-
公开(公告)号：CN111353939B
公开(公告)日：2023-10-27
申请号：CN202010135091.5
申请日：2020-03-02
Applicant: 中国科学院深圳先进技术研究院
IPC: G06T3/40 , G06N3/0464
Abstract: 本发明的一种图像超分辨率方法包括：S1、通过卷积层提取输入图像的特征信息，并形成n路不同尺度的特征信息；S2、将n路多尺度特征信息输入多尺度特征表示与权值共享卷积层中进行多尺度特征信息之间的映射和交互，并且其中的相同尺度卷积核均采用相同的权值；S3、将所述多尺度特征表示与权值共享卷积层输出的n路不同尺度的特征信息恢复到原来的尺度并进行融合，以获得最终的输出特征。本发明的方法通过多尺度的特征表示可以降低运算量，相同尺度间卷积核的权值共享的形式可以降低参数量，同时不同尺度的信息经过相同的非线性映射可以保留不同尺度特征的多样性，而且结构具有即插即用的特性，适用现有的基于卷积神经网络的图像超分辨方法。
-
公开(公告)号：CN116797861A
公开(公告)日：2023-09-22
申请号：CN202210229954.4
申请日：2022-03-10
Applicant: 中国科学院深圳先进技术研究院 , 深圳市博铭维技术股份有限公司
IPC: G06V10/774 , G06V10/82 , G06V10/75 , G06N3/084
Abstract: 本发明公开了一种管道相似度识别方法、装置、电子设备及存储介质。该方法包括：获取第一待识别管道图像和第二待识别管道图像；将第一待识别管道图像和第二待识别管道图像输入到预确定的管道识别检测网络中，得到第一预测特征信息和第二预测特征信息；将第一预测特征信息和第二预测特征信息输入到预确定的相似度检测模型中，根据相似度检测模型的输出结果进行相似度识别，确定第一待识别管道图像和第二待识别管道图像的目标相似度，相似度检测模型为轻量卷积模型。解决了管道缺陷检测和识别过程中由于管道图像相似度较高导致的缺陷检测结果不准确的问题，相似度检测模型为轻量卷积模型，在进行图像识别时参数量较少、数据处理速度较快。
-
公开(公告)号：CN116453592A
公开(公告)日：2023-07-18
申请号：CN202310261584.7
申请日：2023-03-09
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本申请提供了一种适应度空间的粗糙度评估方法、装置、电子设备及存储介质，涉及生物技术领域。该方法包括：获取数据集；所述数据集包括多个生物序列；基于所述数据集中各所述生物序列之间的突变位点，确定所述数据集中的多个邻接序列对；各所述邻接序列对中的两个生物序列之间的突变位点符合设定突变位点数；根据各所述邻接序列对对适应度空间的粗糙度进行估计，得到粗糙度评估结果。本申请解决了相关技术中适应度空间的粗糙度评估不准确的问题。
-
公开(公告)号：CN115797165A
公开(公告)日：2023-03-14
申请号：CN202211240420.8
申请日：2022-10-11
Applicant: 中国科学院深圳先进技术研究院
IPC: G06T3/40 , G06N3/0464
Abstract: 本申请实施例提供了一种图像处理方法、装置、电子设备及存储介质，涉及图像处理技术领域。其中，该图像处理方法包括：获取待处理图像；将所述待处理图像输入超分辨率网络模型进行特征提取，得到所述待处理图像的图像特征；基于所述超分辨率网络模型中注意力分支所提供的广阔感受野，对所述待处理图像的图像特征进行非线性映射，得到所述待处理图像对应的特征图；根据所述待处理图像对应的特征图为所述待处理图像进行特征重建，将所述待处理图像恢复为具有更高分辨率的目标图像。本申请实施例解决了相关技术中受限于电子设备的硬件资源配置而无法兼顾超分辨率重建性能和模型运行时长的问题。
-
公开(公告)号：CN113627243B
公开(公告)日：2022-09-30
申请号：CN202110740206.8
申请日：2021-06-30
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本申请公开了一种文本识别方法及相关装置。该方法包括：获取文本图片；文本图片为包括目标文本的图片；将文本图片输入至文本识别网络进行识别，得到目标文本；文本识别网络的各个层级同时利用文本图片的局域信息和序列信息对目标文本进行识别，局域信息包括目标文本的结构信息，序列信息包括目标文本的上下文序列信息。本方法在基于文本识别网络对文本图片进行识别的过程中，通过并行提取文本图片的局域视觉信息和上下文序列信息，并将文本图片的局域视觉信息和上下文序列信息交互融合，使得在文本识别网络的各个层级都能同时利用文本图片的二元信息，解决了识别过程中文本字符遗漏或是错位的问题，提高了文本识别的准确率及效率。
-
Patent Agency Ranking
公开(公告)号：CN113627242B
公开(公告)日：2022-09-27
申请号：CN202110738496.2
申请日：2021-06-30
Applicant: 中国科学院深圳先进技术研究院
IPC: G06F16/33 , G06V10/774 , G06V30/40
