-
公开(公告)号：CN115937737A
公开(公告)日：2023-04-07
申请号：CN202211371436.2
申请日：2022-11-03
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明提供了一种可扩展的增量式草坪视频分割方法、装置。通过对初始数据集执行第一处理，对Segformer模型进行训练，获得第一Segformer模型；对补充数据集执行第二处理，对第一Segformer模型进行训练，获得第二Segformer模型；获取历史采集的草坪场景的全景视频，并对全景视频执行抽帧展开以及锐化处理，获取展开图像集并对第二Segformer模型进行训练，获得第三Segformer模型；基于所述第二Segformer模型、或第三Segformer模型对后续草坪场景的视频执行语义分割处理。相比于现有技术，能够获取较多的带标签的草坪图像，同时对全景相机拍摄的全景图片使用极坐标展开、锐化等处理，并提出根据不同的视频执行基于不同的模型检测，提高全景图片的语义分割效果。
-
公开(公告)号：CN115761032A
公开(公告)日：2023-03-07
申请号：CN202211524778.3
申请日：2022-11-29
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06T11/00 , G06T5/00 , G06V10/774 , G06N3/0464 , G06N3/094
Abstract: 本发明属于计算机视觉中的图像生成技术领域，公开了一种基于小波噪声平滑的高保真图像生成方法及系统，该方法主要包含：S1：初始化随机噪声并进行适配输入图像尺寸的采样(Sampling)；S2：基于小波滤波及滤波选择的噪声平滑及虚拟样本生成；S3：生成器对抗网络(GAN)训练。本发明通过小波滤波技术，经过创新的滤波选择，实现生成式网络生成噪声的平滑，从而更有利于生成更高保真度的高清图像，这有利于优化生成式对抗网络的图像生成应用。
-
公开(公告)号：CN115729898A
公开(公告)日：2023-03-03
申请号：CN202211504610.6
申请日：2022-11-29
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06F16/16 , G06F16/178
Abstract: 本发明提供了一种基于shp文件的多框标注文件生成算法，包括以下步骤：读取shp文件信息。加载shp标注文件，得到一个几何对象列表。遍历几何对象，记当前对象为main，获取main对象的数据；遍历几何对象，记当前对象为inner，进行判断和处理。遍历几何对象，记当前对象为sub，进行判断和处理。得到每一个几何对象及其邻近的几何对象的json格式的标注文件，每个标注文件至少包含number个几何对象。根据指定的包含几何框数量的不同，该方法可以生成不同大小和规模的json格式的标注信息。本发明利用shp文件构建训练数据集的标注图片，可以指定每张标注图片至少中包含几个完整的几何框，以达到用有限的数据产生多样的训练图片的目的。
-
公开(公告)号：CN117593581A
公开(公告)日：2024-02-23
申请号：CN202311617853.5
申请日：2023-11-28
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/764 , G06V10/26 , G06V10/778
Abstract: 本发明属于图像分类数据增广技术领域，公开了一种基于零样本分割通用视觉大模型的图像分类数据增广方法。本发明利用通用视觉模型的零样本分割能力，对图像分类数据集进行数据增广，能够有效地增加图像分类数据集的多样性，从而提高分类模型的泛化性能。本发明的方法简单易实现，不需要额外的标注数据，只需要输入一个提示框范围值，就能够对图像进行数据增广，节省了人力和时间成本。本发明的方法具有通用性，可以适用于不同的通用视觉模型和图像分类数据集，提高了数据增广的灵活性和可扩展性。
-
公开(公告)号：CN115861815A
公开(公告)日：2023-03-28
申请号：CN202211570371.4
申请日：2022-12-07
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V20/10 , G06V10/25 , G06V10/764 , G06V10/82 , G06N3/084 , G06N3/0442 , G06N3/0464
Abstract: 本申请涉及图像识别技术领域，提供了一种基于图像分割的地理图像标注识别方法、装置、计算机设备和存储介质。该方法包括：通过获取待识别的地理图像，该地理图像中包括地理要素的初始标注，通过图像分割模型进行推理，得到地理图像中的地理要素的推理标注，根据初始标注和推理标注的对比结果，得到该地理要素的初始标注的识别结果。其中，该图像分割模型时根据校对过标注的地理图像数据集训练得到的，用于识别单一类型的地理要素的模型，每个模型仅识别一种类型的地理要素，避免地理图像上要素交错复杂、难以识别的情形，提高地理要素标注识别的准确性和效率。
-
Patent Agency Ranking
