-
公开(公告)号：CN110110783A
公开(公告)日：2019-08-09
申请号：CN201910363921.7
申请日：2019-04-30
Applicant: 天津大学
Abstract: 本发明公开一种基于多层特征图连接的深度学习目标检测方法，具体步骤如下：步骤(1)、获取训练集和测试集；步骤(2)、用卷积神经网络的卷积层实现目标检测；卷积神经网络的网络结构分为四个部分：特征提取、多层特征图连接、候选框的产生及目标分类和回归，特征提取使用ResNet101作为主题框架，多层特征图连接就是对ResNet101的不同语义层C2,C3,C4,C5进行多层次的交替连接，候选框通过RPN网络产生，目标分类和回归通过RCNN网络实现。
-
公开(公告)号：CN107909552A
公开(公告)日：2018-04-13
申请号：CN201711051048.5
申请日：2017-10-31
Applicant: 天津大学
IPC: G06T5/00
CPC classification number: G06T5/001 , G06T5/007 , G06T2207/10024
Abstract: 本发明公开了一种基于水下先验约束的图像复原方法，首先，考虑水下三通道衰减差异，提出一种适用于水下环境的图像成像新模型；其次，利用一种有效的颜色校正算法去除水下图像中存在的色偏，并在颜色校正后的图像中使用Shades of Gray算法估计水下环境光；然后，利用原始清晰图像的边界约束估计透射率，可以弥补目前很多方法对透射率估计不准的缺陷，并对估计得到的透射率进行细化；最后，利用求得的透射率与估计的环境光，并结合新的水下成像模型恢复出清晰的复原结果。该方案可以有效的去除水下图像中存在的颜色失真，并且可以增强图像的对比度，复原得到的结果颜色自然，细节清晰。
-
Patent Agency Ranking
公开(公告)号：CN110782399A
公开(公告)日：2020-02-11
申请号：CN201910780508.0
申请日：2019-08-22
Applicant: 天津大学
Abstract: 本发明公开一种基于多任务CNN的图像去模糊方法，包括以下步骤：(1)获取总训练集、测试集、预处理；(2)对图像进行多尺度缩放及参数设置；(3)基于多任务卷积神经网络去模糊；多任务卷积神经网络包括三个尺度，每个尺度分为图像去模糊模块、图像细节恢复模块和特征融合模块；图像去模糊模块包含图像编码块E和图像解码块D，图像编码块E提取图像特征并进行编码，然后经过图像解码块D得到去模糊图像；图像细节恢复模块只包含具有残差结构的卷积特征提取层，网络特征图大小与输入大小保持相同，只进行模糊图像高阶特征的提取和融合，为最终的图像恢复过程提供高频信息；特征融合模块包含一个图像合并模块和一个卷积层。
-
公开(公告)号：CN109741260B
公开(公告)日：2023-05-12
申请号：CN201811637583.3
申请日：2018-12-29
Applicant: 天津大学
IPC: G06T3/40
Abstract: 本发明公开一种基于深度反投影网络的高效超分辨率方法，包括以下步骤：(1)获取总训练集和测试集；(2)对总训练集进行预处理完成数据增强；(3)对总训练集中的图像进行不同尺度的缩放；(4)基于卷积神经网络实现图像超分重建，卷积神经网络共包含27个卷积层，具体包括特征提取、误差反投影和图像重建三部分。本发明利用组卷积和1×1卷积的组合代替传统卷积重新设计迭代子模块，该策略可有效减少模型参数量，提高模型效率；且每个迭代子模块包含误差反馈机制，及时进行误差校正；另外，本发明引用了通道加权模块，可进一步提升模型效率。
-
公开(公告)号：CN109741260A
公开(公告)日：2019-05-10
申请号：CN201811637583.3
申请日：2018-12-29
Applicant: 天津大学
IPC: G06T3/40
Abstract: 本发明公开一种基于深度反投影网络的高效超分辨率方法，包括以下步骤：(1)获取总训练集和测试集；(2)对总训练集进行预处理完成数据增强；(3)对总训练集中的图像进行不同尺度的缩放；(4)基于卷积神经网络实现图像超分重建，卷积神经网络共包含27个卷积层，具体包括特征提取、误差反投影和图像重建三部分。本发明利用组卷积和1×1卷积的组合代替传统卷积重新设计迭代子模块，该策略可有效减少模型参数量，提高模型效率；且每个迭代子模块包含误差反馈机制，及时进行误差校正；另外，本发明引用了通道加权模块，可进一步提升模型效率。
-
公开(公告)号：CN107563980A
公开(公告)日：2018-01-09
申请号：CN201710785293.2
申请日：2017-09-04
Applicant: 天津大学
Abstract: 本发明公开了一种基于水下成像模型和景深的水下图像清晰化方法，首先利用局部shade of Gray算法估计背景光，可有效避免人工光源、白色物体和噪声等影响；然后，通过设置阈值来判断是否将红通道的信息加入到暗通道先验中；利用景深来估计散射率，得到更好的对比度和饱和度颜色；最后，利用背景光与散射系数、衰减系数之间的关系对RGB三通道分开求解透射率，最终得到清晰化图像，本发明方法可弥补目前很多方法假设RGB三通道的透射率相同的缺陷，不仅能有效增强图像的对比度，还能很好地处理三通道透射率估计不准确带来的色偏问题。
-
公开(公告)号：CN110782399B
公开(公告)日：2023-05-12
申请号：CN201910780508.0
申请日：2019-08-22
Applicant: 天津大学
IPC: G06T5/00 , G06T5/50 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于多任务CNN的图像去模糊方法，包括以下步骤：(1)获取总训练集、测试集、预处理；(2)对图像进行多尺度缩放及参数设置；(3)基于多任务卷积神经网络去模糊；多任务卷积神经网络包括三个尺度，每个尺度分为图像去模糊模块、图像细节恢复模块和特征融合模块；图像去模糊模块包含图像编码块E和图像解码块D，图像编码块E提取图像特征并进行编码，然后经过图像解码块D得到去模糊图像；图像细节恢复模块只包含具有残差结构的卷积特征提取层，网络特征图大小与输入大小保持相同，只进行模糊图像高阶特征的提取和融合，为最终的图像恢复过程提供高频信息；特征融合模块包含一个图像合并模块和一个卷积层。
-
-
-
-
-
-
Search Results
7
records
(took 0.024 seconds)
