-
公开(公告)号：CN107481244B
公开(公告)日：2020-09-25
申请号：CN201710535729.2
申请日：2017-07-04
Applicant: 昆明理工大学
Abstract: 本发明涉及一种工业机器人视觉语义分割数据库制作方法，属于数字图像处理技术领域。本发明采集机械零件和工具不同背景、不同样本的图像若干副；将图像中出现的每一种类别的目标区域和背景抠图处理，再进行填充，并对目标区域进行描边操作；再将图像中背景区域和类别区域的像素值归类，将图像转换为cdata格式，将cdata图像与colormap叠加，完成原图像Ground‑truth制作。本发明建立的数据库可用于深度学习网络模型训练、验证、检测，完成深度学习网络对常见常用机械零件和工具的检测识别任务；此外能根据实际需要，建立多种类别的数据库，以满足多类别目标检测和识别任务。
-
公开(公告)号：CN107451601A
公开(公告)日：2017-12-08
申请号：CN201710535931.5
申请日：2017-07-04
Applicant: 昆明理工大学
CPC classification number: G06K9/627 , G06N3/0454 , G06N3/08
Abstract: 本发明涉及基于时空上下文全卷积网络的运动工件识别方法，属数字图像处理目标检测识别领域。本发明利用目标图像数据库对全卷积神经网络进行训练获得待分类目标分类器；再利用背景差分法、数字图像处理形态学方法获得视频序列第一帧中目标的初始位置，根据初始位置利用时空上下文模型目标跟踪方法对待跟踪目标进行跟踪，通过精确度图验证目标跟踪精度；最后，将跟踪结果利用训练好的分类器进行分类识别，实现语义级分割，从而得到目标类别。本发明用背景差分法和数字图像处理形态学方法能够有效、自动获取运动目标的初始位置，能够实现对传送带上运动工件的跟踪和识别，提高了工业机器人的自动化程度和智能化程度。
-
公开(公告)号：CN106506901B
公开(公告)日：2019-05-10
申请号：CN201610828008.6
申请日：2016-09-18
Applicant: 昆明理工大学
Abstract: 本发明涉及一种显著性视觉注意模型的混合式数字图像半色调方法，属于图像处理技术领域。本发明应用一种自下而上的视觉选择性注意模型，从输入图像中通过高斯金字塔和“中心‑周边”算子计算得出图像强度、颜色和方向的特征图。各个特征图经过归一化后被叠加成总的显著度图，提取图像的感兴趣区域ROIs。在ROIs采用一种基于模型的加权最小二乘半色调迭代方法进行图像的半色调化。在非感兴趣区域采用基于色调的误差扩散法进行半色调图像的转化，图像的两个区域进行半色调的并行计算。应用基于选择性注意模型的质量评价方法客观评价数字图像半色调的性能，并对算法复杂度进行分析，进而得到最优半色调图像。
-
Patent Agency Ranking
公开(公告)号：CN107481244A
公开(公告)日：2017-12-15
申请号：CN201710535729.2
申请日：2017-07-04
Applicant: 昆明理工大学
Abstract: 本发明涉及一种工业机器人视觉语义分割数据库制作方法，属于数字图像处理技术领域。本发明采集机械零件和工具不同背景、不同样本的图像若干副；将图像中出现的每一种类别的目标区域和背景抠图处理，再进行填充，并对目标区域进行描边操作；再将图像中背景区域和类别区域的像素值归类，将图像转换为cdata格式，将cdata图像与colormap叠加，完成原图像Ground-truth制作。本发明建立的数据库可用于深度学习网络模型训练、验证、检测，完成深度学习网络对常见常用机械零件和工具的检测识别任务；此外能根据实际需要，建立多种类别的数据库，以满足多类别目标检测和识别任务。
-
公开(公告)号：CN106506901A
公开(公告)日：2017-03-15
申请号：CN201610828008.6
申请日：2016-09-18
Applicant: 昆明理工大学
CPC classification number: H04N1/405 , G06T5/001 , G06T2207/20016
Abstract: 本发明涉及一种显著性视觉注意模型的混合式数字图像半色调方法，属于图像处理技术领域。本发明应用一种自下而上的视觉选择性注意模型，从输入图像中通过高斯金字塔和“中心-周边”算子计算得出图像强度、颜色和方向的特征图。各个特征图经过归一化后被叠加成总的显著度图，提取图像的感兴趣区域ROIs。在ROIs采用一种基于模型的加权最小二乘半色调迭代方法进行图像的半色调化。在非感兴趣区域采用基于色调的误差扩散法进行半色调图像的转化，图像的两个区域进行半色调的并行计算。应用基于选择性注意模型的质量评价方法客观评价数字图像半色调的性能，并对算法复杂度进行分析，进而得到最优半色调图像。
-
公开(公告)号：CN106296728A
公开(公告)日：2017-01-04
申请号：CN201610598992.1
申请日：2016-07-27
Applicant: 昆明理工大学
IPC: G06T7/20
CPC classification number: G06T2207/10016 , G06T2207/20081 , G06T2207/20084
Abstract: 本发明涉及一种基于全卷积网络的非限制场景中运动目标快速分割方法，属于视频对象分割技术领域。本发明首先，对视频进行分帧，利用分帧后的结果制作样本图像的Ground Truth集合S；采用通过PASCAL VOC标准库训练的全卷积神经网络对视频各帧中的目标进行预测，获取图像前景目标的深层特征估计子，据此得到所有帧中目标最大类间似然映射信息，实现对视频帧中的前景和背景的初步预测；然后，通过马尔科夫随机场对前景和背景的深层特征估计子进行精细化，从而实现对非限制场景视频中视频前景运动目标的分割。本发明能够有效地获取运动目标的信息，以实现对运动目标的高效、准确分割，提高视频前景-背景信息的分析精度。
-
公开(公告)号：CN106296728B
公开(公告)日：2019-05-14
申请号：CN201610598992.1
申请日：2016-07-27
Applicant: 昆明理工大学
IPC: G06T7/215
Abstract: 本发明涉及一种基于全卷积网络的非限制场景中运动目标快速分割方法，属于视频对象分割技术领域。本发明首先，对视频进行分帧，利用分帧后的结果制作样本图像的Ground Truth集合S；采用通过PASCAL VOC标准库训练的全卷积神经网络对视频各帧中的目标进行预测，获取图像前景目标的深层特征估计子，据此得到所有帧中目标最大类间似然映射信息，实现对视频帧中的前景和背景的初步预测；然后，通过马尔科夫随机场对前景和背景的深层特征估计子进行精细化，从而实现对非限制场景视频中视频前景运动目标的分割。本发明能够有效地获取运动目标的信息，以实现对运动目标的高效、准确分割，提高视频前景‑背景信息的分析精度。
-
公开(公告)号：CN206206934U
公开(公告)日：2017-05-31
申请号：CN201621169788.X
申请日：2016-10-26
Applicant: 昆明理工大学
Abstract: 本实用新型涉及一种高精度的便捷图像采集平台，属于图像处理技术领域。本实用新型包括移动轮、支架、载物平面、载物平面固定器、工业相机固定器、附加件固定器，通过调整相机、载物平面以及附加件位置可以方便获取数据采集需要的角度、垂直、水平位置，在调整相机、载物平面以及附加件位置时，可通过读取相应的刻度了保证采集数据准确性，实现多角度图像采集的便捷功能，并且整个平台材料采用铝型材，造价低廉，结构简单，集成度较高，组装方便，操作便捷，提高了图像采集的工作效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
