-
公开(公告)号：CN112767269B
公开(公告)日：2022-11-01
申请号：CN202110061876.7
申请日：2021-01-18
Applicant: 北京航空航天大学
Abstract: 本公开的实施例公开了全景图像去雾方法和装置。该方法的一具体实施方式包括：给定光强度小于预设阈值的全景图像，经过条带敏感卷积方法，对全景图像进行卷积处理以生成第一特征图序列集；将第一特征图序列集中序号相同的特征图相加以生成第二特征图序列，得到第一特征图序列集中每个特征图序列对应的第三特征向量；基于第三特征向量集合，对第一特征图序列集进行加权并求和处理以生成第三特征图序列；将第三特征图序列输入到深度估计模块，得到深度图；将全景图像、深度图与第一特征图序列集输入到除雾模块，得到除雾后的全景图像。该实施方式有效地提高了除雾结果的准确性，对全景图像进行除雾且生成准确度较高的结果。
-
公开(公告)号：CN111967467B
公开(公告)日：2022-10-04
申请号：CN202010723955.5
申请日：2020-07-24
Applicant: 北京航空航天大学
Abstract: 本公开的实施例公开了图像目标检测方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：对目标图像进行区域分割，得到至少一个图像区域；对至少一个图像区域中每个图像区域进行特征提取，得到至少一个特征图；根据至少一个特征图和至少一个图像区域，生成语义关系图和空间分布关系图；根据语义关系图和空间分布关系图，生成图像区域关系图；根据图像区域关系图，从至少一个图像区域中确定目标图像区域；将目标图像区域进行显示。该实施方式实现了用户体验的提升和网络流量的增长。
-
公开(公告)号：CN111768457B
公开(公告)日：2022-10-04
申请号：CN202010406318.5
申请日：2020-05-14
Applicant: 北京航空航天大学
IPC: G06T9/00
Abstract: 本申请提供了一种图像数据压缩方法、装置、电子设备和存储介质，通过先根据预设特征提取模型确定原始图像数据的第一预测特征向量，然后利用所确定的第一预测特征向量从原始图像数据中确定有效样本数据，再利用损失函数对符合条件的有效样本数据进行压缩处理，以生成图像压缩数据。从而实现基于特征提取模型的预测结果对原始的大型数据集进行筛选，提取其中具有代表性的数据样本，筛除冗余数据，减小数据集规模，达到了高准确率前提下大大提升模型训练速度的技术效果。
-
公开(公告)号：CN111966851B
公开(公告)日：2022-05-31
申请号：CN202010720455.6
申请日：2020-07-24
Applicant: 北京航空航天大学
IPC: G06F16/538 , G06F16/55 , G06F16/583
Abstract: 本公开的实施例公开了基于少量样本的图像识别方法和系统。该方法的一具体实施方式包括：获取图像集合；对图像集合进行特征提取，得到图像特征集合；根据至少一个基础类别特征，确定每一类支撑样本特征和查询样本特征的相似度；根据相似度对图像集合进行分类，得到分类结果；控制具有显示功能的终端设备将分类结果进行显示。实现了更加精准的图像分类，使显示的分类结果更加吸引用户，增加网络流量。
-
公开(公告)号：CN113688946A
公开(公告)日：2021-11-23
申请号：CN202111171161.3
申请日：2021-10-08
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于空间关联的多标签图像识别方法，用于同时识别图像中的多个类别标签。具体内容包括：给定自然图像，输入到卷积神经网络编码器，得到图像的第一特征图。将第一特征图经过跨尺度特征增强进一步增强空间信息，再输入空间关联模块，生成表示空间关联的第二特征图。将第一特征图经过降维得到维度为类别数量的热度图，对热度图通过全局池化与损失函数进行约束以保证热度图与每个类别的响应。将热度图转置后与第一特征图点乘后得到图神经网络的节点，再通过邻接矩阵构造模块得到邻接矩阵。将节点与邻接矩阵输入标签关联模块，生成表示标签关联的第三特征图。
-
Patent Agency Ranking
公开(公告)号：CN108664981B
公开(公告)日：2021-10-26
