-
公开(公告)号：CN117455946A
公开(公告)日：2024-01-26
申请号：CN202210848383.2
申请日：2022-07-19
Applicant: 华为技术有限公司
Abstract: 本申请公开一种检测运动对象的方法及装置，涉及图像处理领域，以实现准确且部署简单的运动对象检测。该方案包括：采用目标检测模型对第一图像帧进行目标提取，得到标记于第一图像帧上的初始目标框；提取第一图像帧中候选目标框位置的特征，候选目标框为处于第一图像帧的区域分割图中非背景区域的初始目标框；根据候选目标框位置的特征，将候选目标框标记的候选运动对象，与第一图像帧之前的图像帧中的匹配的运动对象关联，并确定候选运动对象的移动速率；将移动速率满足运动条件的候选运动对象，确定为第一图像帧中的运动对象。
-
公开(公告)号：CN111832592B
公开(公告)日：2023-10-24
申请号：CN201910328103.3
申请日：2019-04-20
IPC: G06V10/80 , G06V10/46 , G06V10/44 , G06V10/82 , G06V10/774
Abstract: 本申请提供了RGBD显著性检测方法及装置，方法包括：将RGB图像和深度图像导入到含多个特征提取模块和多个特征强化模块的神经网络模型处理，获得多个跨模态特征图；其中任意的特征提取模块用于对输入数据进行特征提取以获得该特征提取模块的处理结果；其中任意的特征强化模块用于对深度图像进行特征提取获得深度对比度增强图，并利用其优化特征提取模块的处理结果，以获得该特征强化模块的跨模态特征图。最后，利用金字塔模型对多个跨模态特征图进行融合获得显著性检测的检测结果图。实施本申请有利于在低对比度等复杂场景下取得较好的显著性检测效果。
-
公开(公告)号：CN109118459B
公开(公告)日：2022-07-19
申请号：CN201710488970.4
申请日：2017-06-23
Abstract: 本申请提供了一种图像显著性物体检测方法与装置。该方法包括：分别对待处理图像进行至少两个卷积层对应的卷积处理，得到待处理图像的至少两个第一特征图，至少两个第一特征图的分辨率小于待处理图像的分辨率，至少两个第一特征图中的任意两个第一特征图的分辨率不同；对至少两个集合中的叠加集合中包含的至少两个第一特征图进行叠加处理，从而得到待处理图像的至少两个第二特征图，其中，至少两个集合分别对应不同的分辨率，至少两个集合与至少两个第二特征图一一对应，叠加集合中包含的第一特征图的分辨率小于等于叠加集合对应的第二特征图的分辨率；对至少两个第二特征图拼接，得到显著性图。本申请能提高显著性物体检测的效果。
-
公开(公告)号：CN107871321B
公开(公告)日：2021-08-27
申请号：CN201610850223.6
申请日：2016-09-23
IPC: G06T7/11
Abstract: 本发明提供一种图像分割方法及装置，该方法包括：A、获取待分割图像对应的第一分割图像；B、确定当前第一分割图像所需要提取的特征；C、对当前第一分割图像中的每两个相邻区域进行所需要提取的特征的特征值计算，并按照预设算法获取当前第一分割图像中的每两个相邻区域的特征向量；D、根据当前第一分割图像中的每两个相邻区域的特征向量以及预设的特征权值，构造无向图；E、遍历所述无向图中的边，合并无向图，根据所述合并后的无向图得到区域合并后的新的第一分割图像；F、循环执行B‑E共N次，其中，N为大于等于2的预设值。该方法能够极大提升图像分割的精度以及速度。
-
公开(公告)号：CN109285114B
公开(公告)日：2020-12-15
申请号：CN201710602208.4
申请日：2017-07-21
Abstract: 本发明实施例公开了一种图片处理方法及设备，涉及图像处理领域，解决了图像处理模型对待处理图片进行图像处理过程中，图片整体布局被破坏、前景背景不分明的问题。具体方案为：获取待处理图片；根据图像处理模型对待处理图片进行图像处理；其中，图像处理模型由对一个正样本图片和至少两个负样本图片根据损失函数进行训练获得，损失函数的输入参数包括深度损失，深度损失用于表征经过图像处理的图片的深度信息的变化。本发明实施例用于图像风格变换处理或图像超分辨率重建处理的过程。
-
Patent Agency Ranking
公开(公告)号：CN109285114A
公开(公告)日：2019-01-29
申请号：CN201710602208.4
申请日：2017-07-21
