-
公开(公告)号：CN119180767A
公开(公告)日：2024-12-24
申请号：CN202411325808.7
申请日：2024-09-23
Applicant: 西北工业大学
Abstract: 本申请的实施例涉及眼底图像处理技术领域，特别涉及一种基于多阈值形状度量的图像暗斑消除方法，包括：对待处理眼底图像进行ROI区域提取并进行灰度化处理，得到ROI区域的灰度图像；对灰度图像进行多阈值分割，得到若干个二值图像；基于暗斑形状度量分别对各个二值图像进行候选暗斑检测，确定出各个二值图像中的候选暗斑；基于各个二值图像中的候选暗斑进行投票，筛选出真实暗斑，并基于真实暗斑在各个二值图像中的中心点和半径，确定真实暗斑的真实中心点和真实半径；基于真实暗斑的真实半径划定基准区域，基于基准区域的平均灰度值消除真实暗斑。该方法能够快速、便捷、高质量地消除眼底图像中的暗斑，并且所需的计算资源很少。
-
公开(公告)号：CN118552584A
公开(公告)日：2024-08-27
申请号：CN202410506673.8
申请日：2024-04-25
Applicant: 西北工业大学
IPC: G06T7/246 , G06T7/269 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/766 , G06V10/26 , G06V10/25 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明涉及一种基于光流补偿的目标跟踪网路结构及跟踪的方法，针对遮挡环境下的目标检测，提出基于局部感知的遮挡目标检测方法。具体地，在特征层面提出了局部感知模块，通过多个局部感知分支探索出多个局部区域并使用随机丢弃策略迫使其它分支学习突出特征中的重要局部信息。考虑到检测器可能会预测出多个候选检测框的问题，提出了查询更新模块。该模块利用目标的空间位置信息剔除过多的候选框，提升检测结果准确率。最后，CrowdHuman数据集下，本研究所提算法相比RT‑DETR的平均准确率指标提升0.7％，每幅图像假阳性率对数平均值实现了0.6％的增益，雅卡指数实现了1％的增益。
-
公开(公告)号：CN118196616A
公开(公告)日：2024-06-14
申请号：CN202410180848.0
申请日：2024-02-18
Applicant: 西北工业大学
IPC: G06V20/10 , G06V10/82 , G06V10/25 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/766 , G06V10/774 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种面向开放世界的遥感目标检测方法，为了实现对遥感图像中未知新类的可靠性判读，本发明采用的方案为构建由CNN特征提取和Transformer模块构建的Deformable DETR基准模型网络；基准模型固定预测目标个数并采用匈牙利匹配机制对预测目标和真实目标进行一一匹配，同时计算未匹配的预测目标的伪标签分数，并分配伪标签，同时进行开集性能训练，针对遥感目标，提出角点检测和均值漂移聚类模块，以改善伪标签选取机制，为网络训练提供更精准的伪标签。采用本法的方法，可以显著提高未知类的检出能力，并不会牺牲已知类的检测能力，具有良好鲁棒性。
-
公开(公告)号：CN117315227A
公开(公告)日：2023-12-29
申请号：CN202311198140.X
申请日：2023-09-18
Applicant: 西北工业大学
IPC: G06V10/25 , G06V20/17 , G06V10/44 , G06N3/048 , G06N3/0455 , G06N3/0495 , G06N3/0464 , G06N3/084
Abstract: 针对旋转小目标检测模型学习过程中对目标角度进行优化时会出现的边界问题，本发明提出一种多因素融合的旋转交并比(Multi‑factor Fusion of Rotated IoU，MFRIoU)学习策略。在综合考虑重叠率因素、中心点距离、边框形状因素、边框面积因素的情况下为网络提供正确的优化方向。本发明的形状惩罚项加快了预测框形状和真实框形状的拟合，边框面积惩罚项降低了面积差对应的信息差而造成的损失，使得旋转小目标的检测模型精度更高、速度更快、误差更低。
-
公开(公告)号：CN115423978A
公开(公告)日：2022-12-02
申请号：CN202211059667.X
申请日：2022-08-30
Applicant: 西北工业大学
