-
公开(公告)号：CN108171701B
公开(公告)日：2021-06-22
申请号：CN201810036637.4
申请日：2018-01-15
Applicant: 复旦大学
Abstract: 本发明属于计算机数字图像处理技术领域，具体为一种基于U网络和对抗学习的显著性检测方法。本发明步骤为：构建深度神经网络：神经网络整体设计基于对抗生成网络，包含生成器与鉴别器，生成器在结构上使用了自编码器结构与跳跃连接，主要由编码器和译码器组成，编码器是由编码模块组成，编码模块使用了堆叠的残差模块，译码器主要由解码器组成，也使用了堆叠的残差模块；训练深度神经网络：使用公开的、真实场景下的显著性图像数据集，利用多尺度的图像内容损失函数与对抗损失函数，训练前一步中构建的深度神经网络；利用训练好的网络模型，对自然图像进行检测，再将得到的结果进行后处理，得到最终的结果。本发明方法能够提高显著性检测的准确性。
-
公开(公告)号：CN108090857B
公开(公告)日：2021-06-22
申请号：CN201711469436.5
申请日：2017-12-29
Applicant: 复旦大学
Abstract: 本发明属于计算机技术领域，具体为一种多模态的学生课堂行为分析系统和方法。本发明系统包括学生注意力检测模块、教师授课内容检测模块、教师授课风格检测模块和相关性分析模块；学生注意力检测模块检测学生的专注率，教师授课内容检测模块检测教师的授课内容，教师授课风格检测模块检测教师的授课风格，相关性分析模块分析学生注意力检测模块测得的学生的专注率和教师授课内容检测模块测得的教师的授课内容、以及教师授课风格检测模块测得的授课风格之间的联系；本发明对学生的专注率与音频特征、授课主题之间的相关性进行分析，能帮助教师调整授课风格，提升学生的专注率。
-
公开(公告)号：CN105787966A
公开(公告)日：2016-07-20
申请号：CN201610157571.5
申请日：2016-03-21
Applicant: 复旦大学
IPC: G06T7/40
Abstract: 本发明属于计算机图像处理技术领域，具体涉及一种计算机图像的美学评估方法。本发明是一种基于对象区域构图特征的图像美学评估方法，其步骤为：利用BING方法检测图像对象，对BING方法得到的候选框进行聚类并优化，从而得到图像对象区域；然后针对图像对象区域利用构图特征进行美学评估，其中，对画面构图相关特征进行了整合和改进，提高了美学评估的性能。本发明方法能够对计算机图像进行有效的美学评估。
-
Patent Agency Ranking
公开(公告)号：CN107230219B
公开(公告)日：2021-06-04
申请号：CN201710309607.1
申请日：2017-05-04
Applicant: 复旦大学
IPC: G06T7/246
Abstract: 本发明属于计算机图像处理技术领域，具体为一种单目机器人上的目标人发现与跟随方法。本发明步骤包括：机器人同时定位和建图，运动帧与运动区域检测，在运动帧的运动区域进行视觉目标检测，视觉目标人追踪，视觉目标人跟随。本发明利用机器人移动过程中的场景变化检测来分析需要进行目标检测的区域，利用深度网络进行室内人的检测，利用视觉追踪算法对目标进行追踪，并控制机器人进行主动跟随。本发明基于对象视觉特征，结合机器人同时定位和见图过程对场景的估计，能够对室内目标人进行有效的发现和跟随。本发明能够在多样的图像和复杂的背景下，在室内场景对目标人进行有效的发现、追踪与跟随。
-
公开(公告)号：CN108171701A
公开(公告)日：2018-06-15
申请号：CN201810036637.4
申请日：2018-01-15
Applicant: 复旦大学
CPC classification number: G06T7/0002 , G06N3/02
Abstract: 本发明属于计算机数字图像处理技术领域，具体为一种基于U网络和对抗学习的显著性检测方法。本发明步骤为：构建深度神经网络：神经网络整体设计基于对抗生成网络，包含生成器与鉴别器，生成器在结构上使用了自编码器结构与跳跃连接，主要由编码器和译码器组成，编码器是由编码模块组成，编码模块使用了堆叠的残差模块，译码器主要由解码器组成，也使用了堆叠的残差模块；训练深度神经网络：使用公开的、真实场景下的显著性图像数据集，利用多尺度的图像内容损失函数与对抗损失函数，训练前一步中构建的深度神经网络；利用训练好的网络模型，对自然图像进行检测，再将得到的结果进行后处理，得到最终的结果。本发明方法能够提高显著性检测的准确性。
-
公开(公告)号：CN107230219A
公开(公告)日：2017-10-03
申请号：CN201710309607.1
申请日：2017-05-04
Applicant: 复旦大学
IPC: G06T7/246
CPC classification number: G06T7/251 , G06T2207/20081 , G06T2207/20084 , G06T2207/30196
Abstract: 本发明属于计算机图像处理技术领域，具体为一种单目机器人上的目标人发现与跟随方法。本发明步骤包括：机器人同时定位和建图，运动帧与运动区域检测，在运动帧的运动区域进行视觉目标检测，视觉目标人追踪，视觉目标人跟随。本发明利用机器人移动过程中的场景变化检测来分析需要进行目标检测的区域，利用深度网络进行室内人的检测，利用视觉追踪算法对目标进行追踪，并控制机器人进行主动跟随。本发明基于对象视觉特征，结合机器人同时定位和见图过程对场景的估计，能够对室内目标人进行有效的发现和跟随。本发明能够在多样的图像和复杂的背景下，在室内场景对目标人进行有效的发现、追踪与跟随。
-
公开(公告)号：CN105787966B
公开(公告)日：2019-05-31
申请号：CN201610157571.5
申请日：2016-03-21
Applicant: 复旦大学
Abstract: 本发明属于计算机图像处理技术领域，具体涉及一种计算机图像的美学评估方法。本发明是一种基于对象区域构图特征的图像美学评估方法，其步骤为：利用BING方法检测图像对象，对BING方法得到的候选框进行聚类并优化，从而得到图像对象区域；然后针对图像对象区域利用构图特征进行美学评估，其中，对画面构图相关特征进行了整合和改进，提高了美学评估的性能。本发明方法能够对计算机图像进行有效的美学评估。
-
公开(公告)号：CN108090857A
公开(公告)日：2018-05-29
申请号：CN201711469436.5
申请日：2017-12-29
Applicant: 复旦大学
Abstract: 本发明属于计算机技术领域，具体为一种多模态的学生课堂行为分析系统和方法。本发明系统包括学生注意力检测模块、教师授课内容检测模块、教师授课风格检测模块和相关性分析模块；学生注意力检测模块检测学生的专注率，教师授课内容检测模块检测教师的授课内容，教师授课风格检测模块检测教师的授课风格，相关性分析模块分析学生注意力检测模块测得的学生的专注率和教师授课内容检测模块测得的教师的授课内容、以及教师授课风格检测模块测得的授课风格之间的联系；本发明对学生的专注率与音频特征、授课主题之间的相关性进行分析，能帮助教师调整授课风格，提升学生的专注率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
