-
公开(公告)号：CN116503461A
公开(公告)日：2023-07-28
申请号：CN202310770403.3
申请日：2023-06-28
Applicant: 中国科学院空天信息创新研究院
IPC: G06T7/55 , G06T3/40 , G06V10/26 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种单目图像深度估计方法、装置、电子设备及存储介质，属于计算机视觉技术领域，所述方法包括：将第一分辨率的单目图像输入至深度估计联合模型，得到所述深度估计联合模型输出的预测深度图；所述深度估计联合模型是根据单目图像样本以及对应的目标标签集训练得到的，所述目标标签集包括第二分辨率图像标签、语义分割信息标签和数字地表模型信息标签；所述第一分辨率低于所述第二分辨率。本发明可以对输入的低分辨率的遥感单目图像进行高质量的深度估计，获取高分辨率的预测深度图，可以大幅优化单目高分辨率遥感深度估计性能。
-
公开(公告)号：CN116977633A
公开(公告)日：2023-10-31
申请号：CN202310842758.9
申请日：2023-07-10
Applicant: 中国科学院空天信息创新研究院
IPC: G06V10/26 , G06V10/774 , G06V10/764 , G06V10/82 , G06V10/776 , G06V20/13 , G06V20/17
Abstract: 本发明提供一种地物要素分割模型训练方法、地物要素分割方法及装置，属于计算机技术领域，所述模型训练方法包括：获取有标注遥感图像样本、有标注遥感图像样本的地物要素分类标注和无标注遥感图像样本；基于有标注遥感图像样本、地物要素分类标注和无标注遥感图像样本，对学生网络模型进行半监督训练，直至综合损失值小于损失阈值或达到预设训练轮数，学生网络模型用于对地物要素进行分割；确定已训练的学生网络模型作为目标地物要素分割模型。通过结合有监督的第一损失值、一致性正则化方式计算损失所获取的第二损失值和对比学习方式计算损失所获取的第三损失值，计算综合损失值，进而更新模型参数，能够减少数据标注数据量，提高分割精度。
-
公开(公告)号：CN117333757A
公开(公告)日：2024-01-02
申请号：CN202311528950.7
申请日：2023-11-16
Applicant: 中国科学院空天信息创新研究院
IPC: G06V10/82 , G06N3/042 , G06N3/045 , G06N3/096 , G06N3/0464 , G06V10/74 , G06V10/764
Abstract: 本发明提供一种图像处理方法、装置、设备及存储介质，可以应用于图像处理领域。该方法包括：利用目标学生模型对待处理图像执行特征提取操作；基于提取到的特征确定目标识别结果；目标学生模型基于知识蒸馏训练得到，训练方法包括：将预处理后的训练数据分别传入老师模型和学生模型执行特征提取操作；对学生特征执行聚合操作，得到聚合学生特征；基于老师神经网络对聚合学生特征执行局部矫正操作；计算矫正后的学生特征与老师特征之间的亲和度；基于亲和度计算学生模型的训练损失；在训练损失满足预设条件的情况下，输出目标学生模型。本发明提供的图像处理方法利用高精度目标学生模型进行图像处理，可以有效实现资源受限场景下图像的精确处理。
-
公开(公告)号：CN116991659A
公开(公告)日：2023-11-03
申请号：CN202310752938.8
申请日：2023-06-25
Applicant: 中国科学院空天信息创新研究院
Abstract: 本发明提供的面向虚拟训练系统的数据收集系统及方法，属于数据处理技术领域，系统包括：通信连接的收集模块和预处理模块；收集模块，用于对每个运行终端的虚拟训练过程进行页面遍历和行为跟踪，获取每个运行终端的信息数据和数据截图；预处理模块，用于根据每个运行终端的信息数据和数据截图，获取每个运行终端的预处理数据。本发明提供的面向虚拟训练系统的数据收集系统及方法，通过自动化的非侵入式的数据收集，并整理成便于调用的预处理数据采集接口，能够有效解决训练应用中的数据孤岛的问题，既适用于虚拟训练应用，也适用于web端，能够支持多种类型的数据采集、广泛应用于多种应用场景。
-
公开(公告)号：CN112800265A
公开(公告)日：2021-05-14
申请号：CN202110138925.2
申请日：2021-02-01
Applicant: 中国科学院空天信息创新研究院
IPC: G06F16/58 , G06F16/583 , G06N3/04 , G06N3/08
Abstract: 本公开提供了一种基于无监督或弱监督方式的图像分割数据标注方法，包括：S1，获取待标注的图像数据并输入该标注系统；S2，根据待标注的图像数据选择分割任务的数据标注方式，其中，数据标注方式包括无监督标注方式或弱监督标注方式；S3，根据S2中选择的数据标注方式将待标注的图像数据输入至已训练的无监督或弱监督分割标注网络进行标注，生成待标注图像数据的数据标签；S4，输出并存储数据标签。本公开还提供了一种基于无监督或弱监督方式的图像分割数据标注系统。
-
Patent Agency Ranking
