-
公开(公告)号：CN111862212B
公开(公告)日：2022-06-14
申请号：CN202010734926.9
申请日：2020-07-28
Applicant: 福州大学
Abstract: 本发明涉及一种基于图正则化多视图特征嵌入的多类目标协同定位方法，首先采用基于图正则化多视图嵌入的方法对每幅输入图像的协同显著图进行融合，以获取加入正则化项的融合显著图；然后利用学习到的前景先验知识，采用GrabCut算法对融合显著图进行粗分割；最后通过图的连通性对分割进行细化，以获取目标协同定位结果。本发明能够提高多类目标定位的精度。
-
公开(公告)号：CN111862212A
公开(公告)日：2020-10-30
申请号：CN202010734926.9
申请日：2020-07-28
Applicant: 福州大学
Abstract: 本发明涉及一种基于图正则化多视图特征嵌入的多类目标协同定位方法，首先采用基于图正则化多视图嵌入的方法对每幅输入图像的协同显著图进行融合，以获取加入正则化项的融合显著图；然后利用学习到的前景先验知识，采用GrabCut算法对融合显著图进行粗分割；最后通过图的连通性对分割进行细化，以获取目标协同定位结果。本发明能够提高多类目标定位的精度。
-
公开(公告)号：CN111814896A
公开(公告)日：2020-10-23
申请号：CN202010696076.8
申请日：2020-07-20
Applicant: 福州大学
Abstract: 本发明涉及一种面向多视图特征融合与聚类的联合优化方法，包括以下步骤：步骤S1:获取待聚类图像数据的若干个视图以及聚成的类别数；步骤S2:初始化相关参数和矩阵变量；步骤S3:将面向多视图特征融合与聚类的联合优化问题表示为共享指示矩阵和对应各个视图系数矩阵的矩阵分解范式，写出损失函数，确认优化目标;步骤S4:更新各项参数，直至收敛或达到最大迭代次数；步骤S5:计算得到收敛的共享聚类指示矩阵，以对每个样本标签进行分配，得到最优的聚类结果。本发明面向多视图特征，能够实现准确的聚类。
-
公开(公告)号：CN111798473A
公开(公告)日：2020-10-20
申请号：CN202010696030.6
申请日：2020-07-20
Applicant: 福州大学
Abstract: 本发明涉及一种基于弱监督学习的图像协同分割方法，包括以下步骤：步骤S1:获取一组包含m张图像的图像集，并设置高斯模型个数和加权参数；步骤S2:采用高斯模型将第i个图像聚成k个类，并计算图像的前景概率图；步骤S3:将所有边界高斯分布视为背景查询，激活图像集的前景概率图；步骤S4:生成图像协同分割的结果并用图像的连通性进行处理，得到二进制图像集，即为所得图像协同分割的结果。本发明将图像边界作为弱监督先验嵌入到协同分割的问题公式中去，得到二进制图像集，并结合图的连通性实现图像协同分割。
-
-
-
Search Results
4
records
(took 0.011 seconds)
