-
公开(公告)号：CN104794473A
公开(公告)日：2015-07-22
申请号：CN201510132146.6
申请日：2015-03-24
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种形状层级描述、平均形状和动态形状计算及形状匹配方法，所述形状层级描述方法包括设定第一子层形状描述的极角间隔,并提取描述图像中物体的边缘特征的初始边缘点集；根据所述初始边缘点集确定第一子层形状描述的参考点和极轴，再根据所述初始边缘点集中方向与任意所述极角间隔的整数倍方向最接近的两个原始边缘点确定边缘点，从而确定各所述边缘点组成的第一子层形状描述。本发明所述形状层级描述方法进行形状描述则能够较好的保留物体形状信息且对平移旋转和尺度变换不敏感。
-
公开(公告)号：CN111931703B
公开(公告)日：2021-01-05
申请号：CN202010961981.1
申请日：2020-09-14
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉、机器人视觉领域，具体涉及一种基于人‑物体交互弱监督标签的物体检测方法，旨在解决现有的弱监督物体检测方法模型收敛速度慢、检测精度较差的问题。本发明方法包括：获取待检测的图像，作为输入图像；通过训练好的弱监督物体检测模型得到所述输入图像对应的物体检测结果；其中，弱监督物体检测模型基于深度卷积神经网络构建。本发提高了弱监督物体检测的精度。
-
公开(公告)号：CN111931703A
公开(公告)日：2020-11-13
申请号：CN202010961981.1
申请日：2020-09-14
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉、机器人视觉领域，具体涉及一种基于人-物体交互弱监督标签的物体检测方法，旨在解决现有的弱监督物体检测方法模型收敛速度慢、检测精度较差的问题。本发明方法包括：获取待检测的图像，作为输入图像；通过训练好的弱监督物体检测模型得到所述输入图像对应的物体检测结果；其中，弱监督物体检测模型基于深度卷积神经网络构建。本发提高了弱监督物体检测的精度。
-
公开(公告)号：CN104794473B
公开(公告)日：2018-04-27
申请号：CN201510132146.6
申请日：2015-03-24
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种形状层级描述、平均形状和动态形状计算及形状匹配方法，所述形状层级描述方法包括设定第一子层形状描述的极角间隔,并提取描述图像中物体的边缘特征的初始边缘点集；根据所述初始边缘点集确定第一子层形状描述的参考点和极轴，再根据所述初始边缘点集中方向与任意所述极角间隔的整数倍方向最接近的两个原始边缘点确定边缘点，从而确定各所述边缘点组成的第一子层形状描述。本发明所述形状层级描述方法进行形状描述则能够较好的保留物体形状信息且对平移旋转和尺度变换不敏感。
-
-
-
Search Results
4
records
(took 0.021 seconds)