公开(公告)号：CN118397062B
公开(公告)日：2025-02-07
申请号：CN202410416762.3
申请日：2024-04-08
Applicant: 中国科学院空天信息创新研究院
IPC: G06F16/50
Abstract: 本发明提供一种融合平面结构信息的单目深度估计方法及装置，涉及计算机视觉技术领域，其中方法包括：构建深度估计模型，并根据基于对比学习的多任务损失函数和带有相对深度值标签和平面实例标签的样本场景图像集对所述深度估计模型进行训练；所述深度估计模型由特征提取模块、平面结构实例分割模块和单目深度估计模块组成；将目标图像输入训练好的深度估计模型，获取所述目标图像对应的相对深度图。该方法可以通过场景图像中平面结构信息对单目深度估计任务的辅助监督，从而提升单目深度估计的鲁棒性与准确性。
-
公开(公告)号：CN118397062A
公开(公告)日：2024-07-26
申请号：CN202410416762.3
申请日：2024-04-08
Applicant: 中国科学院空天信息创新研究院
IPC: G06T7/50 , G06T7/11 , G06T3/4038 , G06T3/4046 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/52 , G06N3/0455 , G06N3/0499 , G06N3/0464
Abstract: 本发明提供一种融合平面结构信息的单目深度估计方法及装置，涉及计算机视觉技术领域，其中方法包括：构建深度估计模型，并根据基于对比学习的多任务损失函数和带有相对深度值标签和平面实例标签的样本场景图像集对所述深度估计模型进行训练；所述深度估计模型由特征提取模块、平面结构实例分割模块和单目深度估计模块组成；将目标图像输入训练好的深度估计模型，获取所述目标图像对应的相对深度图。该方法可以通过场景图像中平面结构信息对单目深度估计任务的辅助监督，从而提升单目深度估计的鲁棒性与准确性。
-
公开(公告)号：CN116740135B
公开(公告)日：2024-07-09
申请号：CN202310567534.1
申请日：2023-05-18
Applicant: 中国科学院空天信息创新研究院
IPC: G06T7/246 , G06V10/50 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种红外弱小目标跟踪方法、装置、电子设备及存储介质，所述方法包括：将包含目标的红外图像输入至特征提取网络，得到特征提取网络输出的HOG特征和多种卷积特征；将HOG特征和多种卷积特征进行融合，基于得到的融合特征对目标进行跟踪；特征提取网络包括浅层特征提取网络和深层特征提取网络；浅层特征提取网络用于获取红外图像的人工标注特征，并基于人工标注特征提取HOG特征；深层特征提取网络是基于注意力网络和卷积神经网络构建的，用于基于人工标注特征，确定红外图像的多种卷积特征。本发明可以实现对红外弱小目标的快速跟踪，简单高效，极大地提升了对红外弱小目标跟踪的精度和效率。
-
公开(公告)号：CN116563538B
公开(公告)日：2023-09-22
申请号：CN202310474603.4
申请日：2023-04-27
Applicant: 中国科学院空天信息创新研究院
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种图像分割方法及系统，涉及图像处理技术领域，方法包括：获取待分割图像；将待分割图像输入到目标分割网络，获取分割结果；其中，所述目标分割网络是基于样本数据集训练得到的，所述目标分割网络包括编码器模块、超像素池化模块、注意力机制模块以及解码器模块。所述系统执行所述方法。本发明基于超像素分割模块，对待分割图像进行下采样，得到多个尺度的第一图像，并基于多个尺度的第一图像对编码器模块提取到的待分割图像的第一特征图进行池化，结合注意力机制和特征融合操作得到最终的待分割图像的分割结果，提高了对待分割图像进行分割的准确度。
-
公开(公告)号：CN116740135A
公开(公告)日：2023-09-12
申请号：CN202310567534.1
申请日：2023-05-18
Applicant: 中国科学院空天信息创新研究院
IPC: G06T7/246 , G06V10/50 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种红外弱小目标跟踪方法、装置、电子设备及存储介质，所述方法包括：将包含目标的红外图像输入至特征提取网络，得到特征提取网络输出的HOG特征和多种卷积特征；将HOG特征和多种卷积特征进行融合，基于得到的融合特征对目标进行跟踪；特征提取网络包括浅层特征提取网络和深层特征提取网络；浅层特征提取网络用于获取红外图像的人工标注特征，并基于人工标注特征提取HOG特征；深层特征提取网络是基于注意力网络和卷积神经网络构建的，用于基于人工标注特征，确定红外图像的多种卷积特征。本发明可以实现对红外弱小目标的快速跟踪，简单高效，极大地提升了对红外弱小目标跟踪的精度和效率。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.029 seconds)
