-
公开(公告)号：CN113538443B
公开(公告)日：2024-04-05
申请号：CN202110624856.6
申请日：2021-06-04
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种使用过滤融合的图像分割方法，首先使用编码器网络对图像编码，编码后能够获得m个层级的特征；然后在解码器中使用过滤融合模块融合特征。将高一层级特征conv后sigmoid，然后升采样作为权重乘以当前层级特征，作为当前层级过滤后的特征，然后将高一层级特征升采样后conv处理，然后与该特征在通道维连接，并用conv处理，得到当前层级融合后的特征；最后使用损失函数对该网络模型优化；本发明所述的方法，可以提高图像显著目标检测的效果。通过过滤融合模块的使用，可以有效融合不同层级特征。
-
公开(公告)号：CN112053311B
公开(公告)日：2024-10-08
申请号：CN202010777955.3
申请日：2020-08-05
Applicant: 杭州电子科技大学
IPC: G06T5/30 , G06T7/11 , G06N3/0464 , G06V10/774 , G06V10/82 , G06T5/60 , G06V10/26
Abstract: 本发明提供一种基于膨胀卷积的图像分割方法，首先构建图像分割网络；然后通过在图像分割网络中进行膨胀卷积操作，完成图像分割；最后选择训练集数据，训练图像分割网络。本发明方法，可以提高图像分割的性能。通过改变膨胀比率的大小，可以有效控制卷积核的感受野，从而提取出多尺度的图像特征。将不同尺度的特征图进行组合，能充分利用图像中的信息，有助于提高图像分割准确度。
-
公开(公告)号：CN113935404B
公开(公告)日：2025-02-11
申请号：CN202111120902.5
申请日：2021-09-24
Applicant: 杭州电子科技大学
IPC: G06V10/776 , G06V10/774
Abstract: 本发明公开了一种光场显著性检测数据集清晰度评价方法。首先通过显著性区域掩膜制作三个掩膜，并获取对应的窗函数；通过掩膜A获得光场焦堆栈图像显著性区域图像；用傅里叶变换将焦堆栈显著性区域图像从空域转换到频域，获得其频谱信息；对显著性区域高频信息进行傅里叶反变换，得到空域图像；用腐蚀的掩膜B截取空域高频部分，计算高频图像灰度值之和，用以表示焦堆栈图像显著性区域高频能量值大小；对堆栈图像显著性区域高频能量值进行归一化，用来表示该图片的训练权重。本发明针对数据集焦堆栈中显著性区域进行清晰程度判定，并以此作为焦堆栈中该图片训练权重的评价标准，显著性区域越清晰，则该图片的训练权重越高。
-
公开(公告)号：CN113538442B
公开(公告)日：2024-04-09
申请号：CN202110624851.3
申请日：2021-06-04
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种使用自适应特征融合的RGB‑D显著目标检测方法，首先使用2个结构相同的编码器网络分别对RGB图像和Depth图像这2个数据流编码，编码后对2个数据流分别获得m个层级的特征；然后在RGB和Depth两个数据流的解码过程中分别使用自适应特征融合；在联合数据流中对2个数据流的特征融合；最后使用损失函数对该网络模型优化。本发明所述的方法，可以提高RGB‑D显著目标检测的效果。通过使用自适应特征融合，可以有效融合数据流内不同层级的特征。通过使用数据流间特征融合方法，可以有效融合2个数据流的特征。
-
公开(公告)号：CN113538442A
公开(公告)日：2021-10-22
申请号：CN202110624851.3
申请日：2021-06-04
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种使用自适应特征融合的RGB‑D显著目标检测方法，首先使用2个结构相同的编码器网络分别对RGB图像和Depth图像这2个数据流编码，编码后对2个数据流分别获得m个层级的特征；然后在RGB和Depth两个数据流的解码过程中分别使用自适应特征融合；在联合数据流中对2个数据流的特征融合；最后使用损失函数对该网络模型优化。本发明所述的方法，可以提高RGB‑D显著目标检测的效果。通过使用自适应特征融合，可以有效融合数据流内不同层级的特征。通过使用数据流间特征融合方法，可以有效融合2个数据流的特征。
