-
公开(公告)号:CN115690444A
公开(公告)日:2023-02-03
申请号:CN202211237887.7
申请日:2022-10-11
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于深度学习的轻量级图像线段提取及描述方法。本发明针对现有基于深度学习的线段检测方法计算量大的问题。采用轻量级骨干网络作为特征提取网络;使用线段提取和描述同步进行的网络架构,共享了大部分网络参数;将两个分支集成进行端到端训练;以起点、中心点和终点作为线段的最小表示,提高后处理速度;本发明在提高速度的同时保证了精度。
-
公开(公告)号:CN117496403A
公开(公告)日:2024-02-02
申请号:CN202311458880.2
申请日:2023-11-03
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V20/40 , G06V20/70 , G06V10/22 , G06V10/25 , G06V10/26 , G06V10/762 , G06T7/143 , G06T7/194 , G06T7/215 , G06N5/04
Abstract: 本发明公开了基于时空记忆推理的视频目标分割方法,包括以下步骤:S1:时空记忆的分隔:将视频图像进行预处理,对视频的帧数进行逐帧分隔,并进行逐帧保存;S2:针对图像进行隔离:将标记好的逐帧图像进行隔离,并对隔离点进行二次标记;S3:背景移除或运动目标提取:通常假定摄像机静止或运动缓慢,然后自动分割出运动的前景目标;S4:视频语义分割:是图像语义分割的拓展。本发明可以基于时空记忆推理来对视频目标进行分割,且分割的更准确,图像切割后,切换的效果更好,利于视频目标的分割,并提升视频目标的条理性,并易于发现错误和漏洞,解决了现有技术中不能基于时空记忆推理对视频目标进行分割,且不利于整理和规划的问题。
-