申请号：CN201710204188.5
申请日：2017-03-30
Applicant: 北京航空航天大学
IPC: G06K9/46
Abstract: 本发明实施例提供一种显著图像提取方法及装置，该方法包括：通过预测模型对原始图像进行第一卷积处理、第一池化处理和归一化处理，得到原始图像的视点信息，视点信息用于指示显著对象在原始图像中的区域；通过预测模型对原始图像进行第二卷积处理和第二池化处理，得到原始图像的语义描述信息，语义描述信息用于描述原始图像中的内容；通过预测模型对视点信息和语义描述信息进行检测处理，得到原始图像的显著图像。用于提高提取显著图像的效率。
-
公开(公告)号：CN113496468A
公开(公告)日：2021-10-12
申请号：CN202010201231.4
申请日：2020-03-20
Applicant: 北京航空航天大学
Abstract: 本发明提供一种深度图像的修复方法、装置和存储介质，所述方法包括：提取待修复图像的二值掩模图像；并对所述待修复图像进行空间变换处理，得到处理后的待修复图像；根据所述二值掩模图像和卷积稀疏编码字典，对所述处理后的待修复图像进行变换空间数据修复，得到空间变换修复结果，其中，所述卷积稀疏编码字典为对多个具有完整深度信息的样本图像进行卷积稀疏编码学习得到的；进而根据所述空间变换修复结果，对所述待修复图像进行深度信息的修复。本发明提供的深度图像的修复方法、装置和存储介质，可以更准确的表达出待修复图像的深度信息分布变化，以使对深度图像的修复效果的更佳。
-
公开(公告)号：CN113128553A
公开(公告)日：2021-07-16
申请号：CN202110250532.0
申请日：2021-03-08
Applicant: 北京航空航天大学
Abstract: 本申请提供了一种基于目标架构的目标检测方法、装置、设备及存储介质，在该方法中，先获取预设图像，并将该预设图像输入到预设网络模型中，输出各个目标的预测架构信息，再基于各个目标的预测架构信息和预设图像中各个目标的标注架构信息，对预设网络模型进行参数更新，得到各个目标对应的目标检测模型，最后将待检测图像输入到各个目标对应的目标检测模型中，得到待检测图像的目标检测结果。该方案中，通过处理预测架构信息和标注架构信息，解决了现有技术中没有充分考虑预测的边界框与人工标注的边界框之间的位置、尺度等关系对损失函数的构造带来的影响，进而目标检测性能不高的问题。
-
公开(公告)号：CN110189247B
公开(公告)日：2021-01-19
申请号：CN201910409543.1
申请日：2019-05-16
Applicant: 北京航空航天大学
Abstract: 本发明提供一种图像生成的方法、装置及系统，该方法，包括：获取第一双鱼眼图像对应的初始全景图像；从所述初始全景图像中提取出第一特征图像；从第二双鱼图像中提取视觉特征信息；其中，所述第二双鱼图像的分辨率高于所述第一双鱼图像的分辨率；将所述第一特征图像与所述视觉特征信息进行融合处理，得到融合全景图像。可以实现无需高要求的硬件设备、无需进行初始化等繁琐操作，获得较高精准度的高分辨率融合全景图像，还可以提高获得高分辨率融合全景图像的速度。
-
公开(公告)号：CN112040311A
公开(公告)日：2020-12-04
申请号：CN202010720883.9
申请日：2020-07-24
Applicant: 北京航空航天大学
IPC: H04N21/44 , H04N21/4402 , H04N21/845 , H04N19/149 , H04N19/172
Abstract: 本发明实施例提供一种视频图像补帧方法、装置、设备及可存储介质，具体实现方案为：该方法包括：提取目标视频中前后相邻两帧图像，并分别输入至训练至收敛的粗粒度光流生成模型中，以输出所述前后相邻两帧图像对应的粗粒度光流数据；将预先配置的补帧时间数据与所述粗粒度光流数据输入至训练至收敛的中间帧光流生成模型中，以输出中间帧光流数据；根据所述前后相邻两帧图像和所述中间帧光流数据生成目标中间帧图像。通过训练至收敛的中间帧光流生成模型融合时间信息和运动信息，使生成的中间帧光流数据与粗粒度光流数据的关联性更强，从而提高了目标中间帧图像与前后帧的关联性，进而提高了整体视频图像的连贯性。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.059 seconds)
