-
公开(公告)号：CN113793276A
公开(公告)日：2021-12-14
申请号：CN202111028335.0
申请日：2021-09-02
Applicant: 清华大学
Abstract: 本申请提出了一种根据模糊严重程度对图片分区域自适应去模糊的方法，涉及图片去模糊技术领域，其中，该方法包括：获取待测试图片，使用长宽固定的滑窗将待测试图片分割为互不重叠的小区块；对小区块进行模糊感知，完成分类，得到分类结果；根据分类结果对相应的小区块进行去模糊，得到清晰的小区块；对清晰的小区块进行融合，生成清晰图片。采用上述方案的本申请可以显著改善图片的模糊，提升图片质量，更好的解决清晰图片和轻微模糊图片的处理问题，同时采用分块处理图片的方法更好的推进本申请在移动端的部署。
-
Patent Agency Ranking
公开(公告)号：CN114240764B
公开(公告)日：2024-04-23
申请号：CN202111342163.4
申请日：2021-11-12
Applicant: 清华大学
IPC: G06T5/73 , G06N3/0464 , G06N3/098
Abstract: 本申请提出了一种去模糊卷积神经网络训练方法、装置、设备及存储介质，其中，方法包括：获取模糊图像训练集，模糊图像训练集包括局部模糊训练集和全局模糊训练集；构建初始去模糊卷积神经网络，包括模糊区域感知网络和去模糊网络；其中去模糊网络包括模糊区域感知注意力模块和去模糊模块；将局部模糊训练集分别对模糊区域感知网络和模糊区域感知注意力模块进行训练，并将模糊图像训练集输入至去模糊模块进行训练，得到中间去模糊卷积神经网络；将局部模糊训练集和全局模糊训练集交替输入中间去模糊卷积神经网络，进行联合训练，得到最终的去模糊卷积神经网络。该方法使去模糊卷积神经网络更满足实际应用场景，提高去模糊效果。
-
公开(公告)号：CN111274991A
公开(公告)日：2020-06-12
申请号：CN202010088234.1
申请日：2020-02-12
Applicant: 清华大学
Abstract: 本发明公开了一种行人检测识别系统、方法、设备及计算机可读存储介质，所述系统包括：视频采样模块，用于对监控摄像头输入的视频流进行抽帧处理，得到采样图片；滑窗分割模块，用于通过预定大小的滑动窗口以预定步长沿采样图片的宽/高进行分割，获取多个图片区域；分块检测模块，用于调用预先训练好的行人检测模型对每个图片区域进行行人检测，得到各个图片区域的行人检测结果；结果融合模块，用于将不同图片区域的行人检测结果进行融合，得到最终的行人检测识别结果。本发明能够在监控摄像头阵列获取的图片下具有有良好的检测效果。
-
公开(公告)号：CN113793276B
公开(公告)日：2024-04-26
申请号：CN202111028335.0
申请日：2021-09-02
Applicant: 清华大学
Abstract: 本申请提出了一种根据模糊严重程度对图片分区域自适应去模糊的方法，涉及图片去模糊技术领域，其中，该方法包括：获取待测试图片，使用长宽固定的滑窗将待测试图片分割为互不重叠的小区块；对小区块进行模糊感知，完成分类，得到分类结果；根据分类结果对相应的小区块进行去模糊，得到清晰的小区块；对清晰的小区块进行融合，生成清晰图片。采用上述方案的本申请可以显著改善图片的模糊，提升图片质量，更好的解决清晰图片和轻微模糊图片的处理问题，同时采用分块处理图片的方法更好的推进本申请在移动端的部署。
-
公开(公告)号：CN114240764A
公开(公告)日：2022-03-25
申请号：CN202111342163.4
申请日：2021-11-12
Applicant: 清华大学
Abstract: 本申请提出了一种去模糊卷积神经网络训练方法、装置、设备及存储介质，其中，方法包括：获取模糊图像训练集，模糊图像训练集包括局部模糊训练集和全局模糊训练集；构建初始去模糊卷积神经网络，包括模糊区域感知网络和去模糊网络；其中去模糊网络包括模糊区域感知注意力模块和去模糊模块；将局部模糊训练集分别对模糊区域感知网络和模糊区域感知注意力模块进行训练，并将模糊图像训练集输入至去模糊模块进行训练，得到中间去模糊卷积神经网络；将局部模糊训练集和全局模糊训练集交替输入中间去模糊卷积神经网络，进行联合训练，得到最终的去模糊卷积神经网络。该方法使去模糊卷积神经网络更满足实际应用场景，提高去模糊效果。
-
公开(公告)号：CN113112479A
公开(公告)日：2021-07-13
申请号：CN202110406473.1
申请日：2021-04-15
Applicant: 清华大学
Abstract: 本发明提出一种基于关键区块提取的渐进式目标检测方法和装置，其中，方法包括：获取待处理图像，并获取待处理图像的图像摘要信息；将图像摘要信息输入已训练的关键区块提取模型，获取关键区块列表；对关键区块列表中每个候选区块进行目标检测，获取每个候选区块的位置信息和类别信息；将每个候选区块的位置信息和类别信息根据每个候选区块的位置信息映射回全局坐标，并执行冗余检测结果移除操作，输出检测结果。由此，实现在像素信息量巨大的十亿像素图片中，快速并且准确地检测出各种尺度大小的物体目标，使得针对十亿像素图片的目标检测任务能够在近实时的速度下完成，并保证可靠的检测精度，保证后续视觉分析任务能够高效进行。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
