-
公开(公告)号：CN109919949B
公开(公告)日：2020-04-28
申请号：CN201910168656.7
申请日：2019-03-06
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于图像处理领域，具体涉及一种图像精细化阴影区域分割系统、方法、装置，旨在为了解决解决图像中阴影区域分割精细化程度不高的问题，本发明系统包括特征提取网络、反向融合网络、加权融合网络；特征提取网络包括顺次设置的多个采样层，通过各采样层依次获取多个输入图像阴影区域分割特征；反向融合网络包括分层设置的多个反向融合分支，所述反向融合分支包括顺次设置的多个特征融合层，通过各特征融合层依次对输入的两个特征进行融合；加权融合网络，配置为对多个反向融合分支的输出进行加权融合，获得最终的输入图像的阴影区域分割结果。本发明可以获得精细化程度较高的阴影区域分割结果。
-
公开(公告)号：CN107610140A
公开(公告)日：2018-01-19
申请号：CN201710666537.5
申请日：2017-08-07
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及模式识别、计算机视觉、深度学习领域，提出了一种基于深度融合修正网络的精细边缘检测方法、装置，旨在解决图像中边缘定位不够准确、检测的边缘不够精细的问题，该方法包括：步骤S1，通过卷积神经网络的前向传播部分网络，获取输入图像的多尺度特征；步骤S2，通过卷积神经网络的反向修正部分网络，采取逐渐增大特征分辨率的方法获取和输入图像具有相同分辨率的最终图像特征；步骤S3，将最终图像特征的特征通道降维为单通道，通过拟合函数生成边缘检测结果。本发明网络结构更简单，所获得的图像特征表达更多地保留细节特征，检测效果更好，边缘可视化结果更精细。
-
Patent Agency Ranking
公开(公告)号：CN109919949A
公开(公告)日：2019-06-21
申请号：CN201910168656.7
申请日：2019-03-06
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于图像处理领域，具体涉及一种图像精细化阴影区域分割系统、方法、装置，旨在为了解决解决图像中阴影区域分割精细化程度不高的问题，本发明系统包括特征提取网络、反向融合网络、加权融合网络；特征提取网络包括顺次设置的多个采样层，通过各采样层依次获取多个输入图像阴影区域分割特征；反向融合网络包括分层设置的多个反向融合分支，所述反向融合分支包括顺次设置的多个特征融合层，通过各特征融合层依次对输入的两个特征进行融合；加权融合网络，配置为对多个反向融合分支的输出进行加权融合，获得最终的输入图像的阴影区域分割结果。本发明可以获得精细化程度较高的阴影区域分割结果。
-
公开(公告)号：CN105225478A
公开(公告)日：2016-01-06
申请号：CN201510498445.1
申请日：2015-08-13
Applicant: 中国科学院自动化研究所
IPC: G08G1/01
Abstract: 本发明提供了一种智能车辆行为记录及评价方法，包括的步骤为，利用数据采集车辆上的行车记录仪采集智能车辆行驶视频，获取视频中车道线及智能车辆的位置坐标，计算该车辆的行驶路线状况信息；利用GPS模块采集行车记录仪行驶信息，提取智能车辆位置坐标，计算出智能车辆的实际行驶信息；在电子地图的任务位置设置触发器，通过行车记录仪对触发器进行触发，利用记录装置采集智能车辆的实时行驶信息，最后利用加权法计算出智能车辆的综合分数。本发明可以改变在无人车比赛中采用的主观、琐碎的评价方法，以一种客观、高效而且精确度更高的方法从采集到的视频中，自动分析出各项任务中参赛车辆状况，得出准确公正的比赛评分结果。
-
公开(公告)号：CN108805889A
公开(公告)日：2018-11-13
申请号：CN201810425630.1
申请日：2018-05-07
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及图像处理领域，具体涉及一种边缘引导的精细化显著性物体分割方法与系统、设备，旨在解决现有技术中分割结果比较粗糙的问题。本发明的显著性物体分割方法包括：通过分割掩码子网络前向传播获得输入图像不同尺度的分割掩码特征；通过边缘检测子网络前向传播获得输入图像不同尺度的边缘检测特征；通过反向融合分支网络融合分割掩码特征和边缘检测特征，得到显著性物体分割结果和边缘检测结果。此外，训练分割掩码子网络时利用焦点交叉熵损失函数监督训练过程，使得该子网络关注物体边缘区域等易错分类的样本。本发明的显著性物体分割结果更加精细化，保留了更精确的边缘区域细节信息。
-
公开(公告)号：CN108805889B
公开(公告)日：2021-01-08
申请号：CN201810425630.1
申请日：2018-05-07
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及图像处理领域，具体涉及一种边缘引导的精细化显著性物体分割方法与系统、设备，旨在解决现有技术中分割结果比较粗糙的问题。本发明的显著性物体分割方法包括：通过分割掩码子网络前向传播获得输入图像不同尺度的分割掩码特征；通过边缘检测子网络前向传播获得输入图像不同尺度的边缘检测特征；通过反向融合分支网络融合分割掩码特征和边缘检测特征，得到显著性物体分割结果和边缘检测结果。此外，训练分割掩码子网络时利用焦点交叉熵损失函数监督训练过程，使得该子网络关注物体边缘区域等易错分类的样本。本发明的显著性物体分割结果更加精细化，保留了更精确的边缘区域细节信息。
-
公开(公告)号：CN105225478B
公开(公告)日：2018-09-14
申请号：CN201510498445.1
申请日：2015-08-13
Applicant: 中国科学院自动化研究所
IPC: G08G1/01
Abstract: 本发明提供了一种智能车辆行为记录及评价方法，包括的步骤为，利用数据采集车辆上的行车记录仪采集智能车辆行驶视频，获取视频中车道线及智能车辆的位置坐标，计算该车辆的行驶路线状况信息；利用GPS模块采集行车记录仪行驶信息，提取智能车辆位置坐标，计算出智能车辆的实际行驶信息；在电子地图的任务位置设置触发器，通过行车记录仪对触发器进行触发，利用记录装置采集智能车辆的实时行驶信息，最后利用加权法计算出智能车辆的综合分数。本发明可以改变在无人车比赛中采用的主观、琐碎的评价方法，以一种客观、高效而且精确度更高的方法从采集到的视频中，自动分析出各项任务中参赛车辆状况，得出准确公正的比赛评分结果。
-
-
-
-
-
-
Search Results
7
records
(took 0.126 seconds)
