-
公开(公告)号：CN108629789A
公开(公告)日：2018-10-09
申请号：CN201810457552.3
申请日：2018-05-14
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于VggNet的显著目标检测方法，该方法是以保留图像底层边缘特征为主要目标，提取高层语义特征为第二目标。通过将图像底层边缘特征与高层语义特征进行卷积，进而获得目标显著图。在确保有效提高检测准确率的同时，通过减少全连接层和增加归一化层大幅度提升网络训练速度。对于任意大小的RGB图像，通过线性插值将图像调整为固定的大小，从而实现不同大小的图像均能得到有效的处理。本发明方法既能快速提取高层语义特征，又能保留图像底层边缘信息，从而有效解决单纯提取特征类的网络结构无法获取图像边缘的问题。
-
公开(公告)号：CN110097110B
公开(公告)日：2021-07-20
申请号：CN201910341570.X
申请日：2019-04-26
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于目标优化的语义图像修复方法，该方法是以网络结构优化和修复过程优化为主要目标。在网络结构优化方面，通过移除Context‑Encoder中的通道连接层、添加并联空洞卷积层和设置符合人类感官层次的损失函数的方式，使整个网络在尽量捕获更多图像语义特征的同时保留其空间关系。在修复过程优化方面，通过图像语义分割网络捕获待修复图像中的特定目标，在利用泛化模型对整张图像进行修复的同时可以针对捕获到的目标进行修复优化操作，从而使修复结果具备更高的可靠性和准确性。本发明既保留了图像的空间信息，也针对特定的目标进行修复优化，进而有效地解决了常规修复方法中存在的语义混乱问题。
-
公开(公告)号：CN110097110A
公开(公告)日：2019-08-06
申请号：CN201910341570.X
申请日：2019-04-26
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于目标优化的语义图像修复方法，该方法是以网络结构优化和修复过程优化为主要目标。在网络结构优化方面，通过移除Context-Encoder中的通道连接层、添加并联空洞卷积层和设置符合人类感官层次的损失函数的方式，使整个网络在尽量捕获更多图像语义特征的同时保留其空间关系。在修复过程优化方面，通过图像语义分割网络捕获待修复图像中的特定目标，在利用泛化模型对整张图像进行修复的同时可以针对捕获到的目标进行修复优化操作，从而使修复结果具备更高的可靠性和准确性。本发明既保留了图像的空间信息，也针对特定的目标进行修复优化，进而有效地解决了常规修复方法中存在的语义混乱问题。
-
-
Search Results
3
records
(took 0.018 seconds)
