-
公开(公告)号：CN110706234B
公开(公告)日：2022-05-13
申请号：CN201910950415.8
申请日：2019-10-08
Applicant: 浙江工业大学
Abstract: 本发明公开了一种图像的自动精细分割方法，包括以下步骤：1)通过具有实例分割功能的Mask RCNN算法对输入的原始图像进行初步的分割，得到初始掩膜；2)通过SLIC超像素分割算法对原始图像进行超像素分割得到超像素块，并结合超像素块对初始掩膜的边缘进行扩展；3)结合扩展后的掩膜和初始掩膜进行形态学操作得到GrabCut算法分割的初始三元图；4)利用改进的GrabCut算法建立高斯混合模型，并反复迭代高斯混合模型参数，最后利用最大流最小割算法得到最优目标分割结果。本发明分割所得到的物体掩膜，分割效果在直观上能保证物体的完整性，基本能够将物体的所有信息都分割出来，边缘精度较高，具有很好的视觉效果。
-
公开(公告)号：CN108650509B
公开(公告)日：2020-08-18
申请号：CN201810293916.9
申请日：2018-04-04
Applicant: 浙江工业大学
IPC: H04N19/14 , H04N19/146 , H04N19/124 , H04N19/85 , G06T9/00
Abstract: 一种多尺度自适应近似无损编解码方法，包括以下步骤：1)将原图像划分为多个大小不同的尺度层级，使用多尺度特征提取器提取不同尺度下的图像特征；2)由细节编码器对不同尺度下的图像特征进行编码，获得原图像的细节隐变量；3)由趋势编码器对最后一层图像特征进行编码，获得原图像的趋势编码隐变量，与细节隐变量共同构成原图像的近似无损编码；4)对趋势隐变量进行解码，获得原图像的模糊轮廓；5)对细节隐变量进行解码，获得原图像的细节信息；6)将解码得到的模糊轮廓与细节信息累加，得到原图像的近似无损还原。以及提供一种多尺度自适应近似无损编解码系统。本发明提高图像的压缩率并解决图像压缩过程中细节丢失的问题。
-
公开(公告)号：CN108629134B
公开(公告)日：2022-05-03
申请号：CN201810446278.X
申请日：2018-05-11
Applicant: 浙江工业大学
Abstract: 一种在流形上小领域的相似性强化方法，包括以下步骤：1)图像随机扰动：对输入的图像按照一定的扰动强度进行扰动，输出一张经过扰动后的全新的图像；2)隐变量随机扰动：输入经编码后生成的隐变量，根据一定的扰动强度对隐变量进行扰动，输出经过扰动后的隐变量；3)流形构造：将图像映射到一个平滑的流形上，在同样扰动强度的前提下，同一张图像经所述两种扰动技术生成的两张图像近乎相似。本发明提供一种在流形上小领域的相似性强化方法，实现参数化方法的新颖性约束，一方面增加流行上小邻域内的解的相似性，另一方面，为流形增加更多的新颖解，降低劣质解的占比。
-
公开(公告)号：CN108573287B
公开(公告)日：2021-10-29
申请号：CN201810446279.4
申请日：2018-05-11
Applicant: 浙江工业大学
Abstract: 一种基于深度神经网络的图像编解码器的训练方法，所述训练方法包括以下步骤：第一步、空间解耦：用于解除编解码器和生成模型的耦合，并解除隐变量编码与重建模块的耦合；第二步，时间分治：在训练编解码器的不同阶段优化不同的损失函数并使用不同的学习速率来提高训练的速度与稳定性。本发明提供了一种有效避免多个误差函数相互干扰的基于深度神经网络的图像编解码器的训练方法。
-
公开(公告)号：CN111723905A
公开(公告)日：2020-09-29
申请号：CN202010433975.9
申请日：2020-05-21
Applicant: 浙江工业大学
Abstract: 一种基于线性规划的卷积神经网络自动配置方法，包括以下步骤：第一步、获取维度信息，即所需配置的卷积神经网络中各个网络层的输入及输出特征图的长、宽和通道数，如果是三维卷积神经网络则还需增加一个维度，此外为配合可能的网络结构优化算法，所获取的信息还包括其可能的参数；第二步、配合所获取的信息，求解针对不同卷积神经网络类别而设计的线性规划问题，即可获得目标卷积神经网络层的配置参数，包括已知的输入及输出通道数、卷积核维度、卷积操作的位移量和卷积填充尺寸。本发明只需给定特征图的维度即可生成有效的卷积神经网络配置，如配合遗传算法来优化神经网络结构，则可以降低遗传编码的维度，提高遗传算法的执行效率。
-