Abstract: 本发明公开了一种可用于室外建筑物三维重建的基于深度学习的可见光图像与激光雷达数据融合的方法，包括以下步骤：首先获取可见光图像和激光雷达数据并进行预处理；其次通过运动恢复结构(StructureFromMotion,SFM)框架COLMAP进行稀疏重建与相机位姿估计；其次构建基于显式表达与空间传播网络(SpatialPropogationNetwork,SPN)结合的深度图补全网络模型，将由可见光图像与激光雷达深度图以及激光雷达点云构成的数据集输入网络模型中进行训练，获得训练后的深度图补全网络模型，将待补全的稀疏激光雷达深度图、点云和可见光图像输入到训练后的模型中，估计出稠密的深度图；最后通过开源的多视角立体视觉(MultipleViewStereo,MVS)框架OpenMVS利用估计出的深度图进行稠密重建、网格重建与纹理贴图。本发明提出了基于显式表达与SPN结合的深度图补全(即融合可见光图像与激光雷达数据)方法，充分利用了二维图像信息与三维空间结构信息，增加了深度图估计的准确度，提升了三维重建的精度。
-
Patent Agency Ranking
公开(公告)号：CN115294385A
公开(公告)日：2022-11-04
申请号：CN202210792189.7
申请日：2022-07-07
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/774
Abstract: 本发明实施例公开了一种样本标注方法、装置、电子设备及计算机可读存储介质。该方法较现有的自动目标识别方法而言，具有评估开放环境中未知新样本预测可靠性的能力，能够及时发现预测错误样本与未知新样本，并通过高效的标注更新机制进行识别模型更新。通过本发明，解决了现有的自动目标识别方法对增量样本识别可靠性和更新效率低下的技术问题，达到了提升在开放环境中增量样本的识别可靠性和未知新样本更新效率的技术效果。
-
公开(公告)号：CN114639136A
公开(公告)日：2022-06-17
申请号：CN202210075626.3
申请日：2022-01-22
Applicant: 西北工业大学
Abstract: 针对目前微表情检测准确度低、检测能力较差的问题，本发明提出了一种基于浅层网络的长视频微表情检测方法，通过设计新的浅层卷积网络，以及联合浅层Transformer编码器，动态提取预处理后的长视频序列，利用非重合移动滑框对微表情进行检测，以此来完成精确高效的长视频中微表情检测。本发明通过结合浅层的卷积网络与Transformer编码器各自不同的特点，使微表情检测精度更高、速度更快、误差更低。
-
公开(公告)号：CN111898608B
公开(公告)日：2022-04-26
申请号：CN202010636379.0
申请日：2020-07-04
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于边界预测的自然场景多语言文字检测方法，首先构建了一个多语言文字检测网络模型，该模型包括特征提取主干网络、残差卷积模块(RCM)、残差池化模块(RPM)和特征融合层，对输入图像逐像素预测文字区域与其外接边界，并将其转化为置信图输出，通过广度优先搜索算法将边界相连的文字区域分离进而得到最终的检测结果。本方法能够检测任意方向、形状的多语言文字区域，降低了算法复杂度，节省计算时间，显著提升了检测精度。
-
公开(公告)号：CN109978807B
公开(公告)日：2020-07-14
申请号：CN201910256619.1
申请日：2019-04-01
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于生成式对抗网络的阴影去除方法，该方法针对单幅图像阴影去除，首先设计生成式对抗网络并利用阴影图像数据集进行训练，然后通过对抗学习的方式来训练判别器和生成器，最后生成器恢复出以假乱真的阴影去除图像。本发明方法仅由一个生成式对抗网络构成，在生成器中分别设计阴影检测子网络和阴影去除子网络，并且利用十字绣模块自适应融合不同任务之间的底层特征，将阴影检测作为辅助任务，从而提升阴影去除表现。
-
公开(公告)号：CN104091343B
公开(公告)日：2017-01-18
申请号：CN201410349228.1
申请日：2014-07-22
Applicant: 西北工业大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于稀疏结构的图像质量评价方法，用于解决现有图像质量评价方法评价效果差的技术问题。技术方案是对于输入的参考和退化图像，首先进行采样，得到参考图像采样矩阵和退化图像采样矩阵。然后使用参考图像采样矩阵学习出字典。求稀疏解就是使用学习出的字典，稀疏表示参考图像矩阵和退化图像矩阵，得到参考图像稀疏表示系数矩阵和退化图像稀疏表示系数矩阵。最后使用稀疏系数结构改变度评价图像质量。该方法采用稀疏结构来评价图像质量，能够更好地评价图像质量。且计算更加简单，由于不涉及具体稀疏表示系数的幅度值，所以鲁棒性更强。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.026 seconds)
