-
公开(公告)号：CN104615642B
公开(公告)日：2017-09-29
申请号：CN201410778037.7
申请日：2014-12-17
Applicant: 吉林大学
Abstract: 一种基于局部邻域约束的空间验证的错误匹配检测方法，属于图像识别领域。本发明的目的是通过局部区域内匹配特征对的数量，定义该匹配特征的局部权重，进而过滤不相关的匹配特征对，最后计算相关匹配特征是否满足一致几何变换的基于局部邻域约束的空间验证的错误匹配检测方法。本发明的步骤是：服务器中图像库图像预先处理，用尺度不变特征变换计算查询图像的SIFT特征，然后使用该词袋模型同样生成一个全局直方图，再使用基于局部区域加权空间约束的错误匹配检测方法，去除错误的匹配特征，获得最终几何得分，最后对初始检索结果重新排序，得到最终的检索结果。本发明减少了几何验证阶段特征的数量，降低了几何验证阶段的计算时间；同时也提高了检索的准确度。
-
公开(公告)号：CN104391987B
公开(公告)日：2017-06-30
申请号：CN201410763573.X
申请日：2014-12-13
Applicant: 吉林大学
Abstract: 一种基于移动平台下大规模目标识别的方法，属于图像识别领域。本发明的目的是用哈希算法快速有效地将SIFT特征点编码为具有保持局部敏感性的二进制编码，为移动平台检索提供一种快速有效的基于移动平台下大规模目标识别的方法。本发明的步骤是：数据库图像SIFT特征X的标签信息‘0’‘1’构成，归一化距离相似性以及量化误差，寻找使得NS+MD值最小的数据点的二进制标签，得到弱哈希函数，组合弱哈希函数，得到强哈希函数。本发明是一种快速有效的移动平台检索方法，移动设备还可根据网络状况调整检索方案，使得在不同的网络状况下均能及时给出响应。
-
公开(公告)号：CN104391987A
公开(公告)日：2015-03-04
申请号：CN201410763573.X
申请日：2014-12-13
Applicant: 吉林大学
CPC classification number: G06F17/30247 , G06K9/4671
Abstract: 一种基于移动平台下大规模目标识别的方法，属于图像识别领域。本发明的目的是用哈希算法快速有效地将SIFT特征点编码为具有保持局部敏感性的二进制编码，为移动平台检索提供一种快速有效的基于移动平台下大规模目标识别的方法。本发明的步骤是：数据库图像SIFT特征X的标签信息‘0’‘1’构成，归一化距离相似性以及量化误差，寻找使得NS+MD值最小的数据点的二进制标签，得到弱哈希函数，组合弱哈希函数，得到强哈希函数。本发明是一种快速有效的移动平台检索方法，移动设备还可根据网络状况调整检索方案，使得在不同的网络状况下均能及时给出响应。
-
公开(公告)号：CN116051932A
公开(公告)日：2023-05-02
申请号：CN202310127923.2
申请日：2023-02-17
Applicant: 吉林大学
IPC: G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本申请提供一种计算机数字图像目标识别模型和方法，计算机数字图像目标识别模型包括多组卷积层、多个批量归一化层和处理层组；每个批量归一化层均对应一组卷积层，卷积层的输出节点均与对应的批量归一化层的输入节点连接，批量归一化层的输出节点与处理层组的输入节点连接，处理层组的输出节点与输出层连接；卷积层用于对初始待识别图像进行卷积；批量归一化层用于对初始图像进行归一化，初始图像基于初始待识别图像得到；处理层组用于目标图像进行处理，目标图像基于初始图像得到；输出层用于输出识别结果，如此，能够对苹果叶片病害进行识别，确定苹果叶片病害的种类，这样不需要靠人工进行识别，能够节约人力，且能够保证识别准确度。
-
Patent Agency Ranking
公开(公告)号：CN115858836A
公开(公告)日：2023-03-28
申请号：CN202211685286.2
申请日：2022-12-27
Applicant: 吉林大学
IPC: G06F16/53 , G06F16/583 , G06F16/55 , G06V10/762 , G06V10/764 , G06V10/774 , G06N3/0464