Patent Agency Ranking
公开(公告)号：CN110706234A
公开(公告)日：2020-01-17
申请号：CN201910950415.8
申请日：2019-10-08
Applicant: 浙江工业大学
Abstract: 本发明公开了一种图像的自动精细分割方法，包括以下步骤：1)通过具有实例分割功能的Mask RCNN算法对输入的原始图像进行初步的分割，得到初始掩膜；2)通过SLIC超像素分割算法对原始图像进行超像素分割得到超像素块，并结合超像素块对初始掩膜的边缘进行扩展；3)结合扩展后的掩膜和初始掩膜进行形态学操作得到GrabCut算法分割的初始三元图；4)利用改进的GrabCut算法建立高斯混合模型，并反复迭代高斯混合模型参数，最后利用最大流最小割算法得到最优目标分割结果。本发明分割所得到的物体掩膜，分割效果在直观上能保证物体的完整性，基本能够将物体的所有信息都分割出来，边缘精度较高，具有很好的视觉效果。
-
公开(公告)号：CN108573287A
公开(公告)日：2018-09-25
申请号：CN201810446279.4
申请日：2018-05-11
Applicant: 浙江工业大学
Abstract: 一种基于深度神经网络的图像编解码器的训练方法，所述训练方法包括以下步骤：第一步、空间解耦：用于解除编解码器和生成模型的耦合，并解除隐变量编码与重建模块的耦合；第二步，时间分治：在训练编解码器的不同阶段优化不同的损失函数并使用不同的学习速率来提高训练的速度与稳定性。本发明提供了一种有效避免多个误差函数相互干扰的基于深度神经网络的图像编解码器的训练方法。
-
公开(公告)号：CN110533066B
公开(公告)日：2021-12-17
申请号：CN201910655806.7
申请日：2019-07-19
Applicant: 浙江工业大学
Abstract: 一种基于深度神经网络的图像数据集自动构建方法，所述图像数据集自动构建方法包括以下步骤：第一步、获取图片：根据目标类别确定需要检索的关键字信息，使用计算机自动程序在互联网上检索出包含关键字的图片并保存下来；第二步、图像清洗：通过使用或改良目前流行的深度神经网络将保存下来的关键字图片与过渡数据集中的类别建立联系，筛选出有价值的建议区域图像；第三步、基于类别层次的数据集构建：针对保存下来的建议区域图像，根据关键字，过渡类别和目标类别的从属关系进行整合操作，输出目标图像数据集。本发明提供了一种可以解决图像识别领域中面临着训练样本数量不够，类型不够丰富的基于深度神经网络的图像数据集自动构建方法。
-
公开(公告)号：CN108197627B
公开(公告)日：2020-07-28
申请号：CN201711120452.3
申请日：2017-11-14
Applicant: 浙江工业大学
Abstract: 本发明公开了一种沿顺时针方向提取二值图形轮廓的方法，它通过对二值图片进行腐蚀和膨胀及细节修补操作；剔除非轮廓部分；对残差图片执行宽度优先搜索程序，获得闭合曲线列表；回溯算法输出一个曲线队列；最后进行曲线队列调整，得到沿顺时针方向提取的二值图形轮廓。本发明通过采用上述方法只要给定任意二值图形图片，沿顺时针方向排列的像素点坐标可以直接输入到计算机辅助设计软件中，软件可以根据坐标重构所设计的零件的轮廓外形，提高了零件设计效率；其算法执行过程中几乎无需人工干预，可以使用其他软件或算法生成的二值图形，使得该本发明可以作为连接不同算法和计算机辅助设计软件的桥梁，有助于实现零件设计的自动化。
-
公开(公告)号：CN108629134A
公开(公告)日：2018-10-09
申请号：CN201810446278.X
申请日：2018-05-11
Applicant: 浙江工业大学
Abstract: 一种在流形上小领域的相似性强化方法，包括以下步骤：1)图像随机扰动：对输入的图像按照一定的扰动强度进行扰动，输出一张经过扰动后的全新的图像；2)隐变量随机扰动：输入经编码后生成的隐变量，根据一定的扰动强度对隐变量进行扰动，输出经过扰动后的隐变量；3)流形构造：将图像映射到一个平滑的流形上，在同样扰动强度的前提下，同一张图像经所述两种扰动技术生成的两张图像近乎相似。本发明提供一种在流形上小领域的相似性强化方法，实现参数化方法的新颖性约束，一方面增加流行上小邻域内的解的相似性，另一方面，为流形增加更多的新颖解，降低劣质解的占比。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.02 seconds)
