-
公开(公告)号：CN111260662A
公开(公告)日：2020-06-09
申请号：CN202010045961.X
申请日：2020-01-16
Applicant: 南开大学
Abstract: 超小参数量的分割模型的实现方法，属于计算机视觉技术领域。本发明利用可同时处理多种尺寸特征图的卷积构建超轻量级的神经网络主干结构，能够在提取多尺度特征信息的同时减少计算量；提出一种特征融合模块将来源于主干网络结构中不同阶段的特征进行融合，以较小的计算成本充分提取不同尺度的特征信息，从而输出具有高分辨率的高质量图像分割结果。为进一步压缩网络参数量，本发明提出一种动态权重衰减辅助的神经网络训练策略，在训练过程中依照当前输入图像产生的特征对不同参数进行不同程度的稀疏化约束；通过剔除训练完成模型中数值为零的参数，可以在保持性能不变的情况下压缩轻量级模型的参数量，从而获取一个具有极低参数量的分割模型。
-
公开(公告)号：CN111260034A
公开(公告)日：2020-06-09
申请号：CN202010046252.3
申请日：2020-01-16
Applicant: 南开大学
Abstract: 基于神经网络相邻结构依存关系的网络剪枝方法，属于神经网络模型压缩领域，该方法包含如下步骤：a)网络的通道重要性由卷积层和相邻的批量归一化(BN)层的参数共同决定；b)在某一层内部比较通道重要性，以确定待剪枝的通道；c)动态调整稀疏性正则系数，以达到预先指定的稀疏程度。使用该方法进行网络剪枝，可以得到更高的剪枝后性能，更优的剪枝后网络结构和更好的稳定性。
-
公开(公告)号：CN111259797A
公开(公告)日：2020-06-09
申请号：CN202010046338.6
申请日：2020-01-16
Applicant: 南开大学
Abstract: 一种基于点的迭代式遥感图像道路提取方法。从遥感图像中自动提取道路中心线图较实地采集效率更高，成本更低。为了提高道路连通性，同时保持道路图和真实道路中心线之间的精确对齐，本发明提出了一种基于点的，使用分割线索指导、可变步长和轨迹探索的，迭代式道路图探索方法。其中，分割线索体现为中心线分割和交点分割在神经网络中作为监督信息，可变步长体现为在道路交点、道路终点以及连接点处使用可调整的步长训练神经网络，轨迹探索方法体现为利用一次遥感图像输入得到从图像中心点出发的按照时间顺序的下一步落点集合。
-
公开(公告)号：CN111242870A
公开(公告)日：2020-06-05
申请号：CN202010064079.X
申请日：2020-01-20
Applicant: 南开大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于深度学习知识蒸馏技术的低光图像增强方法，属于图像处理技术领域。该方法基于新型的深度学习知识蒸馏技术，将图像去噪老师网络的去噪能力蒸馏到图像增强学生网络里，从而使得学生网络在增强图像的过程中抑制并去除图片中的噪声。设定学生网络与老师网络：其中学生网络的任务是进行低光图像增强，老师网络的任务是去掉图像噪声。利用老师网络向学生网络进行图像去噪能力的蒸馏迁移，使学生网络在进行低光图像增强任务的同时，具备老师网络的图像去噪能力。本发明克服了传统低光图像增强方法中噪声随着图像增强而相应增强带来的质量损失和视觉影响，极大地提高了低光图像增强的效果。
-
公开(公告)号：CN110111340A
公开(公告)日：2019-08-09
申请号：CN201910347532.5
申请日：2019-04-28
Applicant: 南开大学
Abstract: 一种基于多路割的弱监督实例分割方法。该方法仅使用图像级别的标注数据来训练用于实例分割的卷积神经网络。具体来说，给定一个只带有图像级别标注的训练集，用拟物性采样算法对每张图像计算出若干个类别无关的物体推荐区域；然后以图像和对应的物体推荐区域作为输入，以标注的图像类别作为学习目标，通过多实例学习框架计算出每个物体推荐区域的类别概率分布和语义特征。将整个数据集中的物体推荐区域作为结点建立一个大规模的图模型，将所述图模型看作一个多路割问题，分割结果对每个物体推荐区域赋予一个类别标记作为结果；或作为训练集来训练任何的用于实例分割的卷积神经网络。实验表明，该方法明显优于已有的弱监督实例分割方法。
-
Patent Agency Ranking
公开(公告)号：CN110020681A
