-
公开(公告)号：CN108961220B
公开(公告)日：2022-07-12
申请号：CN201810619671.4
申请日：2018-06-14
Applicant: 上海大学
Abstract: 本发明公开了一种基于多层卷积特征融合的图像协同显著性检测方法。具体步骤为：(1)、对图像数据集进行处理，包括统一尺寸，以及按照顺序选择规则为每张图像选定协同图像组；(2)、构建协同显著性检测的深度学习网络，输入图像及其协同图像组经过多层卷积特征提取、协同特征提取、多尺度特征融合和多尺度显著性图融合，得到输入图像协同显著性图；(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；(4)、利用(3)中训练好的网络模型对测试数据集进行实验，一张输入图像与它的多组协同图像组可以得到多张协同显著性图，将它们相加平均后，得到这张的输入图像最终的协同显著性图。
-
公开(公告)号：CN108961220A
公开(公告)日：2018-12-07
申请号：CN201810619671.4
申请日：2018-06-14
Applicant: 上海大学
CPC classification number: G06T7/0002 , G06N3/0454 , G06T2207/10004 , G06T2207/20081 , G06T2207/20084
Abstract: 本发明公开了一种基于多层卷积特征融合的图像协同显著性检测方法。具体步骤为：(1)、对图像数据集进行处理，包括统一尺寸，以及按照顺序选择规则为每张图像选定协同图像组；(2)、构建协同显著性检测的深度学习网络，输入图像及其协同图像组经过多层卷积特征提取、协同特征提取、多尺度特征融合和多尺度显著性图融合，得到输入图像协同显著性图；(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；(4)、利用(3)中训练好的网络模型对测试数据集进行实验，一张输入图像与它的多组协同图像组可以得到多张协同显著性图，将它们相加平均后，得到这张的输入图像最终的协同显著性图。
-
公开(公告)号：CN102284743B
公开(公告)日：2013-01-09
申请号：CN201110114802.1
申请日：2011-05-05
Applicant: 上海大学
IPC: B23D43/04
Abstract: 本发明涉及一种可调式平面拉刀，它包括刀体和刀齿，刀齿的可拆卸式机构与刀体连接，从而可拆下刀齿重新磨刃或更换新刀齿。本刀具的刀齿与刀体可分离、刀齿的有效高度可以调节。当刀齿磨损后，可以卸下刀齿对其进行刃磨。在拉削加工过程中，可以根据生产需要手动调节刀齿的高度。该项发明有效地弥补了拉削过程中刀齿高度不可调，刀齿不可拆卸刃磨并且不可重复使用的缺陷。该发明适用于平板类零件的粗、半精、精加工，加工方式灵活，适用于大批量、中小批量、单件生产。能够提高加工效率，降低加工成本，具有重要的现实意义。
-
公开(公告)号：CN106407978B
公开(公告)日：2020-10-30
申请号：CN201610849174.4
申请日：2016-09-24
Applicant: 上海大学
IPC: G06K9/32
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。
-
公开(公告)号：CN102284743A
公开(公告)日：2011-12-21
申请号：CN201110114802.1
申请日：2011-05-05
Applicant: 上海大学
IPC: B23D43/04
Abstract: 本发明涉及一种可调式平面拉刀，它包括刀体和刀齿，刀齿的可拆卸式机构与刀体连接，从而可拆下刀齿重新磨刃或更换新刀齿。本刀具的刀齿与刀体可分离、刀齿的有效高度可以调节。当刀齿磨损后，可以卸下刀齿对其进行刃磨。在拉削加工过程中，可以根据生产需要手动调节刀齿的高度。该项发明有效地弥补了拉削过程中刀齿高度不可调，刀齿不可拆卸刃磨并且不可重复使用的缺陷。该发明适用于平板类零件的粗、半精、精加工，加工方式灵活，适用于大批量、中小批量、单件生产。能够提高加工效率，降低加工成本，具有重要的现实意义。
-
Patent Agency Ranking
公开(公告)号：CN107194948B
公开(公告)日：2021-08-10
申请号：CN201710250420.9
申请日：2017-04-17
Applicant: 上海大学
Abstract: 本发明公开了一种基于集成式预测与时空域传播的视频显著性检测方法。（1）、对于视频的当前帧，构建以当前帧为中心的局部时域窗口；（2）、利用光流算法计算所需的光流场（运动矢量场）；然后进行超像素分割；最后提取区域特征；（3）、利用当前帧的前两帧信息（包括对应的显著性图），获取集成式显著性预测模型，并对当前帧进行显著性预测；（4）、利用前两帧信息对当前帧进行前向时域传播；利用前两帧信息作用于当前帧的后两帧，获取对应的粗略时空显著性图，并基于此对当前帧进行后向时域传播；（5）、空域传播，得到对应于当前帧的时空显著性图。该方法于无约束视频的结果表明能够均匀点亮、凸显显著性运动物体，同时有效的抑制背景。
-
公开(公告)号：CN107194948A
公开(公告)日：2017-09-22
申请号：CN201710250420.9
申请日：2017-04-17
Applicant: 上海大学
CPC classification number: G06T7/215 , G06T7/251 , G06T2207/10016
Abstract: 本发明公开了一种基于集成式预测与时空域传播的视频显著性检测方法。（1）、对于视频的当前帧，构建以当前帧为中心的局部时域窗口；（2）、利用光流算法计算所需的光流场（运动矢量场）；然后进行超像素分割；最后提取区域特征；（3）、利用当前帧的前两帧信息（包括对应的显著性图），获取集成式显著性预测模型，并对当前帧进行显著性预测；（4）、利用前两帧信息对当前帧进行前向时域传播；利用前两帧信息作用于当前帧的后两帧，获取对应的粗略时空显著性图，并基于此对当前帧进行后向时域传播；（5）、空域传播，得到对应于当前帧的时空显著性图。该方法于无约束视频的结果表明能够均匀点亮、凸显显著性运动物体，同时有效的抑制背景。
-
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。
-
公开(公告)号：CN202770712U
公开(公告)日：2013-03-06
申请号：CN201220456387.8
申请日：2012-09-10
Applicant: 上海大学
Abstract: 本实用新型专利公开了一种复合材料及小型阻尼器性能测试两用试验机。它的机械结构主要包括底座，立柱，固定横梁，可动横梁，电动缸，拉杆和简谐运动装置。本实用新型既适用于新型复合材料性能测试，又适用于小型阻尼器或粘弹性材料性能测试，实现了一机多用的功能。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
