公开(公告)号：CN117036854A

公开(公告)日：2023-11-10

申请号：CN202310962712.0

申请日：2023-08-01

Applicant: 南开大学

Inventor： 程明明 ,  李钟毓 ,  尹博文 ,  高尚华

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06V10/26 ,  G06N3/088 ,  G06N3/047 ,  G06N3/045

Abstract: 本发明提出了一种基于异构网络的自监督学习方法及系统，涉及计算机视觉技术领域，具体方案包括：串联异构的基础网络和辅助网络，构建结构相同的教师模型和学生模型；对无标注图像数据集进行预处理，得到每张图像对应的两张不同视图；基于预处理后的无标注图像数据集，对教师模型和学生模型进行自监督学习，将学习后的基础网络作为自监督模型，用于待处理图像的特征提取；本发明利用异构的辅助网络指导基础网络的表征学习，使基础网络学习不同网络架构的优点，提高基础网络高质量图像特征的表征能力。

公开(公告)号：CN116740348A

公开(公告)日：2023-09-12

申请号：CN202310626321.1

申请日：2023-05-30

Applicant: 南开大学

Inventor： 张旭迎 ,  林铮 ,  尹博文 ,  范登平 ,  侯淇彬 ,  程明明

IPC: G06V10/26 ,  G06V10/77 ,  G06V10/80 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明提出了一种指向性伪装物体分割方法及系统，设计了双分支网络结构，利用参考分支网络获取来参考图像中某类指向性物体的共性信息，分割分支网络则在所得到的共性信息指导下确认并分割包含该指向性伪装物体的目标图像。通过将共性信息和目标图像的视觉特征进行交互融合的方式突出目标图像中的指向性伪装物体。本发明方法受其他物体的干扰较小，进而能够更加准确地分割出期望的物体，而且利用参考图像的共性信息来突出目标图像中的指向性伪装物体的方式，适合小样本所收集的参考信息对某类物体进行指向性的分割。

公开(公告)号：CN117611622A

公开(公告)日：2024-02-27

申请号：CN202311449773.3

申请日：2023-11-02

Applicant: 南开大学

Inventor： 张勇 ,  侯淇彬 ,  尹博文 ,  张旭迎 ,  程明明

IPC: G06T7/194 ,  G06T7/11 ,  G06V10/26 ,  G06V10/80 ,  G06V10/74

Abstract: 本发明提出了基于自适应分区和背景检索的伪装物体分割方法及系统，包括：待分割的完整的图像进行初始分割获得初始的分割结果；基于内容的自适应分区将初始的分割结果分为置信背景区和候选前景区；在候选前景区中利用与初始分割相同的过程进行再次分割预测，再次分割为对前景进行更加细粒度的分割；基于背景检索机制再利用置信背景区的特征来剔除错判为前景的背景点，优化再次分割的结果。

公开(公告)号：CN117292122A

公开(公告)日：2023-12-26

申请号：CN202311068540.9

申请日：2023-08-23

Applicant: 南开大学

Inventor： 尹博文 ,  侯淇彬 ,  张旭迎 ,  李钟毓 ,  程明明

IPC: G06V10/26 ,  G06V10/82 ,  G06N3/0455 ,  G06V10/80

Abstract: 本发明涉及图像处理技术领域，提供了一种RGB‑D显著性物体检测、语义分割方法及系统。RGB‑D分割模型模块包括编码器和解码器；编码器包括多个RGB‑D块；在每个RGB‑D块中，基于RGB特征图和深度特征图，采用跨模态注意力机制，得到跨模态注意力特征图，对深度特征图进行深度可分离卷积后，与RGB特征图进行逻辑运算，得到局部增强特征图；将跨模态注意力特征图、局部增强特征图和RGB特征图的捷径特征图，进行线性处理，得到RGB输出结果和深度输出结果；并将RGB输出结果和深度输出结果作为下一个RGB‑D块的输入。

公开(公告)号：CN116452798A

公开(公告)日：2023-07-18

申请号：CN202211545955.6

申请日：2022-12-05

Applicant: 南开大学

Inventor： 尹博文 ,  侯淇彬 ,  张旭迎 ,  范登平 ,  程明明

IPC: G06V10/26 ,  G06V10/82 ,  G06N3/0455

Abstract: 本发明提出了基于掩码可分离注意力机制的伪装目标分割方法及系统，涉及图像处理技术领域，具体方案包括：构建伪装目标分割模型，并对伪装目标分割模型进行训练；利用编码器对输入图像进行编码，得到初始特征；将初始特征输入到解码器中解码，生成伪装目标的初始分割；基于掩码可分离注意力机制，对初始分割进行渐进式地优化分割，得到最终的伪装目标分割结果；本发明设置掩码可分离注意力机制，利用掩码将注意力机制分为前景注意力、背景注意力以及全局注意力，前景和背景注意力分别关注前景和背景区域，全局注意力机制提取全局信息，再利用前景注意力分数在全局信息中发现伪装对象，利用背景注意力确定背景，进而分割出精确的伪装目标。