公开(公告)日：2019-07-16
申请号：CN201910235177.2
申请日：2019-03-27
Applicant: 南开大学
Abstract: 基于空间注意力机制的点云特征提取方法，该方法包含如下步骤：a.点云预处理：利用最远点采样算法进行降采样；b.点云数据集扩充：通过添加扰动，随机旋转的方法扩增点云训练数据集数量，推理阶段不需要点云的数据增强；c.点云特征获取：利用双流网络思想，一个神经网络分支提取点云空间特征，另一个神经网络分支提取点云总体信息的语义特征；d.逐层融合两个点云特征提取网络的的语义信息，获得每个点云的特征向量。e.得到点云特征后，我们利用局部空间注意力模块对每个点进行进一步的特征提取，最后通过全连接网络得到最后的分类或分割结果。本方法能够通过利用双流网络和局部空间注意力机制，在点云分类与分割任务中得到更加精确的结果。
-
公开(公告)号：CN107871321A
公开(公告)日：2018-04-03
申请号：CN201610850223.6
申请日：2016-09-23
IPC: G06T7/11
Abstract: 本发明提供一种图像分割方法及装置，该方法包括：A、获取待分割图像对应的第一分割图像；B、确定当前第一分割图像所需要提取的特征；C、对当前第一分割图像中的每两个相邻区域进行所需要提取的特征的特征值计算，并按照预设算法获取当前第一分割图像中的每两个相邻区域的特征向量；D、根据当前第一分割图像中的每两个相邻区域的特征向量以及预设的特征权值，构造无向图；E、遍历所述无向图中的边，合并无向图，根据所述合并后的无向图得到区域合并后的新的第一分割图像；F、循环执行B-E共N次，其中，N为大于等于2的预设值。该方法能够极大提升图像分割的精度以及速度。
-
公开(公告)号：CN117611622A
公开(公告)日：2024-02-27
申请号：CN202311449773.3
申请日：2023-11-02
Applicant: 南开大学
Abstract: 本发明提出了基于自适应分区和背景检索的伪装物体分割方法及系统，包括：待分割的完整的图像进行初始分割获得初始的分割结果；基于内容的自适应分区将初始的分割结果分为置信背景区和候选前景区；在候选前景区中利用与初始分割相同的过程进行再次分割预测，再次分割为对前景进行更加细粒度的分割；基于背景检索机制再利用置信背景区的特征来剔除错判为前景的背景点，优化再次分割的结果。
-
公开(公告)号：CN117292122A
公开(公告)日：2023-12-26
申请号：CN202311068540.9
申请日：2023-08-23
Applicant: 南开大学
IPC: G06V10/26 , G06V10/82 , G06N3/0455 , G06V10/80
Abstract: 本发明涉及图像处理技术领域，提供了一种RGB‑D显著性物体检测、语义分割方法及系统。RGB‑D分割模型模块包括编码器和解码器；编码器包括多个RGB‑D块；在每个RGB‑D块中，基于RGB特征图和深度特征图，采用跨模态注意力机制，得到跨模态注意力特征图，对深度特征图进行深度可分离卷积后，与RGB特征图进行逻辑运算，得到局部增强特征图；将跨模态注意力特征图、局部增强特征图和RGB特征图的捷径特征图，进行线性处理，得到RGB输出结果和深度输出结果；并将RGB输出结果和深度输出结果作为下一个RGB‑D块的输入。
-
公开(公告)号：CN116912399A
公开(公告)日：2023-10-20
申请号：CN202310407755.2
申请日：2023-04-17
Applicant: 南开大学
Abstract: 本发明涉及计算机视觉技术领域，提供一种基于隐式神经表征的高反射物体表面重建方法及框架，该方法包括：采集待重建物体的RGB图像并分解为目标物体部分和含高反射信息的辅助平面部分；通过神经网络学习物体路径和平面路径的隐式表征；将相机采集RGB图像时的位姿对应的三维空间采样点和视角方向向量送入所述物体路径获取目标物体显现，将关于辅助平面反射投影得到的重构三维采样点和视角方向向量送入平面路径获取分离高反射信息后的辅助平面显现；线性融合目标物体显现和辅助平面显现获取渲染图像，基于RGB图像对其进行监督，该方法可以对带有高强度反射干扰的目标物体进行三维重建，提升了物体重建的精确度。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.026 seconds)
