-
公开(公告)号：CN117173024A
公开(公告)日：2023-12-05
申请号：CN202311213700.4
申请日：2023-09-20
Applicant: 中国矿业大学
Abstract: 本发明属于图像超分辨率重建技术领域，涉及一种基于整体注意力的矿井图像超分辨率重建系统及方法；浅层特征输入到深层特征提取模块，深层特征提取模块由N个信息蒸馏块堆叠组成；层间融合注意力机制模块由M个层间金字塔注意力以金字塔结构组成，并通过1×1卷积层来降低维度以减少计算量和参数量，然后输入到3×3卷积层，并引入长跳跃连接，输出融合结果作为上采样及重建模块的输入；得到高分辨率图像；以信息蒸馏网络为框架，引入增强型自校准卷积可以有效地平衡好计算效率和网络性能，更满足现实应用的需求；层间融合注意力机制对多个信息蒸馏块的输出特征图自适应地分配权重，在融合处理后输入重建模块以实现不同深度特征图地充分利用。
-
公开(公告)号：CN117078659A
公开(公告)日：2023-11-17
申请号：CN202311221440.5
申请日：2023-09-21
Applicant: 中国矿业大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/09
Abstract: 本发明属于图像质量评价技术领域，具体地说，是一种基于主动学习的少样本无参考图像质量评价算法，借助主动学习选择少量代表性样本以减少模型对样本数量的需求。首先，从图像质量和图像内容两个方面选择少量代表性样本；其次，对选中的少量样本进行人工标注，获得图像质量分数；然后，用有标注的少量样本进行prompt调优，以提升模型对图像质量评价任务的预测能力，并重复此过程，直到被选中的样本的总数达到预期数量；最后，采用所有被选中的样本同时微调prompt和模型的少量参数，完成模型的最终训练。本发明通过主动学习选择代表性样本，减少了模型对训练样本的依赖，有效提升了模型在少样本训练场景下的预测能力和泛化能力。
-
公开(公告)号：CN112907582B
公开(公告)日：2023-09-29
申请号：CN202110330453.0
申请日：2021-03-24
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
Abstract: 本发明涉及一种面向矿井的图像显著性提取去雾方法、装置及人脸检测，属于图像处理技术领域，解决了由于矿井下雾尘浓度、光源不均匀和图像显著程度不同造成的去雾图像失真、过饱和及边缘晕伪影的问题。方法包括：获取矿井下的原始存雾图像；基于直方图分析对原始存雾图像进行亮度降值处理，根据亮度降值后的存雾图像计算大气光估计值；根据大气光估计值、预设的小尺度的数值和大尺度的数值得到大尺度传输图和小尺度传输图；基于原始存雾图像的显著图将大尺度传输图和小尺度传输图融合得到显著性提取去雾模型；利用L2正则化对显著性提取去雾模型进行约束，得到融合后传输图；基于融合后传输图、大气光估计值，反解大气散射模型得到去雾图像。
-
公开(公告)号：CN115239564B
公开(公告)日：2023-06-16
申请号：CN202210992327.6
申请日：2022-08-18
Applicant: 中国矿业大学
IPC: G06T3/40 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种结合语义信息的矿井图像超分辨率重建方法，其主要目的是通过语义分割网络所产生的概率图对超分辨率网络的深层特征提取前的输入进行调整，以此达到提高图像重建质量的结果。该方法主要包括这几部分：1.构建一个较深的超分辨率网络，其结构主要包括：浅层特征提取模块、深层特征提取模块、上采样模块；2.构建一个语义分割网络，用于产生作为深层特征提取模块的部分输入；3.确定损失函数、学习率调整策略。
-
公开(公告)号：CN116071229A
公开(公告)日：2023-05-05
申请号：CN202211021098.X
申请日：2022-08-24
Applicant: 中国矿业大学
IPC: G06T3/40 , G06N3/084 , G06N3/0464
Abstract: 本发明公开了一种用于可穿戴头盔的图像超分辨率重建方法，该方法包括以下步骤：构建退化模型，通过退化模型获得高‑低分辨率图像对；构建深度可分离卷积神经网络模型，深度可分离卷积神经网络生成超分辨图像；训练深度可分离卷积神经网络模型，对超分辨图像与输入的高分辨率图像进行损失计算，优化深度可分离卷积神经网络模型；对重构后超分辨图像进行测试；对测试后图像进行预处理；验证深度可分离卷积神经网络模型。本发明通过使用退化模型能够有效应对低光照环境下图像采集，重建出高分辨图像；构建深度可分离卷积神经网络模型，保留图像更多的纹理细节，重构出精细的图像。
-
Patent Agency Ranking
公开(公告)号：CN115496787A
公开(公告)日：2022-12-20
申请号：CN202211171962.4
申请日：2022-09-26
Applicant: 中国矿业大学
