-
公开(公告)号：CN107330910A
公开(公告)日：2017-11-07
申请号：CN201710530461.3
申请日：2017-06-28
Applicant: 华中科技大学
Abstract: 本发明属于图像分割技术领域，具体涉及一种针对光流图的快速的FCM图像分割方法，其包括以下步骤：S1确定糊聚类参数；S2划分若干个向量方向区间，并将二维向量划分至对应的方向区间中；S3将每个方向区间均分成若干个模区间，并将二维向量划分至对应的模区间中，计算每个方向区间下每个模区间内的向量个数；S4计算每个方向区间中的每个向量模区间的标准向量大小；S5将标准向量的隶属度初始化，进行迭代计算，直至得到满足精度要求的隶属度和聚类中心；S6完成二维向量图的图像分割。本发明的方法不仅能够对二维向量图进行精确分割，而且大大减少了整个分割过程的计算量，提高了运算速度，十分适用于二维向量图，尤其是光流图的分割。
-
公开(公告)号：CN107423698A
公开(公告)日：2017-12-01
申请号：CN201710575403.2
申请日：2017-07-14
Applicant: 华中科技大学
Abstract: 本发明属于自动识别技术领域，并公开了一种基于并联卷积神经网络的手势估计方法，包括以下步骤：S1、采用RGB-D相机获得彩色图像和深度图像；S2、根据预先训练得到的手部分类模块，在彩色图像上识别出手部所在的位置；S3、根据手部在彩色图像上对应的位置，找到其在深度图像上对应的位置，然后将手部深度图分离出来；S4、将分离出的深度图转化为灰度图，然后将灰度图输入并联卷积神经网络手势估计模块进行识别，从而获得能够表示手部姿态的多个关节点坐标；S5、输出手势结果。本发明提供了一种端到端的手势估计网络架构，降低了算法的复杂度，并联结构极大提高了网络收敛速度，极大节省了训练时间，提高了效率。
-
公开(公告)号：CN107423698B
公开(公告)日：2019-11-22
申请号：CN201710575403.2
申请日：2017-07-14
Applicant: 华中科技大学
Abstract: 本发明属于自动识别技术领域，并公开了一种基于并联卷积神经网络的手势估计方法，包括以下步骤：S1、采用RGB‑D相机获得彩色图像和深度图像；S2、根据预先训练得到的手部分类模块，在彩色图像上识别出手部所在的位置；S3、根据手部在彩色图像上对应的位置，找到其在深度图像上对应的位置，然后将手部深度图分离出来；S4、将分离出的深度图转化为灰度图，然后将灰度图输入并联卷积神经网络手势估计模块进行识别，从而获得能够表示手部姿态的多个关节点坐标；S5、输出手势结果。本发明提供了一种端到端的手势估计网络架构，降低了算法的复杂度，并联结构极大提高了网络收敛速度，极大节省了训练时间，提高了效率。
-
公开(公告)号：CN107330910B
公开(公告)日：2019-11-12
申请号：CN201710530461.3
申请日：2017-06-28
Applicant: 华中科技大学
Abstract: 本发明属于图像分割技术领域，具体涉及一种针对光流图的快速的FCM图像分割方法，其包括以下步骤：S1确定糊聚类参数；S2划分若干个向量方向区间，并将二维向量划分至对应的方向区间中；S3将每个方向区间均分成若干个模区间，并将二维向量划分至对应的模区间中，计算每个方向区间下每个模区间内的向量个数；S4计算每个方向区间中的每个向量模区间的标准向量大小；S5将标准向量的隶属度初始化，进行迭代计算，直至得到满足精度要求的隶属度和聚类中心；S6完成二维向量图的图像分割。本发明的方法不仅能够对二维向量图进行精确分割，而且大大减少了整个分割过程的计算量，提高了运算速度，十分适用于二维向量图，尤其是光流图的分割。
-
-
-
Search Results
4
records
(took 0.017 seconds)
