-
公开(公告)号：CN117541815A
公开(公告)日：2024-02-09
申请号：CN202311572993.5
申请日：2023-11-23
Applicant: 重庆大学
IPC: G06V10/46 , G06V10/80 , G06V10/26 , G06V10/10 , G06V10/25 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于高斯注意力的伪装目标检测方法，涉及图像处理技术领域，首先将待预测图像的数据集通过多尺度的基于高斯注意力的特征提取网络，提取更具有伪装目标局部结构信息的多尺度特征；其次采用基于图卷积神经网络的特征增强方法，对提取出的特征进行特征增强，以此更有效的建模伪装目标的局部结构；接着，将增强的特征输入层级特征金字塔模块，得到进一步融合的特征，以此在预测模块进行伪装目标检测，并使用一种改进后的优化全局结构的损失函数，对预测模块的训练进行损失监督。该方法可以解决传统方法无法有效区分背景与伪装目标的问题，提高伪装目标检测精度。
-
公开(公告)号：CN119417803A
公开(公告)日：2025-02-11
申请号：CN202411539815.7
申请日：2024-10-31
Applicant: 重庆大学
IPC: G06T7/00 , G06V10/44 , G06T7/50 , G06V10/80 , G06V10/82 , G06T3/4038 , G06N3/047 , G06N3/048 , G06N3/09
Abstract: 本发明公开了一种基于局部区域掩膜的全参考图像质量评价方法及系统，涉及图像质量评估技术领域，具体步骤为：分别对失真图像和参考图像进行局部区域信息提取，获得初始局部区域特征图；并对其进行多阶段特征提取获得初始深度特征图；基于参考图像的初始局部区域特征图生成局部区域掩码，并根据掩码生成局部区域深度特征；利用自注意力机制和交叉注意力机制根据局部区域深度特征生成增强局部区域深度特征；利用权重矩阵对增强局部区域深度特征进行加权聚合生成加权融合局部区域深度特征，并与初始局部区域特征图进行拼接，并计算质量分数。本发明使得预测的质量分数更加接近人眼的感知结果，为图像质量评价提供了更加符合人类视觉特性的评价标准。
-
Patent Agency Ranking
公开(公告)号：CN117455811B
公开(公告)日：2024-12-20
申请号：CN202311487623.1
申请日：2023-11-09
Applicant: 重庆大学
IPC: G06T5/77 , G06T5/94 , G06T5/92 , G06T5/60 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于transformer的结构感知双流网络的低照度图像增强方法，包括：构建的双流网络分为主流网络和结构流网络，其中主流网络用于恢复增强图像并提供结构信息，结构流网络用于从主流中提取结构特征进而为增强过程提供丰富的结构信息；通过结构门控transformer从主流网络编码器部分中提取结构信息；采用基于交叉注意力的特征融合模块将主流网络和结构流网络的特征进行融合。该方法不仅解决了卷积操作缺乏全局特征捕获的问题，也缓解了图像块边界信息丢失的情况，有效提升网络的信息提取能力，使得模型能够处理处于不同光照环境的低照度图像，恢复出视觉效果清晰、结构明显的图像。
-
公开(公告)号：CN117455811A
公开(公告)日：2024-01-26
申请号：CN202311487623.1
申请日：2023-11-09
Applicant: 重庆大学
IPC: G06T5/77 , G06T5/94 , G06T5/92 , G06T5/60 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于transformer的结构感知双流网络的低照度图像增强方法，包括：构建的双流网络分为主流网络和结构流网络，其中主流网络用于恢复增强图像并提供结构信息，结构流网络用于从主流中提取结构特征进而为增强过程提供丰富的结构信息；通过结构门控transformer从主流网络编码器部分中提取结构信息；采用基于交叉注意力的特征融合模块将主流网络和结构流网络的特征进行融合。该方法不仅解决了卷积操作缺乏全局特征捕获的问题，也缓解了图像块边界信息丢失的情况，有效提升网络的信息提取能力，使得模型能够处理处于不同光照环境的低照度图像，恢复出视觉效果清晰、结构明显的图像。
-
公开(公告)号：CN117541815B
公开(公告)日：2025-02-11
申请号：CN202311572993.5
申请日：2023-11-23
Applicant: 重庆大学
IPC: G06V10/46 , G06V10/80 , G06V10/26 , G06V10/10 , G06V10/25 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于高斯注意力的伪装目标检测方法，涉及图像处理技术领域，首先将待预测图像的数据集通过多尺度的基于高斯注意力的特征提取网络，提取更具有伪装目标局部结构信息的多尺度特征；其次采用基于图卷积神经网络的特征增强方法，对提取出的特征进行特征增强，以此更有效的建模伪装目标的局部结构；接着，将增强的特征输入层级特征金字塔模块，得到进一步融合的特征，以此在预测模块进行伪装目标检测，并使用一种改进后的优化全局结构的损失函数，对预测模块的训练进行损失监督。该方法可以解决传统方法无法有效区分背景与伪装目标的问题，提高伪装目标检测精度。
-
公开(公告)号：CN118608829A
公开(公告)日：2024-09-06
申请号：CN202410652738.X
申请日：2024-05-24
Applicant: 重庆大学
IPC: G06V10/764 , G06V10/44
Abstract: 本发明公开了基于两阶段注意力定位框架的细粒度图像分类方法及系统，属于图像处理技术领域。方法包括：使用两种不同的划分模式处理图像，得到不重叠补丁序列和重叠的补丁序列，并分别对每个序列合并一个类令牌；第一阶段，不重叠补丁序列输入到基于Transformer编码器的特征提取器中以生成注意力分数和一个类令牌；第二阶段整合所有层的注意力分数，通过排序操作识别关键补丁位置，并提取这些位置上的重叠补丁序列作为复用特征提取器的输入，通过保留相邻区域的局部信息，以获取更精细的类令牌和图像特征；最终生成两个阶段的类令牌和最终的图像特征作为训练损失的组成部分。使用该方法便于提高细粒度图像分类精度。
-
公开(公告)号：CN117455822A
公开(公告)日：2024-01-26
申请号：CN202311470796.2
申请日：2023-11-07
Applicant: 重庆大学
Abstract: 本发明涉及图像处理技术领域，具体涉及一种基于深度Retinex理论的低光图像增强方法，包括：将数据集中的低光图像和参考图像分解为对应的反射图和光照图；建立优化目标函数，并引入对两个子图结构和纹理的约束条件，通过交替方向最小化方法迭代求解出所述优化目标函数的最优解；在迭代优化过程中，采用深度神经网络先验估计模型以指导优化。将多次迭代得到的光照图和反射图进行相乘，得到最终的增强图像。本发明不仅改进了传统低光图像增强算法对于复杂样本的局限性，还弥补了一些基于深度学习方法对于生成图像的纹理细节的保持性不足的情况。
-
-
-
-
-
-
Search Results
7
records
(took 0.013 seconds)
