-
公开(公告)号:CN102622140A
公开(公告)日:2012-08-01
申请号:CN201210061916.9
申请日:2012-03-05
Applicant: 安徽大学
IPC: G06F3/042
Abstract: 一种摄像式多点触摸系统,涉及人机交互领域,其特征是由主机、显示屏幕、两个广角摄像头及图像处理单元组成;所述两个广角摄像头分别设置在所述显示屏幕同侧的两角位置上,所述显示屏幕在两个广角摄像头分别拍摄的两个二维图像上均成为一维线阵图像;所述图像处理单元设置在所述主机中,对两个广角摄像头拍摄的两个二维图像中的一维线阵图像进行处理,计算出触摸点坐标;所述图像处理单元对两个广角摄像头拍摄的除一维线阵外的其他包含触摸物侧面图像的二维图像进行处理,从所述触摸点坐标中消除鬼点,得到真实触摸点坐标;所述主机根据所述图像处理单元获得的真实触摸点坐标执行相应任务。本发明只需两个广角摄像头利用侧面图像消除鬼点。
-
公开(公告)号:CN101609382A
公开(公告)日:2009-12-23
申请号:CN200910144137.3
申请日:2009-07-16
Applicant: 安徽大学 , 合肥吉天电子科技有限公司
IPC: G06F3/042
Abstract: 一种基于逆向红外线扫描的电子白板及其定位方式,其特征是电子白板具有一白板基体;一书写笔,用于在所述白板基体上进行书写,书写的同时发射书写红外光;一基准位置红外发射器持续发射基准红外光;一组对称设置在白板基体的左上角和右上角位置上的左红外接收处理器和右红外接收处理器。本发明利用红外接收处理器中匀速旋转的红外反光镜面,将书写笔和基准位置红外发射器发射的红外光反射至光敏元件,根据光敏元件的输出电压脉冲信号序列确定书写笔在白板基体中的位置,实现电子白板的书写功能,其定位准确、不受温度影响、安装方便、价格便宜、可扩展性强。
-
公开(公告)号:CN117475152A
公开(公告)日:2024-01-30
申请号:CN202311477180.8
申请日:2023-11-08
Applicant: 安徽大学
IPC: G06V10/26 , G06V10/44 , G06V10/82 , G06V10/80 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及医学图像分割技术领域,更具体的,涉及一种基于多视角融合的深度息肉分割方法、系统。本发明公开了一种基于多视角融合的深度息肉分割方法,一方面将原始结肠镜图像进行多角度切换处理形成多视角的输入图像,以从这些图像中探索互补的上下文特征关联,进而输出一个好的分割结果;另一方面,本发明对每个视图均进行多尺度特征的提取,并引入了基于交叉门控的策略来进行阶段性解码,从而递归地处理所有的多尺度特征;本发明结合每个视图的结果以及生成的权重综合性地协同进行分割预测。经过仿真对比,本方法在标准数据集上实现了稳健的息肉分割和良好的性能,准确性的相关指标得到了一定程度的提升。
-
公开(公告)号:CN111047571B
公开(公告)日:2023-04-25
申请号:CN201911261553.1
申请日:2019-12-10
Applicant: 安徽大学
IPC: G06T7/00 , G06N3/0464
Abstract: 本发明公开了一种具有自适应选择训练过程的图像显著目标检测方法,属于图像处理技术领域,包括获取输入图像,利用深度特征提取器提取输入图像的高层特征图和融合特征;将高层特征图输入显著目标存在性预测分支,并输出第一检测结果;将融合特征输入显著目标检测分支,并输出第二检测结果;利用第一检测结果和第二检测结果,产生输入图像的显著图。本发明将图像级分类特征和像素级语义特征结合起来,共同训练两种任务的损失,同时自适应地选择包含显著目标的图像进行增强学习,提高了模型的检测精度。
-
公开(公告)号:CN115861650A
公开(公告)日:2023-03-28
申请号:CN202211610719.8
申请日:2022-12-14
Applicant: 安徽大学
