-
公开(公告)号：CN106980858B
公开(公告)日：2020-08-18
申请号：CN201710112377.X
申请日：2017-02-28
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提供一种语言文本检测与定位系统及应用该系统的语言文本检测与定位方法，该系统包括：一特征提取网络，用于从待检测图像中提取底层的CNN特征，得到若干不同的特征图；至少三个区域建议网络，用于分别对上述不同的特征图进行二分类以及边界框回归，然后根据包含文本的特征图产生文本候选区域；一过渡区域，用于连接多个上述文本候选区域，并根据上述包含文本的特征图及文本候选区域产生区域卷积特征图；一文本检测网络，用于根据上述区域卷积特征图产生文本区域边界框偏置信息，并对上述偏置信息进行非极大值抑制以及非合理区域过滤操作，产生图像坐标空间的预测文本区域边界框坐标信息。
-
公开(公告)号：CN105825216A
公开(公告)日：2016-08-03
申请号：CN201610153384.X
申请日：2016-03-17
Applicant: 中国科学院信息工程研究所
IPC: G06K9/32
CPC classification number: G06K9/325 , G06K2209/01
Abstract: 本发明公开了一种复杂背景图像中的文本定位方法。本方法为：1)在待处理的彩色图像的R、G和B三个通道上分别使用MSERs算法进行处理，得到对应三个通道上的MSERs区域；然后将得到的结果标记在该彩色图像上，得到每个MSERs区域在彩色图像上的坐标；2)进行初步去噪，去掉判断为重复的MSERs区域和非文本的MSERs区域，得到候选MSERs区域；3)从得到的候选MSERs区域中提取设定特征，然后利用一基于该设定特征训练的分类器对候选MSERs区域分类，得到包含文本的MSERs区域，即文本块；4)将得到的文本块连接成文本条；5)对得到的文本条进行去重处理。本发明大大提高了文本定位效率。
-
公开(公告)号：CN104008146A
公开(公告)日：2014-08-27
申请号：CN201410196803.9
申请日：2014-05-09
Applicant: 中国科学院信息工程研究所
IPC: G06F17/30
CPC classification number: G06F17/30247
Abstract: 本发明涉及一种基于共同视觉模式的图像查询扩展方法及系统，包括视觉关键词级查询扩展和图像级查询扩展，视觉关键词级查询扩展是在离线时构建一个训练图像库，挖掘训练图像库中各图像间的CVP，根据CVP计算每一个视觉关键词的上下文同义词并保存，在线查询时，将待查询的视觉关键词扩展到其上下文同义词，并在原始图像库中查询；图像级查询扩展是在视觉关键词级查询扩展的基础上进行的，通过视觉关键词级查询得到初始结果，计算查询图像与初始结果中相似的n幅图像间的CVP，以CVP为线索，找到训练图像库中的相似图像，根据查询图像和相似图像在原始图像库中进行查询；本发明提供多种查询方式，在提高检索精度的同时保证了检索速度。
-
公开(公告)号：CN106980858A
公开(公告)日：2017-07-25
申请号：CN201710112377.X
申请日：2017-02-28
Applicant: 中国科学院信息工程研究所
CPC classification number: G06K9/344 , G06K9/629 , G06K2209/01 , G06N3/02
Abstract: 本发明提供一种语言文本检测与定位系统及应用该系统的语言文本检测与定位方法，该系统包括：一特征提取网络，用于从待检测图像中提取底层的CNN特征，得到若干不同的特征图；至少三个区域建议网络，用于分别对上述不同的特征图进行二分类以及边界框回归，然后根据包含文本的特征图产生文本候选区域；一过渡区域，用于连接多个上述文本候选区域，并根据上述包含文本的特征图及文本候选区域产生区域卷积特征图；一文本检测网络，用于根据上述区域卷积特征图产生文本区域边界框偏置信息，并对上述偏置信息进行非极大值抑制以及非合理区域过滤操作，产生图像坐标空间的预测文本区域边界框坐标信息。
-
Patent Agency Ranking
公开(公告)号：CN103631928A
公开(公告)日：2014-03-12
申请号：CN201310652980.9
申请日：2013-12-05
Applicant: 中国科学院信息工程研究所
IPC: G06F17/30
CPC classification number: G06F17/3033 , G06F17/30598
