-
公开(公告)号：CN113723231B
公开(公告)日：2024-09-17
申请号：CN202110940177.X
申请日：2021-08-17
Applicant: 南京邮电大学
IPC: G06V10/82 , G06V20/70 , G06V10/26 , G06V20/58 , G06V10/30 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/77 , G06N3/0464 , G06N3/0455 , G06N3/0985 , G06N3/048
Abstract: 本发明公开了低光照语义分割模型训练方法、语义分割方法及装置，所述低光照语义分割模型的训练方法，所述方法包括：获取低光照下图像数据集；通过图像增强模型，分别对获取的图像数据进行增强处理，获得增强图像数据集和增强图像损失函数；通过语义分割模型，分别对获取的增强图像数据进行语义分割，获得语义分割图像数据集和语义分割损失函数；根据增强图像损失函数与语义分割损失函数，获得总损失函数；根据总损失函数对所述语义分割模型进行调整，获得低光照语义分割模型。本发明用于在低光照场景下获得精确的分割精度。
-
公开(公告)号：CN108564544B
公开(公告)日：2023-04-28
申请号：CN201810325132.X
申请日：2018-04-11
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于边缘感知的图像盲去模糊组合稀疏优化方法，在图像L0稀疏先验的基础上引入相对总变分正则项，对自然图像进行盲去模糊，按照如下步骤进行：输入模糊图像y，其模糊核为k，待求解的清晰图像为x；初始化待求解的图像x为模糊图像y，初始化参数λ，σ等参数；利用模糊核和图像交叉估计的方法由粗到细求解模糊核k；根据步骤3)最后计算出来的模糊核k对模糊图像y进行非盲去模糊，求出清晰的图像x(L)；对清晰的图像做最后的处理，得到最终的清晰图像。
-
公开(公告)号：CN115496764A
公开(公告)日：2022-12-20
申请号：CN202211005997.0
申请日：2022-08-22
Applicant: 南京邮电大学
Abstract: 本发明提出了一个基于U型卷积神经网络模型的雾天图像语义分割方法，通过密集特征融合方法和注意力机制，使网络在有雾的图像上可以更好地提取目标特征，从而完成对雾天图像的语义分割。本发明设计U型网络来结合密集特征融合和注意力机制方法，有效的对有雾图像完成雾噪声的抑制与语义特征的分割。本发明适用于场景广泛，例如雾天的自动驾驶、人机交互和监控探查等实际应用场景。
-
公开(公告)号：CN115393225A
公开(公告)日：2022-11-25
申请号：CN202211088239.X
申请日：2022-09-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多层次特征提取融合的低光照图像增强方法，包括：对待增强的低光照图像进行预处理；将经过预处理的低光照图像输入到训练好的低光照增强网络模型中，得到低光照增强图；低光照增强网络模型的基础为卷积神经网络；本发明通过在低光照增强网络模型中多次利用特征提取模块实现对不同层次的特征进行提取，通过特征提取模块中的空洞卷积分支来提取不同尺度的特征，再通过通道注意力模块和空间注意力模块对提取的特征进行权重调整，然后通过特征增强网络模块对得到的不同层次和不同尺度的特征进行增强，最后进行特征融合，使得增强后图像的细节、结构、对比度、颜色等特征更明显。
-
Patent Agency Ranking
公开(公告)号：CN115311725A
公开(公告)日：2022-11-08
申请号：CN202210991650.1
申请日：2022-08-18
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于Transformer的人脸识别方法，包括如下步骤：S1、获取带有标签的人脸训练图像数据；S2、先经过卷积层进行通道信信息融合；S3、经过6层Transformer Enconder Block编码；S4、经过卷积层进行降维减少参数；S5、经过6层Transformer Decoder Block编码；S6、经过损失函数优化输出数据。本发明用图像的不同patch之间的联合信息提取的方法，可以提高人脸识别表示的运算速度与性能，以及利用位置编码对采样点的人脸进行高维映射，可以很好地映射已有人脸和未知环境人脸之间的关系。
-
公开(公告)号：CN112597873A
公开(公告)日：2021-04-02
申请号：CN202011502417.X
申请日：2020-12-18
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度学习的双通道人脸表情识别方法，包括：步骤S1、获取图像；步骤S2、预处理；步骤S3、将经过预处理的图像分别转化为灰度图以及LBP图；步骤S4、对灰度图以及LBP图分别进行特征提取；步骤S5、对步骤S4提取的特征进行降维处理；步骤S6、对特征进行融合；步骤S7、对特征进行分类判别。本发明能够自主学习样本的灰度图以及LBP图的高级特征，基于深度学习的卷积神经网络采用端到端的思想，采用双通道的网络架构，将灰度图以及LBP图的像素值分别作为输入，隐式的提取更具普适性的高级特征，特征提取和分类识别同时进行，并采用稀疏连接、权值共享、下采样三个思想帮助减少权值参数和计算量。
-
公开(公告)号：CN106296668B
公开(公告)日：2019-07-16
申请号：CN201610622454.1
申请日：2016-08-01
Applicant: 南京邮电大学
IPC: G06T7/11
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：CN108564544A
公开(公告)日：2018-09-21
申请号：CN201810325132.X
申请日：2018-04-11
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于边缘感知的图像盲去模糊组合稀疏优化方法，在图像L0稀疏先验的基础上引入相对总变分正则项，对自然图像进行盲去模糊，按照如下步骤进行：输入模糊图像y，其模糊核为k，待求解的清晰图像为x；初始化待求解的图像x为模糊图像y，初始化参数λ，σ等参数；利用模糊核和图像交叉估计的方法由粗到细求解模糊核k；根据步骤3)最后计算出来的模糊核k对模糊图像y进行非盲去模糊，求出清晰的图像x(L)；对清晰的图像做最后的处理，得到最终的清晰图像。
-
公开(公告)号：CN104778667A
公开(公告)日：2015-07-15
申请号：CN201510176350.8
申请日：2015-04-14
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于水平集的锥束CT中杯状伪影的校正方法，该方法应用于锥束CT切片图像校正。该方法能够自适应的进行锥束CT的杯状伪影校正，无需人工干预就可以自动完成校正。该方法不需要重复扫描被测物体；不增加锥束CT系统的复杂度；针对重建后的切片图像，能够直接面向用户，不需要对原有锥束CT的原有设备进行任何改动，就可以完成校正工作，该方法能够高效地进行锥束CT的杯状伪影校正，同时还能够提高图像的对比度。
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.027 seconds)
