量场信息，因此它也可适用于光流场的运动对象分割。
-
公开(公告)号：CN112869744B
公开(公告)日：2024-05-31
申请号：CN202110075057.8
申请日：2021-01-20
Applicant: 上海市精神卫生中心(上海市心理咨询培训中心) , 上海大学
Abstract: 本发明提供一种精神分裂症辅助诊断方法、系统和存储介质，基于自由视图实验收集眼动数据，具有简单易操作、人工工作量小的特点，并且基于眼动追踪数据，提出了五个具有可解释性的眼动特征，成功地将机器学习方法引入到精神分裂症诊断领域，为医生诊断精神分裂症提供了客观的量化指标和基于分类器的预测结果。
-
公开(公告)号：CN109215009B
公开(公告)日：2023-05-12
申请号：CN201710513760.6
申请日：2017-06-29
Applicant: 上海金艺检测技术有限公司 , 上海大学
IPC: G06T7/00 , G06T7/13 , G06T7/60 , G06T7/62 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于深度卷积神经网络的连铸坯表面图像缺陷检测方法，本方法首先对已知连铸坯图像进行图像块预处理，得到缺陷样本集和正常样本集，将图像块随机取四分之三作为训练集，其余为验证集和测试集；采用深度卷积神经网络对缺陷区域进行分类，并在设定参数下采用训练集和验证集训练网络，对测试集进行图像块分类模型测试，得到准确率高的图像块分类模型；对待检图像进行测试，规定图像中含有缺陷图像块为缺陷图像，采用图像块分类模型对该缺陷图像进行分类预测；对预测结果采用一定的算法判断其真伪，得到真缺陷图像。本方法有效提高了检测效率，减少人工工作量，方便缺陷数据的存储及追溯，确保了连铸坯的生产质量。
-
Patent Agency Ranking
公开(公告)号：CN115027636A
公开(公告)日：2022-09-09
申请号：CN202210863690.8
申请日：2022-07-21
Applicant: 上海大学 , 南京博蓝奇智能科技有限公司
Abstract: 本发明公开了一种基于无人艇平台的高压水射流清洗装备，包括无人艇、安装在无人艇上的Stewart六自由度运动平台和设置在Stewart六自由度运动平台上的高压水射流机构，高压水射流机构包括基座、平台和两个水射流枪头，基座上固定安装有第一驱动装置，基座与Stewart六自由度运动平台固连；平台与基座转动配合，第一驱动装置能够驱动平台相对基座转动；平台上设置有转动杆和第二驱动装置，转动杆上固设有两个安装板，第二驱动装置能够驱动转动杆绕转动杆的轴线转动；且平台相对基座转动的轴线与转动杆的轴线相垂直；一个水射流枪头安装在一个安装板上，另一个水射流枪头安装在另一个安装板上。本发明提高了清洗作业效率。
-
公开(公告)号：CN112150504A
公开(公告)日：2020-12-29
申请号：CN202010765183.1
申请日：2020-08-03
Applicant: 上海大学
Abstract: 本发明公开了一种基于注意力机制的视觉跟踪方法。其具体操作步骤为：(1)、对图像数据集进行处理，包括统一尺寸；(2)、构建目标状态估计深度学习网络，提取目标的位置信息；(3)、将(1)中处理好的训练数据输入(2)中构建的深度学习网络进行训练，直到网络收敛得到一个训练好的网络模型，网络输出一个调节矢量；(4)、利用步骤(3)训练好的网络模型进行测试，对于要测试的视频序列给定第一帧图片的目标坐标，然后输入步骤(2)中目标状态估计网络和目标分类网络，由目标分类网络得到一个粗略的目标位置，再由目标状态估计网络得到相对精确目标状态。本发明方法能更准确地提取目标的位置信息，从而更精确估计跟踪目标状态。
-
公开(公告)号：CN109409435A
公开(公告)日：2019-03-01
申请号：CN201811294279.3
申请日：2018-11-01
Applicant: 上海大学
Abstract: 本发明公开了一种基于卷积神经网络的深度感知显著性检测方法，具体步骤如下：a.将深度图转化为三通道深度图；b.将三通道深度图和彩色图分别送入彩色显著性网络和深度显著性网络中，得到彩色显著性图和深度显著性图；c.将彩色显著性图和深度显著性图一起送入显著性融合网络中，得到融合显著性图；d.将彩色显著性图和深度显著性图联合训练并计算损失函数loss，以此来训练步骤b和c中的网络，让其拥有更强的特征提取能力。
-
公开(公告)号：CN105224914B
公开(公告)日：2018-10-23
申请号：CN201510559077.7
申请日：2015-09-02
Applicant: 上海大学
Abstract: 本发明公开了一种基于图的无约束视频中显著性检测方法，其具体步骤如下：(1)、输入原始视频帧序列，对其中的第；(2)、将整个视频帧分割成超像素区域；(3)、利用稠密光流法算法，得到中像素点的运动矢量场，分别提取超像素区域级,全局运动直方图；(4)、构建无向有权图，分别计算超像素区域到虚拟背景节点的最短路径，将路径中节点之间边的权重进行累加，当作超像素区域的运动显著性值，生成当前帧的运动显著性图，并且根据二值化后的显著性图，重新估计背景的运动直方图，更新超像素区域的显著性值；该发明基于图的方法并且进行迭代估计背景的运动的进行显著性检测，能够更准确、完整地检测视频中的显著对象。
-
公开(公告)号：CN106407978A
公开(公告)日：2017-02-15
申请号：CN201610849174.4
申请日：2016-09-24
Applicant: 上海大学
IPC: G06K9/32
CPC classification number: G06K9/3233
Abstract: 本发明公开了一种结合似物度的无约束视频中显著物体检测方法，具体步骤如下：(1)输入原始视频序列 ，对其中的第帧记为 ；(2)对于视频帧 ，利用视频显著性模型、似物性的对象检测算法，得到初始的显著对象检测的矩形区域；(3)对于视频帧，通过迭代更新似物度概率图和对象概率图，不断调整显著对象检测的矩形区域大小，得到单帧的显著对象检测结果；(4)利用稠密光流法算法，得到视频帧的像素点的运动矢量场，计算相邻帧显著对象检测的矩形区域的重叠度，得到最终的显著对象检测结果。本发明通过迭代更新似物度概率图和对象概率图，增强空域显著对象检测结果的准确性；利用序列级的细化，增强了时间的一致性，能够更准确、完整地检测视频中的显著对象。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.023 seconds)