Abstract: 本发明涉及一种基于局部敏感哈希的聚类索引方法及系统，所述方法包括：步骤1，对数据集进行聚类分析，将数据集分成若干个类，并确定和保存每个类的聚类中心；步骤2，在每个类中采用局部敏感哈希方法建立哈希表；步骤3，计算各聚类中心与查询点之间的欧式距离，选择距离最小的多个类作为候选类；步骤4，计算查询点在每个候选类中的哈希值，根据步骤2建立的哈希表，选出候选类中与查询点哈希值相同的数据点作为候选点；步骤5，计算候选点与查询点之间的欧式距离，将欧式距离最小的候选点作为查询点的最近邻点。本发明可以在牺牲较小准确率的情况下换取查询效率的较大提高和查询性能的相对稳定。
-
公开(公告)号：CN104008146B
公开(公告)日：2017-02-15
申请号：CN201410196803.9
申请日：2014-05-09
Applicant: 中国科学院信息工程研究所
IPC: G06F17/30
Abstract: 本发明涉及一种基于共同视觉模式的图像查询扩展方法及系统，包括视觉关键词级查询扩展和图像级查询扩展，视觉关键词级查询扩展是在离线时构建一个训练图像库，挖掘训练图像库中各图像间的CVP，根据CVP计算每一个视觉关键词的上下文同义词并保存，在线查询时，将待查询的视觉关键词扩展到其上下文同义词，并在原始图像库中查询；图像级查询扩展是在视觉关键词级查询扩展的基础上进行的，通过视觉关键词级查询得到初始结果，计算查询图像与初始结果中相似的n幅图像间的CVP，以CVP为线索，找到训练图像库中的相似图像，根据查询图像和相似图像在原始图像库中进行查询；本发明提供多种查询方式，在提高检索精度的同时保证了检索速度。
-
公开(公告)号：CN103617217B
公开(公告)日：2017-04-26
申请号：CN201310589470.1
申请日：2013-11-20
Applicant: 中国科学院信息工程研究所
IPC: G06F17/30
Abstract: 本发明涉及一种基于层次索引的图像检索方法，包括步骤：步骤1：对库图像提取二进制特征，并存入特征库；步骤2：对特征库中的每个二进制特征随机提取24位作为新特征组成新数据集；步骤3：对新数据集建立聚类索引，使搜索空间分为多层；步骤4：接收查询图像，提取查询图像的查询特征，对查询特征随机提取24位构成新查询特征，并将新查询特征与新数据集中的二进制特征进行匹配，完成初步过滤并得到候选集合；步骤5：将候选集合中的所有特征与原查询特征进行相似度计算，得到多个相似特征构成相似数据集，完成图像检索。本发明与基于sift特征的索引结构相比，该索引结构使得检索效率明显提升，空间资源消耗降低。
-
公开(公告)号：CN103631928B
公开(公告)日：2017-02-01
申请号：CN201310652980.9
申请日：2013-12-05
Applicant: 中国科学院信息工程研究所
IPC: G06F17/30
Abstract: 本发明涉及一种基于局部敏感哈希的聚类索引方法及系统，所述方法包括：步骤1，对数据集进行聚类分析，将数据集分成若干个类，并确定和保存每个类的聚类中心；步骤2，在每个类中采用局部敏感哈希方法建立哈希表；步骤3，计算各聚类中心与查询点之间的欧式距离，选择距离最小的多个类作为候选类；步骤4，计算查询点在每个候选类中的哈希值，根据步骤2建立的哈希表，选出候选类中与查询点哈希值相同的数据点作为候选点；步骤5，计算候选点与查询点之间的欧式距离，将欧式距离最小的候选点作为查询点的最近邻点。本发明可以在牺牲较小准确率的情况下换取查询效率的较大提高和查询性能的相对稳定。
-
公开(公告)号：CN103617217A
公开(公告)日：2014-03-05
申请号：CN201310589470.1
申请日：2013-11-20
Applicant: 中国科学院信息工程研究所
IPC: G06F17/30
CPC classification number: G06F17/30256
Abstract: 本发明涉及一种基于层次索引的图像检索方法，包括步骤：步骤1：对库图像提取二进制特征，并存入特征库；步骤2：对特征库中的每个二进制特征随机提取24位作为新特征组成新数据集；步骤3：对新数据集建立聚类索引，使搜索空间分为多层；步骤4：接收查询图像，提取查询图像的查询特征，对查询特征随机提取24位构成新查询特征，并将新查询特征与新数据集中的二进制特征进行匹配，完成初步过滤并得到候选集合；步骤5：将候选集合中的所有特征与原查询特征进行相似度计算，得到多个相似特征构成相似数据集，完成图像检索。本发明与基于sift特征的索引结构相比，该索引结构使得检索效率明显提升，空间资源消耗降低。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.03 seconds)