Abstract: 本发明是面向可穿戴智能装备视觉增强现实的单目深度估计方法，属于图像处理技术领域，采用图像活跃度度量来分割图像特征，基于图像轮廓的多向分布，将输入图片分割为高阶特征和低阶特征，将高阶特征和低阶特征进行特征融合并送入共同的解码器来提升网络对于不同特征的感受强度；其次,基于递归网络的深度相似性损失，针对网络估计出的深度图，采用递归网络的方式将其重建后递归送入相同结构的深度估计网络，通过光度损失来约束一阶网络和二阶网络输入图像的相似性，通过深度相似性损失来约束一阶网络和二阶网络输出深度图的相似性，来弥补光度损失在面对低纹理区域时约束性较差的缺陷；深度一致性损失采用风格矩阵的余弦相似度来进行相似性度量。
-
公开(公告)号：CN115423857A
公开(公告)日：2022-12-02
申请号：CN202211242648.0
申请日：2022-10-11
Applicant: 中国矿业大学
IPC: G06T7/50 , G06T7/13 , G06T7/90 , G06V10/74 , G06V10/762
Abstract: 本发明公开了一种用于可穿戴头盔的单目图像深度估计方法，涉及图像处理技术领域，包括如下步骤：以矿井图像序列作为训练数据，建立进行单目深度估计的深度卷积神经网络模型的训练模型，并从卷积神经网络的平面系数解码器中计算出能预测井下图像深度图的平面系数；基于所述平面系数预测出初始井下图像深度图，根据曼哈顿结构法向检测得到预测法向量，从而与对齐法线相似性约束；通过共平面法向深度约束估计，提取初始预测深度和平面差异求得的深度图，利用两者风格矩阵进行余弦相似度约束。本发明基于能预测井下图像深度图的平面系数间接再预测出深度图，打破了传统的生成初始深度图的方法，且使训练约束的起点高，有效提升了后期深度估计效果。
-
公开(公告)号：CN115272438A
公开(公告)日：2022-11-01
申请号：CN202210999767.4
申请日：2022-08-19
Applicant: 中国矿业大学
Abstract: 本发明公开一种面向三维场景重建的高精度单目深度估计系统及方法，属于图像处理技术领域，在编码器处通过引入Vision Transformers主干网络，ViT主干网络代替卷积网络作为密集预测的主干架构，以恒定的和相对较高的分辨率处理表示，并在每个阶段都有一个全局的接受域，以减少卷积网络中下采样过程中的信息丢失，从而获取图像更多的细节特征和感受野。在解码器处通过利用小波变换来捕获深度图中深度不同的平坦区域之间的深度“跳跃”，这些“跳跃”可以很好地在高频分量中捕获，从而达到强化深度信息图边缘的效果。通过对ViT和小波变换的引入，能够在不使得网络计算更复杂的前提下，又兼顾单目深度估计网络模型对全局特征和局部边缘特征的提取，提高单目深度估计的精度。
-
公开(公告)号：CN114647760A
公开(公告)日：2022-06-21
申请号：CN202210037094.4
申请日：2022-01-13
Applicant: 中国矿业大学
IPC: G06F16/783 , G06F16/75 , G06T5/00 , G06T5/40 , G06T7/11 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种基于神经网络自温故及知识传导机制的智能视频图像检索方法，在保证模型实时性的同时，提高小模型检索精度，在精度和效率之间尽可能达到平衡；设置伽马校正模块，通过对图像的局部调整，实现对光照不均匀鲁棒性，提高细节可辨度，避免高频噪声，普适性强；建立自温故机制，允许神经网络的局部自我监督，不断反思、调整学习参数，充分学习到图像深层语义信息，实现神经网络快速收敛，提高检索精度；采用知识传导机制，提升模型精度、降低模型时延，压缩网络参数，最终得到一个性能强和精度高的学生模型；通过传导机制将浅特征知识作为学习目标，采用VAE变分自编码模型重构深度特征，以此生成学习结果，将学习结果与目标进行度量，完成学习任务。
-
公开(公告)号：CN110428450B
公开(公告)日：2021-11-16
申请号：CN201910707197.5
申请日：2019-08-01
Applicant: 中国矿业大学
Abstract: 本发明涉及一种应用于矿井巷道移动巡检图像的尺度自适应目标跟踪方法，属于目标跟踪技术领域，解决了现有矿井目标跟踪算法在目标剧烈变化、遮挡、背景干扰等场景下无法获取较好的跟踪效果的问题。步骤如下：接收矿井巷道移动巡检视频帧序列的当前视频帧，根据上一帧的目标跟踪位置及尺度信息，得到当前视频帧中的待检测图像块；提取当前视频帧中待检测图像块的HOG特征及LQC特征，分别利用HOG特征相关滤波器和LQC特征相关滤波器计算得到HOG特征响应图及LQC特征响应图；对HOG特征响应图及LQC特征响应图进行加权融合响应，将加权融合响应结果中的最大值位置确定为当前视频帧的目标位置；利用尺度滤波器对目标位置进行尺度估计，得到当前视频帧的尺度信息。
-
-
-
-
-
-
-
-
-
Search Results
139
records
(took 0.043 seconds)
