-
公开(公告)号：CN108898562B
公开(公告)日：2022-04-12
申请号：CN201810652664.4
申请日：2018-06-22
Applicant: 大连海事大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于深度学习的移动设备图像去雾方法，包括以下步骤：获取实时采集的有雾图像；有雾图像输入区域检测网络，逐区域地提取有雾图像特征并输出有雾图像相关的特征图；特征图传入非线性回归网络层，获得有雾图像每个小区域的媒介透射率，得到透射率矩阵；透射率矩阵传入导向滤波模块，输出精细化透射率矩阵；通过透射率矩阵和有雾图的灰度图来计算大气光；通过透射率矩阵恢复所述采集到的有雾图像获得去雾后的图像。本发明通过具有区域检测功能的深度神经网络模型作为去雾方法的主体模型，在训练网络模型时不需要把图像裁剪成固定大小的图像块，扩大了各层的网络节点的感受野，充分考虑到图像中各个区域间的关系。
-
公开(公告)号：CN110472247A
公开(公告)日：2019-11-19
申请号：CN201910770984.4
申请日：2019-08-20
Applicant: 大连海事大学
Abstract: 本发明公开了一种多语义信息融合网络预测帖子回答时间的方法，包括如下步骤：选取N条帖子并提取每个帖子的数据特征，其中数据特征包括帖子的问题描述、帖子的标题，帖子的标签，帖子的创建时间和帖子的星期特征信息，利用帖子的数据特征预测帖子的回答时间；利用doc2vec模型将帖子的数据特征转换为向量、并将向量输入至全连接神经网络模型内利用sigmoid函数预测帖子的回答时间。该方法在预测的过程中，考虑了帖子的描述信息、标题信息以及标签等特征信息，相比于只考虑单一特征的方法预测的更加准确。
-
公开(公告)号：CN108898562A
公开(公告)日：2018-11-27
申请号：CN201810652664.4
申请日：2018-06-22
Applicant: 大连海事大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于深度学习的移动设备图像去雾方法，包括以下步骤：获取实时采集的有雾图像；有雾图像输入区域检测网络，逐区域地提取有雾图像特征并输出有雾图像相关的特征图；特征图传入非线性回归网络层，获得有雾图像每个小区域的媒介透射率，得到透射率矩阵；透射率矩阵传入导向滤波模块，输出精细化透射率矩阵；通过透射率矩阵和有雾图的灰度图来计算大气光；通过透射率矩阵恢复所述采集到的有雾图像获得去雾后的图像。本发明通过具有区域检测功能的深度神经网络模型作为去雾方法的主体模型，在训练网络模型时不需要把图像裁剪成固定大小的图像块，扩大了各层的网络节点的感受野，充分考虑到图像中各个区域间的关系。
-
-
Search Results
3
records
(took 0.016 seconds)
