-
公开(公告)号：CN115131243B
公开(公告)日：2025-04-18
申请号：CN202210751857.1
申请日：2022-06-28
Applicant: 南京信息工程大学
Abstract: 本申请提供了一种图像处理方法、装置、电子设备及存储介质；所述方法包括：获取待处理图像和所述待处理图像对应的稀疏深度图像；基于所述稀疏深度图像，确定所述稀疏深度图像对应的半稠密深度图像；基于所述半稠密深度图像，确定所述半稠密深度图像对应的三维位姿图像；基于双分支卷积神经网络，对所述三维位姿图像、所述半稠密深度图像和所述待处理图像进行处理，确定所述待处理图像对应的稠密深度图像。如此，能够智能地对图像进行处理，以提高图像处理的精度和经过图像处理得到的稠密深度图的图像质量。
-
公开(公告)号：CN116246248A
公开(公告)日：2023-06-09
申请号：CN202310045370.6
申请日：2023-01-30
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于YOLOv5的轻量型交通标志识别方法、系统、装置及存储介质，属于计算机视觉目标检测技术领域，包括：获取待识别图片；将待识别图片输入到构建好的基于YOLOv5的轻量型交通标志识别模型中，识别出待识别图片中的交通标志；本发明通过对识别模型的改进，使得该模型能够在学习的过程中更加关注交通标志等小目标的识别，并有效突出识别对象的重要特征，而且在丰富目标特征信息的同时减少了计算量，使得模型的识别精度和运行速度都有所提升。
-
公开(公告)号：CN111372123B
公开(公告)日：2022-08-09
申请号：CN202010138291.6
申请日：2020-03-03
Applicant: 南京信息工程大学
IPC: H04N21/44 , H04N21/845 , G06N3/04
Abstract: 本发明公开了一种基于从局部到全局的视频时序片段提取方法，该方法包括：1)特征提取；2)编码；3)提名特征预测；4)评估；本发明方法使模型能够在学习的过程中既关注到视频的局部信息，又关注到视频的全局信息，同时能够更关注到行为本身而非背景，从而准确的提取出视频中行为发生的片段。
-
公开(公告)号：CN115147398A
公开(公告)日：2022-10-04
申请号：CN202210898047.9
申请日：2022-07-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于深度图像的楼梯高度检测方法及系统，属于计算机视觉技术领域，方法包括：获取深度图并对其进行补缺预处理；对补缺后的深度图进行标准化后投影到一维的成像平面；对投影后的深度图进行梯度检测，得到深度局部极大值和深度局部极小值；选取深度图中横坐标相同、纵坐标分别为深度局部极大值和深度局部极小值的两点作为两个边缘关键点，通过相机投影算法计算出两个边缘关键点的三维坐标，根据两个三维坐标计算得到两个边缘关键点的距离，得到楼梯高度；结合像素信息和深度信息，将像素坐标系和相机坐标系进行转换，得到楼梯的高度，克服了现有转化方法有误差，计算量大，坐标转换复杂等缺陷，从而提高检测速度。
-
公开(公告)号：CN115131243A
公开(公告)日：2022-09-30
申请号：CN202210751857.1
申请日：2022-06-28
Applicant: 南京信息工程大学
Abstract: 本申请提供了一种图像处理方法、装置、电子设备及存储介质；所述方法包括：获取待处理图像和所述待处理图像对应的稀疏深度图像；基于所述稀疏深度图像，确定所述稀疏深度图像对应的半稠密深度图像；基于所述半稠密深度图像，确定所述半稠密深度图像对应的三维位姿图像；基于双分支卷积神经网络，对所述三维位姿图像、所述半稠密深度图像和所述待处理图像进行处理，确定所述待处理图像对应的稠密深度图像。如此，能够智能地对图像进行处理，以提高图像处理的精度和经过图像处理得到的稠密深度图的图像质量。
-
Patent Agency Ranking
公开(公告)号：CN107564029A
公开(公告)日：2018-01-09
申请号：CN201710606938.1
申请日：2017-07-24
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于高斯极值滤波和群稀疏RPCA的运动目标检测方法。针对动态背景下的运动目标检测问题，提出了一种基于高斯极值滤波(Gaussian max-pooling)和群稀疏RPCA(Robust Principal Component Analysis)的运动目标检测方法，此方法包含两个主要模块：1)提出一种称为高斯极值滤波的新方法，为每一个像素点重新估计重一个最合适的灰度值，从而减小动态背景对目标检测的影响；2)提出一个称为群稀疏RPCA的新模型，对运动目标帧内和帧间的连续性进行建模，以实现更精确的运动目标检测。本发明在动态背景下比其它同类方法有更高的检测精度，能为视频监控系统提供一种更有效的运动目标检测算法。
-
公开(公告)号：CN115222750A
公开(公告)日：2022-10-21
申请号：CN202210892653.X
申请日：2022-07-27
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于多尺度融合注意力的遥感图像分割方法及系统，该方法包括：1)多尺度特征表示(MFR)；2)特征融合注意力(FFA)；3)特征细化(FRM)；4)评估；本发明方法使模型能够在学习遥感图像的过程中逐步细化高分辨率特征，且有效缓解因图像背景复杂、类别尺寸差异大造成的误分类、漏分类问题。从而提高遥感图像的分割效果。
-
公开(公告)号：CN114723007A
公开(公告)日：2022-07-08
申请号：CN202210336883.8
申请日：2022-03-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种面向目标检测的多尺度融合特征提取方法及系统，该网络结构包括：1）主干网络特征提取；2）特征金字塔重构；3）特征融合；4）重构自底向上特征金子塔；5）添加深层特征增强网络；6）预测；本发明方法使用不同大小的卷积核对主干网络进行特征提取，去重构具有不同感受野的特征金字塔网络，从而使检测网络在训练的过程中能够学习到同一类别不同尺度实例的特征表述。
-
公开(公告)号：CN111372123A
公开(公告)日：2020-07-03
申请号：CN202010138291.6
申请日：2020-03-03
Applicant: 南京信息工程大学
IPC: H04N21/44 , H04N21/845 , G06N3/04
Abstract: 本发明公开了一种基于从局部到全局的视频时序片段提取方法，该方法包括：1)特征提取；2)编码；3)提名特征预测；4)评估；本发明方法使模型能够在学习的过程中既关注到视频的局部信息，又关注到视频的全局信息，同时能够更关注到行为本身而非背景，从而准确的提取出视频中行为发生的片段。
-
公开(公告)号：CN114723007B
公开(公告)日：2025-04-11
申请号：CN202210336883.8
申请日：2022-03-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种面向目标检测的多尺度融合特征提取方法及系统，该网络结构包括：1）主干网络特征提取；2）特征金字塔重构；3）特征融合；4）重构自底向上特征金子塔；5）添加深层特征增强网络；6）预测；本发明方法使用不同大小的卷积核对主干网络进行特征提取，去重构具有不同感受野的特征金字塔网络，从而使检测网络在训练的过程中能够学习到同一类别不同尺度实例的特征表述。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.026 seconds)
