-
公开(公告)号：CN117475141A
公开(公告)日：2024-01-30
申请号：CN202311546618.3
申请日：2023-11-20
Applicant: 大连理工大学
IPC: G06V10/25 , G06V10/26 , G06V10/44 , G06V10/46 , G06V10/52 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/088 , G06N3/09 , G06N3/084
Abstract: 本发明属于人工智能和计算机视觉领域，涉及一种基于图像频率分解的显著性目标检测与分割方法。该方法采用主干网对图像进行初步编码；然后在解码部分严格遵循图像的频率分解和合成机制，采用双分支特征并行学习结构，能够同时学习和优化显著目标的高频边界细节和低频内部区域特征。在每个分支的核心部分，设计了一个多尺度频率特征增强模块以优化频率特征。此外，提出一种新型的基于像素灰度统计相似性度量的损失函数，该损失函数结合BCE和IoU损失函数可进一步提高模型的整体精确度和性能。本发明能够很好的处理复杂背景环境下高低频图像信息混杂导致的显著性目标定位不准和边界不清等问题，并具有较强的通用性和鲁棒性。
-
公开(公告)号：CN108229501B
公开(公告)日：2021-09-28
申请号：CN201711379401.2
申请日：2017-12-20
Applicant: 大连理工大学
Abstract: 本发明属于计算机视觉领域，公开了一种融合纹理特征与形状特征的时序性的草图识别方法。首先，按照草图的笔画顺序获取一个图像序列；其次，提取每个图像的纹理特征和形状特征，形成对应于图像序列的特征序列；然后，将特征输入到包含两个阶段的网络中进行学习，第一阶段的两个循环神经网络分别接受图像的纹理特征和形状特征，第二阶段首先融合上一阶段的输出，然后输入到第三个循环神经网络，最后通过分类器得到结果，如此，按照序列中的顺序进行迭代学习。优点：将几何描述子用于草图识别，同时采用循环神经网络对草图的时序特征进行有效学习，从而显著改善原有识别模型忽视草图形状特征与时序性特征的缺陷，较好地提升草图识别率。
-
公开(公告)号：CN105719309B
公开(公告)日：2018-08-14
申请号：CN201610056000.2
申请日：2016-01-27
Applicant: 大连理工大学
Abstract: 本发明涉及计算机视觉领域，提供一种基于射影不变量的直线匹配方法，包括：步骤1、采集两幅图像；步骤2、对参考图像和待匹配图像进行直线检测，得到参考图像的直线集和待匹配图像的直线集；并进行特征点匹配，得到特征点匹配点集；步骤3、分别获得参考图像和待匹配图像中每条直线的梯度方向；步骤4、使用直线交点和梯度重新定位参考图像和待匹配图像中直线的端点；步骤5、进行参考图像和待匹配图像中的特征点分簇；步骤6、利用直线上两点和直线附近三点构成的五点射影不变量，确定参考图像和待匹配图像中对应局部点集的相似度，并确定参考点集对；步骤7、根据参考点集对及其相似度，进行直线匹配。本发明能提高直线匹配精确性和可靠性。
-
公开(公告)号：CN105931252A
公开(公告)日：2016-09-07
申请号：CN201610319333.X
申请日：2016-05-16
Applicant: 大连理工大学
CPC classification number: G06T7/0004 , G06K9/4604 , G06K9/4609 , G06T2207/20061
Abstract: 本发明公开了一种基于几何约束的椭圆快速检测方法。本发明是在进行椭圆拟合前利用特征数筛选肯定不属于一个椭圆的弧的组合，减少不必要的椭圆拟合的操作，从而实现算法加速。解决了现有技术耗时相对较长的问题，并很好地保证了椭圆检测的准确率。
-
公开(公告)号：CN105719309A
公开(公告)日：2016-06-29
申请号：CN201610056000.2
申请日：2016-01-27
Applicant: 大连理工大学
IPC: G06T7/00
Abstract: 本发明涉及计算机视觉领域，提供一种基于射影不变量的直线匹配方法，包括：步骤1、采集两幅图像；步骤2、对参考图像和待匹配图像进行直线检测，得到参考图像的直线集和待匹配图像的直线集；并进行特征点匹配，得到特征点匹配点集；步骤3、分别获得参考图像和待匹配图像中每条直线的梯度方向；步骤4、使用直线交点和梯度重新定位参考图像和待匹配图像中直线的端点；步骤5、进行参考图像和待匹配图像中的特征点分簇；步骤6、利用直线上两点和直线附近三点构成的五点射影不变量，确定参考图像和待匹配图像中对应局部点集的相似度，并确定参考点集对；步骤7、根据参考点集对及其相似度，进行直线匹配。本发明能提高直线匹配精确性和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN103093196B
公开(公告)日：2014-08-27
申请号：CN201310012582.0
申请日：2013-01-14