公开(公告)号：CN115731479A
公开(公告)日：2023-03-03
申请号：CN202211504634.1
申请日：2022-11-29
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V20/17 , G06V20/10 , G06V10/26 , G06V10/774
Abstract: 本发明提供了一种基于航拍全要素地理图像构建数据集的方法，包括以下步骤：加载shp标注文件，获取每个地理要素的形状信息shape和属性信息record，得到一个地理要素列表。遍历地理要素列表，对每一个地理要素进行处理并生成图片。将jpg格式的图片和png格式的分割掩码图片整理到两个文件夹，并对每一个地理要素的jpg图片和png图片做同步压缩，即得到包含彩色图片和灰度标注的数据集。本发明提出了一种基于航拍全要素地理图像构建数据集的方法，将专业领域的业务数据在没有额外人工标注成本的情况下转化成可用于深度学习训练的数据集，充分挖掘了该专业领域的业务数据的价值，为后续的农田识别和分割等其他深度学习模型在该领域的应用提供了数据基础。
-
公开(公告)号：CN118587525A
公开(公告)日：2024-09-03
申请号：CN202410631541.8
申请日：2024-05-21
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/774 , G06V10/26
Abstract: 本发明属于计算机视觉技术领域，公开了一种基于普通分割图像的变化检测图像数据集构建方法及系统，包括：选取一张目标风格的图片style；构造差异变化，生成时序图片；构造变化检测标注；转化时序图片风格；构造变化检测数据集。本发明利用普通的单张分割图像数据集进行构建，简化了数据集的构建流程，减少了获取和标注变化检测图像的工作量和成本；结合风格迁移技术和随机擦除技术，构建更多样化和时序化的变化检测图像数据集，提高变化检测算法的性能和准确度。
-
公开(公告)号：CN118447413A
公开(公告)日：2024-08-06
申请号：CN202410420556.X
申请日：2024-04-09
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V20/17 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于图像分割和数据增广技术领域，公开了一种基于视觉通用大模型的地理航拍影像分割数据增广方法，获取原始地理航拍影像数据集；对于原始地理航拍影像数据集中的每一张影像，使用零样本分割大模型和原始标注进行数据增广；将生成的增广标注命名上添加aug后缀，将原始图像数据复制一份并添加aug后缀，然后合并两份数据形成一个增广后的地理航拍影像数据集；使用深度学习模型对增广后的地理航拍影像数据集进行训练和分割，得到最终的地理航拍影像分割模型；利用地理航拍影像分割模型，对新的地理航拍数据进行自动分割。本发明降低了人工操作的复杂度；减少了计算的复杂度，降低了计算资源的消耗，提高了地理分割的准确度。
-
公开(公告)号：CN118038456A
公开(公告)日：2024-05-14
申请号：CN202311631160.1
申请日：2023-11-30
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V20/70 , G06V20/40 , G06V20/10 , G06V10/774 , G06V10/32
Abstract: 本发明属于计算机视觉技术领域，公开了一种多源数据交叉的草坪数据集构建方法及系统，包括：从开源数据集中提取带有草坪标签或者包含草坪区域的图片，作为第一种来源；从实际场景拍摄的视频中提取有用帧，并进行标注，作为第二种来源；利用AIGC生成带有草坪区域和相应标签的图片作为第三种来源；将三种来源的图片进行交叉组合，并进行筛选和校验，得到最终的草坪数据集。本发明利用多种来源的图片交叉构建一个高质量、高覆盖度、高多样性的草坪数据集，提高了数据集的可靠性和泛化能力。
-
公开(公告)号：CN115719355A
公开(公告)日：2023-02-28
申请号：CN202211472541.5
申请日：2022-11-22
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明属于人工智能、数字图像处理技术领域，公开了一种可扩展的农田边界规整简化方法、系统、设备及终端，确定待分割的农田类别列表；使用已有的标注训练分割模型，得到所有农田的分割mask；对分割mask进行二值化处理，得到二值化图像；对二值化图像进行数字图像处理，提取各连通域的轮廓；使用图像处理得到的轮廓信息进行多边形近似并除去多余冗余点，获得农田边界表示。本发明的提取局部农田规整边界的处理方法，将使用深度学习分割得到的农田分割结果，使用传统图像处理方法并佐以多边形近似算法进行对结果进行规整化处理，同时对农田的轮廓点进行简化，在减少人力成本的同时，能够较好的平衡农田的边界点数量以及边界描述精度。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.029 seconds)
