-
公开(公告)号：CN119810170A
公开(公告)日：2025-04-11
申请号：CN202411875628.6
申请日：2024-12-19
Applicant: 长春理工大学
IPC: G06T7/50 , G06V10/44 , G06N3/0464 , G06N3/0895
Abstract: 本发明提出了一种基于几何一致性损失函数与CBAM模块协同作用的单目深度估计方法。本发明采用Lite‑Mono作为基准模型。首先，通过在模型中的连续扩张卷积模块引入CBAM模块，让模型在特征提取阶段对边缘和重要细节区域赋予更多关注权重，有效保留这些区域的深度信息，使深度网络输出的初始深度图更加清晰；得到初始深度图后，通过几何一致性损失函数对深度估计进行多视角的空间结构约束，与CBAM的特征增强作用相结合，对不同视角之间的空间结构一致性进行提升。引入本发明后，模型改善了图像边缘和细节区域模糊的问题，得到的深度图更清晰准确。
-
公开(公告)号：CN116152060B
公开(公告)日：2025-01-14
申请号：CN202211628783.9
申请日：2022-12-19
Applicant: 长春理工大学
IPC: G06T3/4053 , G06N3/08 , G06N3/0464 , G06T3/4046
Abstract: 本发明提出一种基于双特征融合引导的深度图像超分辨率重建方法，网络模型包括特征提取部分和深度恢复重建部分。特征提取部分以经双三次插值放大后的深度图和同场景彩色图的强度图作为输入，采用输入金字塔分别提取逐级提取深度特征和强度特征，得到多尺度特征，得到的特征作为深度恢复重建部分的输入；深度恢复重建部分则是将提取到的最后一级深度特征和强度特征先经过双通道融合模块进行特征融合，然后利用双特征引导重建模块利用特征提取部分得到的深度特征和强度特征对上一级重建特征进行逐级的引导恢复重建，最后得到重建效果好的深度图。
-
公开(公告)号：CN118982562A
公开(公告)日：2024-11-19
申请号：CN202410558759.5
申请日：2024-05-08
Applicant: 长春理工大学
Abstract: 本发明公开一种利用原始场景二维彩色图像和深度图像基于局部深度模板匹配的集成成像显示图像阵列生成方法，主要包括局部深度模板构建、模板匹配、全局模板应用三个部分。本发明利用微透镜阵列与显示图像的空间几何关系，将在原始光场中反复迭代比较，寻找显示图像阵列中像素对应映射点的问题，转化为微单元图像中各像素在显示光场和原始光场映射范围的局部深度模板匹配问题，为进一步优化计算效率，本发明提出用模板中每一点批量计算微图像阵列同位点的创新思路，通过模板位移即可完成全局深度匹配。本发明所使用方法较对比方法生成速度平均提高72％以上。
-
公开(公告)号：CN118799267A
公开(公告)日：2024-10-18
申请号：CN202410776177.4
申请日：2024-06-17
Applicant: 长春理工大学
IPC: G06T7/00 , G01N21/88 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0495 , G06N3/0895 , G06N3/09 , G06N3/096
Abstract: 本发明公开了一种基于改进YOLOv7的半监督轴承表面缺陷检测方法，包括以下步骤：S1.采集轴承表面缺陷图像，划分数据集并标注；S2.基于YOLOv7算法进行优化改进，得到改进后的YOLOv7‑RBE缺陷检测算法；S3.使用YOLOv7‑RBE模型作为基准检测网络，构建一个教师网络和一个学生网络；S4.在监督阶段，有标签数据输入学生网络中进行预训练，将预训练权重复制给教师网络；S5.在半监督阶段，无标签数据输入教师网络进行结果预测，获得初步伪标签；S6.有标签数据和带伪标签的无标签数据共同训练检测模型,并且实时将学生网络的权重参数传递给教师网络。本发明用以解决现有轴承表面缺陷检测模型参数量大、轴承缺陷尺度小以及当前公开数据集不足标注成本高的问题。
-
公开(公告)号：CN114119553B
公开(公告)日：2024-05-10
申请号：CN202111427385.6
申请日：2021-11-28
Applicant: 长春理工大学
Abstract: 本发明涉及一种以十字激光为基准的双目视觉异面圆孔检测方法，属于测量技术领域。采集图像，提取异面孔的边缘轮廓，建立边缘轮廓点的匹配点对，得到边缘轮廓点的三维点云数据，获取的外轮廓尺寸，构建异面孔的数学模型，计算异面孔的孔位垂直精度和锪窝深度。本发明优点是能够有效地降低图像的透视投影误差，提高边缘轮廓点的匹配精度，适用于非接触式工业检测和基于视觉的圆孔精密检测。
-
Patent Agency Ranking
公开(公告)号：CN117197840A
公开(公告)日：2023-12-08
申请号：CN202311203423.9
