-
公开(公告)号：CN115115868A
公开(公告)日：2022-09-27
申请号：CN202210386333.7
申请日：2022-04-13
Applicant: 之江实验室 , 中国科学院信息工程研究所
IPC: G06V10/764 , G06N3/04 , G06N3/08 , G06V10/774
Abstract: 本发明公开了一种基于三元组的多模态协同场景识别方法，涉及深度学习下的计算机视觉与自然语言处理领域，针对单模态识别方法在复杂场景中体现出的局限性，提出为每个样本匹配一个由图像、文本型摘要和实例信息三种模态的标注数据构成的三元组，分别进行三个分支的神经网络学习训练，通过综合考量多种模态下的特征信息，在不引入额外数据收集成本的情况下提升场景识别的准确率。
-
公开(公告)号：CN115331254A
公开(公告)日：2022-11-11
申请号：CN202210203916.1
申请日：2022-03-03
Applicant: 之江实验室 , 中国科学院信息工程研究所
Abstract: 本发明公开了一种免锚框的实例人像语义解析方法。本发明利用训练集训练实例人像语义解析模型，所述实例人像语义解析模型包括特征提取模块、人物实例检测分支和人物实例细粒度感知分支；所述人物实例细粒度感知分支包括细节保持模块、人体部件上下文编码模块、人物实例解析模块和实例解析结果精炼模块；本发明采用了一个一阶段的基于中心点预测的免锚框检测器用于人物实例边界框位置预测和一个边缘引导的人物实例语义解析模块用于人像语义部件的识别，免锚框的人物检测器不仅继承了像素级设计的优势，且能够有效避免因产生候选边界框引起的超参数敏感性问题；边缘引导的人像语义解析模块能够有效区分不同的人物实例位置和相邻的人像语义类别。
-
公开(公告)号：CN115239757A
公开(公告)日：2022-10-25
申请号：CN202210215901.7
申请日：2022-03-07
Applicant: 之江实验室 , 中国科学院信息工程研究所
Abstract: 本发明公开了一种基于目标动态表观对齐的视觉跟踪方法。本方法利用目标表观对齐模块估计模板图像和待处理图像之间的形态对齐参数，将目标对齐分解为特征对齐雅可比参数估计、形态残差估计、反向迭代组合三个子模块，并分别设计了可训练的前向传播网络执行对应操作；目标模板匹配模块利用深度神经网络提取出模板图像和待处理图像中被跟踪物体的语义特征，然后利用目标表观对齐模块迭代预测得到的对齐参数对待处理图像特征做适当调整，使模板图像和待处理图像的目标形态尽可能保持一致；最后利用相关卷积操作计算模板图像特征和调整后的待处理图像特征的相似性，输出对目标位置敏感的相似性匹配热图，热图中响应最高的位置即目标状态位置。
-
公开(公告)号：CN115115868B
公开(公告)日：2024-05-07
申请号：CN202210386333.7
申请日：2022-04-13
Applicant: 之江实验室 , 中国科学院信息工程研究所
IPC: G06V10/764 , G06N3/0464 , G06N3/08 , G06V10/774
Abstract: 本发明公开了一种基于三元组的多模态协同场景识别方法，涉及深度学习下的计算机视觉与自然语言处理领域，针对单模态识别方法在复杂场景中体现出的局限性，提出为每个样本匹配一个由图像、文本型摘要和实例信息三种模态的标注数据构成的三元组，分别进行三个分支的神经网络学习训练，通过综合考量多种模态下的特征信息，在不引入额外数据收集成本的情况下提升场景识别的准确率。
-
公开(公告)号：CN115456884A
公开(公告)日：2022-12-09
申请号：CN202210578520.5
申请日：2022-05-25
Applicant: 之江实验室 , 中国科学院信息工程研究所
Abstract: 本发明公开了一种基于半监督学习的全面屏手机图像增强方法，其步骤包括：1)选取或构建一数据集，所述数据集中的每一图像数据对包括由覆盖透明玻璃和不覆盖透明玻璃的同一部智能手机对同一场景所拍摄的图像；2)构建一图像增强模型；3)采用有监督方式利用所述数据集训练所述图像增强模型：首先对低质量图像y进行增强得到增强图像Y’，然后与高质量图像Y进行损失函数计算，优化图像增强模型；4)采用无监督方式利用数据集训练图像增强模型：首先利用优化后的模型对图像y进行增强得到Y’，然后基于Y’计算损失优化模型；5)利用优化后的图像增强模型对全面屏手机拍摄图像的色调和饱和度通道进行迭代增强，得到对应的高质量的图像。
