-
公开(公告)号：CN110443833B
公开(公告)日：2023-09-26
申请号：CN201810418076.4
申请日：2018-05-04
Applicant: 佳能株式会社
Abstract: 本公开涉及对象跟踪方法和设备。提供了一种用于图像序列的对象跟踪装置，其中对于所述图像序列已经获得多个轨迹，并且所述多个轨迹中的每一个是通过检测包括在所述图像序列中的若干图像中的对象而获得的，该设备包括匹配轨迹对确定单元，被配置为从所述多个轨迹中确定匹配轨迹对，其中匹配轨迹对包括对应于同一对象的并且不连续的在先轨迹和在后轨迹；以及组合单元，被配置为对包含在匹配轨迹对中的在先轨迹和在后轨迹进行组合。
-
公开(公告)号：CN107665495B
公开(公告)日：2021-03-16
申请号：CN201610597193.2
申请日：2016-07-26
Applicant: 佳能株式会社
IPC: G06T7/246
Abstract: 本发明提供一种对象跟踪方法及对象跟踪装置。本发明的各个方面中的一个方面公开了所述对象跟踪方法。所述对象跟踪方法包括以下步骤：从当前图像的至少一个先前图像中，确定第一对象与第二对象之间的运动差异；针对各第二对象，根据所述第一对象与该第二对象之间的相应运动差异，来计算这两个对象之间的参数；其中，所述参数表示这两个对象的运动一致性；基于相应参数，将所述第一对象和相应的第二对象确定为移动组；通过将相应参数与预定义阈值进行比较，来确定所述移动组的类型；以及根据与所述移动组的所述类型相对应的预定义跟踪方法，来确定所述第一对象在所述当前图像中的位置。根据本发明，将提高对象跟踪精度。
-
公开(公告)号：CN110245741A
公开(公告)日：2019-09-17
申请号：CN201811389762.X
申请日：2018-11-21
Applicant: 佳能株式会社
Abstract: 本发明提供一种多层神经网络模型的优化和应用方法、装置及存储介质。所述优化方法包括：从待优化的多层神经网络模型中划分出至少一个子结构，其中，划分出的子结构的尾层为量化层；针对划分出的各个子结构，将除量化层以外的其它层的运算参数传递到量化层中，并基于传递的运算参数更新量化层中的量化阈值参数。在运行基于所述优化方法优化后的多层神经网络模型时，可减少所需的处理器资源。
-
公开(公告)号：CN102194212A
公开(公告)日：2011-09-21
申请号：CN201010120561.7
申请日：2010-03-08
Applicant: 佳能株式会社
Abstract: 本发明涉及一种图像处理方法、装置及系统。该图像处理方法用于由多个子景图像合成变形校正后的高分辨率图像，该图像处理方法包括：获取步骤，获取文档对象的多个子景图像和全景图像，所述多个子景图像的组合能够覆盖所述文档对象；校正步骤，根据所述全景图像的变形模型校正各个所述子景图像中的变形；以及拼合步骤，将所述多个变形校正后的子景图像拼合为所述高分辨率图像。本发明中提出的方法即使在文档表面弯曲的情况下，也能够容易地由文档的多个图像创建变形得到校正且具有一定高分辨率的合成图像。
-
公开(公告)号：CN112784953B
公开(公告)日：2024-11-08
申请号：CN201911082558.8
申请日：2019-11-07
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本公开涉及对象识别模型的训练方法及装置。提供了一种用于对象识别的神经网络模型的优化装置，包括：损失确定单元，被配置为对于利用所述神经网络模型从训练图像集中提取的特征和带有权重函数的损失函数确定损失数据，以及更新单元，被配置为基于所述损失数据和更新函数来执行神经网络模型的参数的更新操作，其中，所述更新函数是基于所述神经网络模型的带有权重函数的损失函数推导而得到的，所述权重函数与所述损失函数在特定取值区间中同向地单调变化。
-
Patent Agency Ranking
公开(公告)号：CN112784978A
公开(公告)日：2021-05-11
申请号：CN201911086516.1
申请日：2019-11-08
Applicant: 佳能株式会社
IPC: G06N3/08
Abstract: 本发明公开一种训练神经网络的方法、装置和系统及存储指令的存储介质。在训练神经网络的方法中，神经网络包括第一神经网络和第二神经网络，第一神经网络的训练还未完成且第二神经网络的训练还未开始，对于当前的第一神经网络和当前的第二神经网络，该方法包括：将样本图像经由当前的第一神经网络得到第一输出，将样本图像经由当前的第二神经网络得到第二输出；以及，根据第一损失函数值更新当前的第一神经网络，根据第二损失函数值更新当前的第二神经网络，其中，第一损失函数值根据第一输出获得，第二损失函数值根据第一输出和第二输出获得。根据本公开，可改善第二神经网络的性能及减少第一神经网络和第二神经网络的整体训练时间。
-
公开(公告)号：CN112446487A
公开(公告)日：2021-03-05
申请号：CN201911115314.5
申请日：2019-11-14
Applicant: 佳能株式会社
Abstract: 本发明提供一种神经网络模型的训练和应用方法、装置、系统及存储介质。所述训练方法包括：根据神经网络模型的训练迭代次数和计算精度确定约束阈值范围，将权重的梯度约束在所述约束阈值范围内，使得当由于量化误差导致低精度的权重的梯度出现畸变的时候，通过对梯度的约束，修正梯度出现的畸变，使训练后的网络模型能够达到预期的性能。
-
公开(公告)号：CN110163031A
公开(公告)日：2019-08-23
申请号：CN201810147718.1
申请日：2018-02-13
Applicant: 佳能株式会社
Abstract: 本公开涉及用于检测对象的部位的装置和方法及存储介质。对象部位检测装置可以包括：热图生成单元，被配置成接收包括对象的目标图像并且对目标图像执行多个阶段的处理，其中多个阶段包括：第一阶段，用于至少基于从目标图像提取的第一组特征图来生成第一组对象部位热图，以及第二阶段，用于基于从目标图像提取的第二组特征图和在第一阶段中生成的第一组对象部位热图来生成第二组对象部位热图，其中第二组对象部位热图的分辨率与第一组对象部位热图的分辨率不同。对象部位检测装置还可以包括组合单元，该组合单元被配置成组合在多个阶段中生成的多组对象部位热图。
-
-
公开(公告)号：CN101789122A
公开(公告)日：2010-07-28
申请号：CN200910009923.2
申请日：2009-01-22
Applicant: 佳能株式会社
Abstract: 本发明提供一种用于校正畸变文档图像中的几何畸变的方法和系统。所述方法包括：垂直消失点检测步骤，检测所述畸变文档图像的垂直消失点；图像分割步骤，通过使用从所检测到的垂直消失点起源的垂直线，将所述畸变文档图像的整个区域分割成多个图像条带；水平消失点检测步骤，检测每个所述图像条带的水平消失点；畸变模型生成步骤，通过使用所述垂直消失点和所述图像条带的所述水平消失点建立畸变模型，所述畸变模型描述畸变文档图像和校正后的文档图像之间的映射关系；以及校正步骤，基于所述模型生成校正后的文档图像。根据这种畸变模型，可以容易且高效地校正几何畸变。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.023 seconds)