Applicant: 大连理工大学
CPC classification number: G06F3/017 , G06K9/00355 , G06K9/6253 , G06K2209/01
Abstract: 本发明属于计算机视觉和模式识别领域，涉及一种基于手势的汉字交互输入与识别方法。本发明能够让用户在不佩戴任何的硬件设备情况下，通过一个普通网络摄像头，用手作为媒介按照正规书写汉字和词组的规则与顺序来完成汉字的输入、识别与选择等功能。该发明突破了以往键盘输入、接触屏输入、语音输入汉字的局限，对使用者的限制较小，识别准确率较高，作为一种全新的输入方式，在人机界面、数字家庭、游戏与娱乐等领域有着很好的应用前景。
-
公开(公告)号：CN119445327A
公开(公告)日：2025-02-14
申请号：CN202411487168.X
申请日：2024-10-24
Applicant: 大连理工大学
IPC: G06V10/82 , G06V10/764 , G06V10/80 , G06V10/74 , G06N3/0455 , G06N3/096
Abstract: 本发明涉及计算机视觉图像分类领域，提供一种面向图像分类任务的组合增量学习方法，包括：通过图像特征提取器中提取到图像特征；将图像特征分别在对象提示池与组合提示池中选取合适的提示并进行融合；使用对象提示指导属性提示选择并进行融合；获取训练图像的特征序列；通过Transformer Encoder分别得到训练图像的属性特征、对象特征与组合特征；使用属性分类器、对象分类器、组合分类器分别对属性、对象和组合进行分类，得到属性、对象、组合的预测分数；最终对测试图像进行测试获取最终组合预测分数，分数最高的组合即为预测分类结果。本发明能够大幅度提高对于组合增量图像的分类精度，使图像分类更加准确。
-
公开(公告)号：CN112967217B
公开(公告)日：2024-02-06
申请号：CN202110263577.1
申请日：2021-03-11
Applicant: 大连理工大学
Abstract: 本发明涉及计算机视觉图像拼接领域，提供一种基于直线特征匹配及约束的图像拼接方法，包括步骤100，将两幅图像划分为目标图像和参考图像，提取并匹配两幅图像中的特征点，筛选正确的匹配点，提取两幅图像中的特征直线；步骤200，利用点线不变量匹配两幅图像中的特征直线，根据几何关系重构匹配直线邻域内的特征点以增加匹配特征点的数量，最后筛选正确的匹配点；步骤300，估计全局单应性矩阵；步骤400，为目标图像划分均匀网格，构造能量函数的约束项，通过最小化能量函数计算扭曲网格的顶点坐标；步骤500，将扭曲的目标图像与参考图像融合，形成最终的拼接图像。本发明能够在保持全局直线的同时大幅度减少拼接图像的失真情况。
-
公开(公告)号：CN106127786B
公开(公告)日：2018-12-18
申请号：CN201610512165.6
申请日：2016-07-04
Applicant: 大连理工大学
Abstract: 一种复杂连通区域特征的快速标定与提取方法，属于计算机应用技术领域。其特征是采用关联区域扩展标定的方式，充分利用已确定连通区域的邻域信息，通过设置垂直方向上的位移指针及邻域上非重叠区域的扫描指针向量，能够通过对二值图像的一次遍历便标定并提取出该图像所有连通区域的常用特征。本发明的效果和益处是能够有效避免所有已经被访问过但又不可能存在连通邻域的元素被再次访问，真正实现一次性扩展一片连通区域。能够处理计算内存允许的任意大小图像，处理任意复杂的大量连通区域时，性能远超过普通方法，处理能力和处理速度显著提高，提取到的结果数据可扩展性强。
-
公开(公告)号：CN103914690B
公开(公告)日：2017-02-15
申请号：CN201410143546.2
申请日：2014-04-11
Applicant: 大连理工大学
Abstract: 区分效果。本发明属于计算机视觉领域，涉及到一种射影不变形状特征描述符的构造及匹配方法。本发明构造了一种层次化的射影不变特征描述符，可用于射影变化下的形状识别问题。本方法中每个采样点都采用由粗到精的取点过程构成该点的特征描述符，这样既保证了全局几何信息又保留了轮廓的上下文信息。并进一步在此框架下提出了基于传统的射影不变量交比及最新发现的射影不变量特征数的5点特征描述符。通过引入外点和比值提高了描述符的稳定性及抗噪性。实验(56)对比文件Xinggang Wang et al..Bag of contourfragments for robust shape classification《.Pattern Recognition》.2014,Pedro F.Felzenszwalb etal..Hierarchical M atching of D eformableShapes《.2007 IEEE Conference on ComputerVision and Pattern Recogniton》.2007,
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.021 seconds)