申请日：2023-09-19
Applicant: 长春理工大学
IPC: G06V40/10 , G06T3/40 , G06V10/82 , G06N3/0464 , G06V10/46 , G06N3/0499 , G06N3/084
Abstract: 本发明属于二维人体姿态估计技术领域，尤其为一种混合结构的二维人体姿态估计方法，该方法包括以下步骤，步骤一、对RGB图像做预处理，其中包括使用线性插值来调整图像尺寸以及使用特征缩放方法来处理图像通道数；步骤二、将预处理后图像输入到混合结构的卷积网络中，图像首先经过基于CNN体系结构的ResNet网络做初步的特征提取。本方法利用CNN网络做图像的初步特征提取，以确保局部特征的有效捕获，同时，将Transformer网络的编码器用于进一步编码图像信息可以提供全局上下文和位置关系信息，这种混合结构利用了两种网络的优势，以提高二维人体姿态估计的性能和鲁棒性。
-
公开(公告)号：CN117036159A
公开(公告)日：2023-11-10
申请号：CN202310530545.2
申请日：2023-05-12
Applicant: 长春理工大学
Abstract: 本发明提出了一种基于彩色图像引导的深度图像超分辨率重建方法，首先利用SLIC算法和深度引导的区域生长方法对彩色图像进行分割预处理，得到正确聚类的超像素区域，然后采用一种基于曲率的迭代插值(ICBI)方法对低分辨率深度图像进行初始插值，接下来结合Canny检测算子和形态学运算对深度图像进行边缘检测，将深度图像划分为平滑区域和边缘区域，在平滑区域保持ICBI方法的插值结果，在边缘区域则根据彩色图像的分割结果设置区域类型权重函数，并结合空间距离权重函数和颜色相似权重函数，构建联合三边滤波算法，通过一种渐进的多步超分辨率结构，采用2×的超分辨率尺度进行逐步插值，最终对低分辨率深度图像进行插值重建，获得高分辨率深度图像。
-
公开(公告)号：CN116524208A
公开(公告)日：2023-08-01
申请号：CN202310536823.5
申请日：2023-05-12
Applicant: 长春理工大学
IPC: G06V10/46 , G06V10/56 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明属于计算机视觉和图像处理技术领域，尤其为一种用于RGB‑D显著目标检测的交互式显著性挖掘方法，包括如下步骤：S1、采用双流编码器网络来提取RGB和深度图像的多级交叉模态特征；S2、提出一个跨模态交互模块，通过一系列矩阵操作来实现这些不同特征的交互和聚合；S3、尝试将显著性感知信息与复杂环境分开，并在相对粗糙的显著性图的指导下建立相邻特征之间的融合方法；S4、将所述的显著性感知信息和背景信息进一步提取上下文信息。本发明在编码阶段得到了多层测的跨模态融合特征，利用渐进式的显著性挖掘模块来解码多层次特征，逐步把复杂的背景干扰过滤掉是显著图更精确，逐步细化显著性区域使显著图更精细，实现最优的解码过程。
-
公开(公告)号：CN116152060A
公开(公告)日：2023-05-23
申请号：CN202211628783.9
申请日：2022-12-19
Applicant: 长春理工大学
IPC: G06T3/40 , G06N3/08 , G06N3/0464
Abstract: 本发明提出一种基于双特征融合引导的深度图像超分辨率重建方法，网络模型包括特征提取部分和深度恢复重建部分。特征提取部分以经双三次插值放大后的深度图和同场景彩色图的强度图作为输入，采用输入金字塔分别提取逐级提取深度特征和强度特征，得到多尺度特征，得到的特征作为深度恢复重建部分的输入；深度恢复重建部分则是将提取到的最后一级深度特征和强度特征先经过双通道融合模块进行特征融合，然后利用双特征引导重建模块利用特征提取部分得到的深度特征和强度特征对上一级重建特征进行逐级的引导恢复重建，最后得到重建效果好的深度图。
-
公开(公告)号：CN111127572A
公开(公告)日：2020-05-08
申请号：CN202010000443.6
申请日：2020-01-06
Applicant: 长春理工大学
Abstract: 本发明公开一种轴向采集方式的集成成像深度图获取方法。主要包括两个步骤：根据轴向采集方式设置的参数以及采集的元素图像间同名像点距离的比例关系，计算三维物体点在元素图像中的同名像点坐标；根据同名像点颜色值的误差最小值，计算该点深度。传统集成成像系统获取深度图的方法利用微透镜阵列采集元素图像，由于尺寸的限制，采集到的元素图像分辨率非常低，所获取的深度图质量较差。本发明采用轴向分布相机采集，只需要一台相机沿光轴移动，运动简单并且可以采集到高分辨率的元素图像，充分利用了元素图像的纵向视差信息，可以有效的提取准确的深度图。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.031 seconds)