Abstract: 本发明实施例公开了一种图片处理方法及设备，涉及图像处理领域，解决了图像处理模型对待处理图片进行图像处理过程中，图片整体布局被破坏、前景背景不分明的问题。具体方案为：获取待处理图片；根据图像处理模型对待处理图片进行图像处理；其中，图像处理模型由对一个正样本图片和至少两个负样本图片根据损失函数进行训练获得，损失函数的输入参数包括深度损失，深度损失用于表征经过图像处理的图片的深度信息的变化。本发明实施例用于图像风格变换处理或图像超分辨率重建处理的过程。
-
公开(公告)号：CN117917672A
公开(公告)日：2024-04-23
申请号：CN202211277119.4
申请日：2022-10-18
Applicant: 华为技术有限公司
IPC: G06N3/045 , G06N3/0464 , G06N3/084 , G06N5/04 , G06V10/82 , G06V10/80 , G06V10/764 , G06V10/26 , G06V20/70 , G06N3/048
Abstract: 本申请公开了一种基于神经网络的数据处理方法及设备，该神经网络包括至少一个差分加法算子，差分加法算子包括第一加法算子和第二加法算子，可应用人工智能领域，包括：接收待处理数据并预处理，得到第一特征映射，使用差分加法算子对第一特征映射进行特征提取操作，即分别使用第一加法算子和第二加法算子对第一特征映射提取特征，各自得到第一分支输出和第二分支输出，并对第一分支输出和第二分支输出进行融合，并基于融合后的第二特征映射得到输出结果。本申请提出的差分加法算子通过两个加法算子的分支独立学习再进行融合以调整输出的特征映射，解决加法算子特征表征能力弱的问题；基于差分加法算子构建的ANN也解决了传统CNN计算能耗过高的问题。
-
公开(公告)号：CN107871321A
公开(公告)日：2018-04-03
申请号：CN201610850223.6
申请日：2016-09-23
IPC: G06T7/11
Abstract: 本发明提供一种图像分割方法及装置，该方法包括：A、获取待分割图像对应的第一分割图像；B、确定当前第一分割图像所需要提取的特征；C、对当前第一分割图像中的每两个相邻区域进行所需要提取的特征的特征值计算，并按照预设算法获取当前第一分割图像中的每两个相邻区域的特征向量；D、根据当前第一分割图像中的每两个相邻区域的特征向量以及预设的特征权值，构造无向图；E、遍历所述无向图中的边，合并无向图，根据所述合并后的无向图得到区域合并后的新的第一分割图像；F、循环执行B-E共N次，其中，N为大于等于2的预设值。该方法能够极大提升图像分割的精度以及速度。
-
公开(公告)号：CN111832592A
公开(公告)日：2020-10-27
申请号：CN201910328103.3
申请日：2019-04-20
Abstract: 本申请提供了RGBD显著性检测方法及装置，方法包括：将RGB图像和深度图像导入到含多个特征提取模块和多个特征强化模块的神经网络模型处理，获得多个跨模态特征图；其中任意的特征提取模块用于对输入数据进行特征提取以获得该特征提取模块的处理结果；其中任意的特征强化模块用于对深度图像进行特征提取获得深度对比度增强图，并利用其优化特征提取模块的处理结果，以获得该特征强化模块的跨模态特征图。最后，利用金字塔模型对多个跨模态特征图进行融合获得显著性检测的检测结果图。实施本申请有利于在低对比度等复杂场景下取得较好的显著性检测效果。
-
公开(公告)号：CN117274135A
公开(公告)日：2023-12-22
申请号：CN202210663450.3
申请日：2022-06-13
Applicant: 华为技术有限公司
Abstract: 本申请实施例公开了一种图像处理方法以及相关设备，用于精细化地分割图像，提升分割图像的成像质量。本申请实施例方法包括：获取第一交互点和待处理图像中目标对象的第一全局分割图像，第一全局分割图像是对待处理图像进行图像分割得到的图像；以第一交互点为几何中心，从待处理图像中确定第一参考区域，从第一全局分割图像中确定第一待处理区域，这两个区域的尺寸相同；处理这两个区域和第一参考区域包括的第一交互点合集，得到第一局部分割图像；将第一局部分割图像贴回第一全局分割图像上第一待处理区域对应的位置，得到第二全局分割图像，第二全局分割图像的像素点准确率大于第一全局分割图像的像素点准确率。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.032 seconds)
