-
公开(公告)号：CN108416768B
公开(公告)日：2021-05-25
申请号：CN201810171102.8
申请日：2018-03-01
Applicant: 南开大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于二进制的前景图相似度评测方法，属于图像处理技术领域，该方法包含如下步骤：a.求对齐矩阵：利用前景图中每个像素点的值减去前景图均值得到对齐矩阵；b.求相似度矩阵：相似度的度量是在预测的前景图与真实人工标注的前景图之间进行的，通过计算预测前景图和真实前景图的对齐矩阵，然后将两个矩阵对应元素的乘积作为其相似度矩阵；c.矩阵归一化：对相似度矩阵的元素逐一归一化，使矩阵中的元素值介于‑1和1之间；d.矩阵元素拉伸：对归一化后的相似度矩阵值进行非线性拉伸；e.求相似度：对拉伸后的相似度矩阵求平均值就是最终的前景图相似度。本方法能够得到更加准确的前景图相似度评测结果。
-
Patent Agency Ranking
公开(公告)号：CN108416768A
公开(公告)日：2018-08-17
申请号：CN201810171102.8
申请日：2018-03-01
Applicant: 南开大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于二进制的前景图相似度评测方法，属于图像处理技术领域，该方法包含如下步骤：a.求对齐矩阵：利用前景图中每个像素点的值减去前景图均值得到对齐矩阵；b.求相似度矩阵：相似度的度量是在预测的前景图与真实人工标注的前景图之间进行的，通过计算预测前景图和真实前景图的对齐矩阵，然后将两个矩阵对应元素的乘积作为其相似度矩阵；c.矩阵归一化：对相似度矩阵的元素逐一归一化，使矩阵中的元素值介于-1和1之间；d.矩阵元素拉伸：对归一化后的相似度矩阵值进行非线性拉伸；e.求相似度：对拉伸后的相似度矩阵求平均值就是最终的前景图相似度。本方法能够得到更加准确的前景图相似度评测结果。
-
公开(公告)号：CN110458221B
公开(公告)日：2021-03-16
申请号：CN201910715341.X
申请日：2019-08-05
Applicant: 南开大学
Abstract: 本发明公开了一种基于在线注意力累积的挖掘目标物体区域的方法。该方法的目的是以弱监督的方式高效地找到图像的目标物体区域，这种区域可以为弱监督语义分割任务提供监督。基于训练过程中注意力不停地在目标物体上变化的观察，该方法在训练过程中为每一个目标物体维护了一张存储图。通过不断的将每一次迭代中生成的注意力图融合到存储图中，这个在线注意力累积过程可以将注意力在目标物体上出现过的所有位置记录下来，帮助找到整个目标物体区域。另外，该方法在更新存储图的过程中，通过改进的交叉熵损失函数对存储图中学习到的知识进行监督，从而得到更加完整的物体区域。
-
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：CN110458221A
公开(公告)日：2019-11-15
申请号：CN201910715341.X
申请日：2019-08-05
Applicant: 南开大学
Abstract: 本发明公开了一种基于在线注意力累积的挖掘目标物体区域的方法。该方法的目的是以弱监督的方式高效地找到图像的目标物体区域，这种区域可以为弱监督语义分割任务提供监督。基于训练过程中注意力不停地在目标物体上变化的观察，该方法在训练过程中为每一个目标物体维护了一张存储图。通过不断的将每一次迭代中生成的注意力图融合到存储图中，这个在线注意力累积过程可以将注意力在目标物体上出现过的所有位置记录下来，帮助找到整个目标物体区域。另外，该方法在更新存储图的过程中，通过改进的交叉熵损失函数对存储图中学习到的知识进行监督，从而得到更加完整的物体区域。
-
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。
-
-
-
-
-
Search Results
6
records
(took 0.025 seconds)