Abstract: 本申请公开了一种文本处理方法及相关装置。该方法包括：获取第一文本图片；第一文本图片为包括第一文本的图片；将第一文本图片输入至文本矫正网络进行文本矫正，得到包括第二文本的第二文本图片；文本矫正网络为利用第一文本中的每个字符的位置信息进行矫正的网络，第二文本的文本内容与第一文本的文本内容相同，第二文本图片中的第二文本为水平文本。本方法对于输入的文本图片，通过检测其包含的文本信息得到每个字符的位置信息，并利用该位置信息重构出每个字符的坐标框，再根据该坐标框对字符进行更精细的控制点采样，使得矫正后的文本更加水平，提高了文本矫正的准确率及效率，进而提高文本识别的准确率及效率。
-
公开(公告)号：CN110602491B
公开(公告)日：2022-07-19
申请号：CN201910817597.1
申请日：2019-08-30
Applicant: 中国科学院深圳先进技术研究院
IPC: H04N19/11 , H04N19/132 , H04N19/184 , H04N19/186 , H04N21/2343 , H04N21/4402
Abstract: 本申请实施例公开了一种帧内色度预测方法、装置、系统、终端设备、视频编码器、视频解码器及计算机可读存储介质，其中，方法包括：获取已编码或已解码重建的亮度分量；对已编码或已解码重建的亮度分量进行下采样；将预设参量输入至预训练的色度预测卷积神经网络模型中的图像上色子网络，得到图像上色子网络输出的色度分量；其中，预设参量包括下采样后的已编码或已解码重建的亮度分量，或者包括下采样后的已编码或已解码重建的亮度分量和目标参量，目标参量包括编码失真度和已编码或已解码重建的相邻色度块中的至少一种；根据色度分量得出色度预测结果。本申请实施例提供的基于卷积神经网络的帧内色度预测方案的普适性较高，可以节省码率。
-
公开(公告)号：CN113379767B
公开(公告)日：2022-07-08
申请号：CN202110676639.1
申请日：2021-06-18
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本发明公开一种构建自我监督点云学习的语义扰动重构网络的方法。该方法包括：构建语义扰动重构网络，其基本分支包括第一特征提取网络和第一预测网络，第一特征提取网络以点云为输入，提取局部特征和全局特征，第一预测网络用于点云重建和法向估计；扰动分支包括第二特征提取网络和第二预测网络，第二特征提取网络以语义扰动的点云为输入，提取局部特征和扰动点云的全局特征，第二预测网络用于点云重建；优化损失函数为目标训练语义扰动重构网络，训练过程中，第一特征提取网络和第二特征提取网络共享权重，并通过点云一致性损失的约束进行无监督学习，以利用扰动分支来引导基本分支进行特征学习。本发明能获得更精确的点云数据自监督分析结果。
-
公开(公告)号：CN114708611A
公开(公告)日：2022-07-05
申请号：CN202210259929.0
申请日：2022-03-16
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本发明公开了一种跨模态行人重识别方法、装置、设备和存储介质。该方法包括：获取待识别行人图像集合，其中，待识别行人图像集合包括：至少两个模态下的待识别行人图像；对待识别行人图像集合中的待识别行人图像进行特征提取，得到待识别行人图像集合中的每个待识别行人图像对应的特征信息；根据待识别行人图像集合中的每个待识别行人图像和待识别行人图像集合中的每个待识别行人图像对应的特征信息构建目标异质图；根据目标异质图确定目标特征；根据目标特征生成目标行人图像。本方案可添加至任意现有跨模态行人重识别方法后面作为后处理，提高现有跨模态行人重识别方法的精度，使得夜晚的智能追踪和人员追捕更加准确，可大力推动智能安防建设。
-
公开(公告)号：CN114584675A
公开(公告)日：2022-06-03
申请号：CN202210485810.5
申请日：2022-05-06
Applicant: 中国科学院深圳先进技术研究院 , 华中科技大学协和深圳医院
IPC: H04N5/21 , H04N5/225 , G16H30/40 , G06K9/62 , G06N3/04 , G06N3/08 , G06T5/00 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开一种自适应视频增强方法和装置，该方法包括：采集目标视频数据；将目标视频数据输入预训练的视频增强模型，获得增强视频，其中训练样本集的获取包括：构建生成对抗网络，该生成对抗网络包括生成器和判别器，生成器以真实高质量视频和退化特征作为输入，生成模拟低质量视频，判别器用于判断模拟低质量视频与真实低质量视频之间的拟合程度；训练所述生成对抗网络，以使模拟低质量视频与真实低质量视频之间的拟合程度满足设定损失标准；将经训练的生成器作为视频退化学习模型，以针对采集的高质量视频生成具有不同退化分布特征的低质量视频，进而构建出所述训练样本集。利用本发明能够提升目标视频的视觉清晰度以及保真度。
-
-
-
-
-
-
-
-
-
Search Results
196
records
(took 0.057 seconds)
