-
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。
-
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。
-
Patent Agency Ranking
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：CN111833363B
公开(公告)日：2023-10-24
申请号：CN201910311911.9
申请日：2019-04-17
IPC: G06T7/13 , G06T5/50 , G06T3/40 , G06V10/46 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本申请公开了人工智能领域的一种检测方法及装置。涉及人工智能领域。具体涉及计算机视觉领域。该方法包括：获取待检测图像；将待检测图像输入到特征检测模型中，得到待检测图像的显著性检测图像和边缘检测图像。本申请的检测方法适用于显著性物体检测和边缘检测的应用场景，实现了在不明显增加模型参数的前提下，有效协同显著性物体检测和边缘检测，并提高了检测结果的精度。
-
公开(公告)号：CN111833363A
公开(公告)日：2020-10-27
申请号：CN201910311911.9
申请日：2019-04-17
Abstract: 本申请公开了人工智能领域的一种检测方法及装置。涉及人工智能领域。具体涉及计算机视觉领域。该方法包括：获取待检测图像；将待检测图像输入到特征检测模型中，得到待检测图像的显著性检测图像和边缘检测图像。本申请的检测方法适用于显著性物体检测和边缘检测的应用场景，实现了在不明显增加模型参数的前提下，有效协同显著性物体检测和边缘检测，并提高了检测结果的精度。
-
公开(公告)号：CN109118459A
公开(公告)日：2019-01-01
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。
-
-
-
-
-
-
-
-
-
Search Results
124
records
(took 0.063 seconds)