Abstract: 本申请提供一种图像检索方法及装置、设备、计算机可读存储介质，涉及图像处理技术领域，其中，上述方法通过获取训练图像集；构建图像检索模型，将训练图像集输入至图像检索模型，根据预设的交叉熵损失，对训练样本标签分配类代理点；根据聚类模型和损失函数完成对图像检索模型进行训练，得到目标图像检索模型；将待检索图像输入至目标图像检索模型，通过响应值中心加权确定待检索图像的一维图像特征描述子；根据一维图像特征描述子进行检索，这样通过为每个训练样本标签分配类代理点来减少信息的丢失，并通过在高斯中心权重矩阵上融合响应值权重矩阵，实现目标区域的增强，得到更具表征力的一维图像特征描述子，从而提高后续图像检索的准确度。
-
公开(公告)号：CN105809651B
公开(公告)日：2019-02-22
申请号：CN201410771507.7
申请日：2014-12-16
Applicant: 吉林大学
Abstract: 一种基于边缘非相似性对比的图像显著性检测方法，属于图像识别领域。本发明的目的是提供一种能够很好地突出显著目标，使显著目标有很好的完整性和一致性的基于边缘非相似性对比的图像显著性检测方法。本发明的步骤是：对被检测图像进行预分割，提取预分割之后的这些超像素块的一系列特征值，计算每个超像素值的边缘非相似性和超像素对之间的最短路径，计算出每个超像素属于背景区域的概率，显著性概率值进行优化，得到最终的超像素显著值；将超像素的值赋予相应的像素点，得到最终的显著图。本发明对噪声的鲁棒性强，结果的误差小，有助于后续图像分割等应用的显著目标提取处理。
-
公开(公告)号：CN105809651A
公开(公告)日：2016-07-27
申请号：CN201410771507.7
申请日：2014-12-16
Applicant: 吉林大学
IPC: G06T7/00
Abstract: 一种基于边缘非相似性对比的图像显著性检测方法，属于图像识别领域。本发明的目的是提供一种能够很好地突出显著目标，使显著目标有很好的完整性和一致性的基于边缘非相似性对比的图像显著性检测方法。本发明的步骤是：对被检测图像进行预分割，提取预分割之后的这些超像素块的一系列特征值，计算每个超像素值的边缘非相似性和超像素对之间的最短路径，计算出每个超像素属于背景区域的概率，显著性概率值进行优化，得到最终的超像素显著值；将超像素的值赋予相应的像素点，得到最终的显著图。本发明对噪声的鲁棒性强，结果的误差小，有助于后续图像分割等应用的显著目标提取处理。
-
公开(公告)号：CN104615642A
公开(公告)日：2015-05-13
申请号：CN201410778037.7
申请日：2014-12-17
Applicant: 吉林大学
CPC classification number: G06F17/30256
Abstract: 一种基于局部邻域约束的空间验证的错误匹配检测方法，属于图像识别领域。本发明的目的是通过局部区域内匹配特征对的数量，定义该匹配特征的局部权重，进而过滤不相关的匹配特征对，最后计算相关匹配特征是否满足一致几何变换的基于局部邻域约束的空间验证的错误匹配检测方法。本发明的步骤是：服务器中图像库图像预先处理，用尺度不变特征变换计算查询图像的SIFT特征，然后使用该词袋模型同样生成一个全局直方图，再使用基于局部区域加权空间约束的错误匹配检测方法，去除错误的匹配特征，获得最终几何得分，最后对初始检索结果重新排序，得到最终的检索结果。本发明减少了几何验证阶段特征的数量，降低了几何验证阶段的计算时间；同时也提高了检索的准确度。
-
公开(公告)号：CN202216213U
公开(公告)日：2012-05-09
申请号：CN201120291416.5
申请日：2011-08-12
Applicant: 吉林大学
IPC: F21V29/00 , F21Y101/02
Abstract: 本实用新型涉及一种大功率LED照明灯三级散热装置，属于新型光电器元件散热技术领域。其结构由LED芯片、基板、U形导热管、液体箱、散热片和LED电源组成，所述LED芯片置于具有优良导热性能的基板上，基板通过导热胶与U形导热管连接，U形导热管的端口与装有冷却液的液体箱连通，LED电源固定在液体箱下端。本实用新型将LED芯片一部分热量通过U形导热管与液体箱内的冷却液对流换热、一部分通过U形导热管两侧各穿插装有数片散热片释放到环境中，还有一部分热量可经过液体箱与基板间预留空间的对流风携带而散失，本实用新型的上述方案有效的解决了大功率LED照明灯灯具由于散热问题导致的可靠性降低和使用寿命缩短的问题。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