-
Patent Agency Ranking
公开(公告)号：CN114078192A
公开(公告)日：2022-02-22
申请号：CN202111265255.7
申请日：2021-10-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种使用动态权重融合的焦堆栈显著目标检测方法，首先构建焦堆栈显著目标检测网络；然后使用编码器网络依次对焦堆栈样本中的12张焦片进行编码，编码后12张焦片分别获得m个层级的特征；对m个层级，分别使用动态权重融合模块融合12张焦片特征；使用逐层特征融合模块融合相邻层特征；最后使用损失函数对焦堆栈显著目标检测网络进行优化；本发明所述的方法，可以提高焦堆栈显著目标检测的效果。通过使用动态权重融合，可以有效融合12张焦片的特征。
-
公开(公告)号：CN113538443A
公开(公告)日：2021-10-22
申请号：CN202110624856.6
申请日：2021-06-04
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种使用过滤融合的图像分割方法，首先使用编码器网络对图像编码，编码后能够获得m个层级的特征；然后在解码器中使用过滤融合模块融合特征。将高一层级特征conv后sigmoid，然后升采样作为权重乘以当前层级特征，作为当前层级过滤后的特征，然后将高一层级特征升采样后conv处理，然后与该特征在通道维连接，并用conv处理，得到当前层级融合后的特征；最后使用损失函数对该网络模型优化；本发明所述的方法，可以提高图像显著目标检测的效果。通过过滤融合模块的使用，可以有效融合不同层级特征。
-
公开(公告)号：CN113935404A
公开(公告)日：2022-01-14
申请号：CN202111120902.5
申请日：2021-09-24
Applicant: 杭州电子科技大学
IPC: G06K9/62 , G06V10/776 , G06V10/774
Abstract: 本发明公开了一种光场显著性检测数据集清晰度评价方法。首先通过显著性区域掩膜制作三个掩膜，并获取对应的窗函数；通过掩膜A获得光场焦堆栈图像显著性区域图像；用傅里叶变换将焦堆栈显著性区域图像从空域转换到频域，获得其频谱信息；对显著性区域高频信息进行傅里叶反变换，得到空域图像；用腐蚀的掩膜B截取空域高频部分，计算高频图像灰度值之和，用以表示焦堆栈图像显著性区域高频能量值大小；对堆栈图像显著性区域高频能量值进行归一化，用来表示该图片的训练权重。本发明针对数据集焦堆栈中显著性区域进行清晰程度判定，并以此作为焦堆栈中该图片训练权重的评价标准，显著性区域越清晰，则该图片的训练权重越高。
-
公开(公告)号：CN112053311A
公开(公告)日：2020-12-08
申请号：CN202010777955.3
申请日：2020-08-05
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于膨胀卷积的图像分割方法，首先构建图像分割网络；然后通过在图像分割网络中进行膨胀卷积操作，完成图像分割；最后选择训练集数据，训练图像分割网络。本发明方法，可以提高图像分割的性能。通过改变膨胀比率的大小，可以有效控制卷积核的感受野，从而提取出多尺度的图像特征。将不同尺度的特征图进行组合，能充分利用图像中的信息，有助于提高图像分割准确度。
-
公开(公告)号：CN110889174A
公开(公告)日：2020-03-17
申请号：CN201910988558.8
申请日：2019-10-17
Applicant: 杭州电子科技大学
IPC: G06F30/17
Abstract: 本发明提供一种基于分组稀疏性的动态载荷识别方法。本发明的方法首先将动载荷识别的三维问题转化为二维问题，然后选择合适的惩罚函数，并对结构上的点按位置进行分组。最后使用G-FISTA方法优化求解，得到最优的动态载荷向量。本发明所述的方法，对于不便于直接安装力传感器测量动载荷的情形，是非常有帮助的。只需测量结构上几个点的振动加速度，在已知结构频响函数的前提下，即可间接获得结构上的动载荷。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.022 seconds)