-
Patent Agency Ranking
公开(公告)号：CN116804556B
公开(公告)日：2024-07-19
申请号：CN202310526472.X
申请日：2023-05-11
Applicant: 之江实验室
Abstract: 本发明公开一种任意凸多边形机器人的概率最大化路径规划方法，该方法离线生成一个基本路径库，并离线计算凸多边形机器人与障碍物的碰撞关系，从而尽可能减少在线计算量。在线路径规划时最大化成功到达目标点的概率，使得机器人倾向于通过更开阔的区域，从而为导航过程中成功绕开障碍物提供更多选择。本发明在每一次规划时都最大化到达目标点的概率，而不是简单的搜索最短路径，因此路径规划速度快，规划结果优。
-
公开(公告)号：CN113487653B
公开(公告)日：2024-03-26
申请号：CN202110704517.9
申请日：2021-06-24
Applicant: 之江实验室
IPC: G06T7/246 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于轨迹预测的自适应图跟踪方法，该方法在估计轨迹的位移之后，在当前帧重新提取轨迹的特征，使得相同目标的特征尽可能保持一致。本发明融合了位置、外观和历史信息，在自适应图神经网络中更新特征，用以区分不同目标以及学习目标重要的部位。本发明提出了balanced MSE LOSS，用以平衡样本分布，让神经网络自动学习区分不同类型目标(如新出现的或消失的目标)。本发明可以应用于自动驾驶中输出多个目标的轨迹，还能够预测视频目标的行为，并且可以提高交通管理效率以及预防事故的发生。
-
公开(公告)号：CN115830633B
公开(公告)日：2023-07-25
申请号：CN202211484307.4
申请日：2022-11-24
Applicant: 之江实验室
IPC: G06V40/10 , G06V10/40 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 一种基于多任务学习残差神经网络的行人重识别方法，包括：从公开数据集中获取场景的图片与行人的信息，根据标注的人物位置信息，生成人物的裁剪图与对应人物的身份信息；构建多任务学习残差神经网络；构建“分类‑检索‑二元分类”联合损失函数；基于数据集训练好多任务学习残差神经网络和“分类‑检索‑二元分类”联合损失函数；基于待识别的人物裁剪图，经过训练好的多任务学习残差神经网络获得人物视觉特征向量；基于人物视觉特征向量，经过特征匹配算法，得到人物在人物库中对应的人物信息。本发明还包括一种基于多任务学习残差神经网络的行人重识别系统。本发明解决了由于非结构环境下，人物遮挡、衣服相似的行人重识别的问题。
-
-
公开(公告)号：CN116186912A
公开(公告)日：2023-05-30
申请号：CN202211544173.0
申请日：2022-11-28
Applicant: 之江实验室
Abstract: 本发明公开了误差有界的低扭曲非结构T样条曲面拟合方法及装置，该方法包括：获取待拟合网格并计算与待拟合网格同拓扑的多立方体参数域；根据多立方体参数域构造第一优化问题并求解，得到待拟合网格到待拟合参数域的低扭曲体参数化；根据低扭曲体参数化，计算待拟合网格到待拟合参数域的低扭曲边界参数化；利用最小化插值拟合和薄板能量作为光滑函数项，构造目标函数并最小化得到样条曲面的控制点，从而得到拟合曲面；若拟合曲面的最大拟合误差超出预定阈值，则采用自适应细分在参数域和表面中引入新的自由度，从而降低拟合误差；在满足拟合曲面的最大拟合误差未超出所述预定阈值和低扭曲的基础上，简化拟合曲面，得到低扭曲非结构T样条曲面。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.066 seconds)