IPC: G06V10/44 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及计算机视觉技术领域,更具体的,涉及基于注意力机制和联邦学习的阴影检测方法、装置。本发明采用注意力特征融合,根据编码端和解码端深层特征图中的信息生成注意力地图,能够对编码端跳跃连接特征图中的信息是否有利于阴影检测这一目标进行判断,抑制无关特征、增强有效特征,避免重要信息丢失,生成更加精确的解码端特征,进而加强对图像中伪影的识别能力。发明在每轮训练完后进行联邦学习,通过平均同一轮训练的不同数据集模型参数的方法,间接地引入了其他数据集模型提取到的对应特征信息,有效提升模型对其他数据集的测试效果,增强模型的泛化能力,并且也使模型本身的测试效果得到一定的提升。
-
公开(公告)号:CN113298154B
公开(公告)日:2022-11-11
申请号:CN202110585098.1
申请日:2021-05-27
Applicant: 安徽大学
Abstract: 本发明公开了一种RGB‑D图像显著目标检测方法,包括以下步骤:提取RGB图像特征,同时提取Depth图像特征,并将Depth图像特征与RGB图像特征进行融合,形成RGBD融合特征;调整所述RGBD融合特征的尺度,形成通道数和分辨率都相同的RGBD多层特征;双向门控解码所述RGBD多层特征,形成RGBD增强特征;所述RGBD增强特征逐步相加,形成显著图。本发明检测方法中将编码器抽取的多层特征看作输入序列,通过双向门控循环单元解码多层特征,利用门控循环单元记忆共同信息,遗忘不一致信息,找出多层特征中的共有信息,提升特征的信息表示,实现最优的解码过程。
-
公开(公告)号:CN113962926A
公开(公告)日:2022-01-21
申请号:CN202111000467.2
申请日:2021-08-29
Applicant: 安徽大学
Abstract: 本发明公开了一种边缘指导的伪装物体检测神经网络模型,对输入图像进行前景和背景特征提取,产生前景图和背景图,受伪装前景真值图和伪装背景真值图监督;对所述提取的前景特征和背景特征进行减法操作,获得边缘特征;所述边缘特征进行边缘解码产生边图,受边缘真值图监督;所述边缘解码采用的方式为高层边缘特征上采样后与相邻低层边缘特征级联后卷积,逐层解码;所述前景特征结合边缘特征进行边缘指导的前景解码产生伪装图,受伪装前景真值图监督;所述边缘指导的前景解码采用的方式为边缘特征与前景特征级联后乘以高层伪装图,逐层解码。所述模型经过伪装物体检测训练集的训练,用于检测任意图像中的伪装物体,输出第一层的伪装图。
-
公开(公告)号:CN113298748A
公开(公告)日:2021-08-24
申请号:CN202010109240.0
申请日:2020-02-21
Applicant: 安徽大学
Abstract: 本发明提供一种基于注意力机制的图像协同显著目标检测模型,其特征在于,首先,提取单幅图像特征;其次,利用单幅图像通道注意力和多幅图像通道协同注意力提取每幅图像的通道特征;再次,利用单幅图像空间注意力和多幅图像空间协同注意力提取每幅图像的空间特征;接着,经过解码器生成协同显著图;最后,所述模型在显著真值图的监督下进行学习训练。所述模型通过通道协同注意力,激活组内图像共同的类别信息,通过空间协同注意力,激活组内图像相似目标的位置。所述模型利用注意力机制挖掘组内图像的协同关系,提高图像协同显著目标检测的效果。
-
公开(公告)号:CN109598268B
公开(公告)日:2021-08-17
申请号:CN201811403402.0
申请日:2018-11-23
Applicant: 安徽大学
Abstract: 本发明公开了一种基于单流深度网络的RGB‑D显著目标检测方法,包括以下步骤:S1、将RGB图像和Depth图像作为单流深度网络的四通道输入;S2、将VGG16作为基础网络,利用Conv5_3提取图像的高维特征,对高维特征进行操作,经过卷积、反卷积和卷积得到初始显著图;S3、将初始显著图,以及Depth数据作为DRCNN循环卷积结构的输入;DRCNN通过级联的方式,一步一步优化显著结果,详细描绘显著目标的边缘信息;最后连接一个权值融合层,通过自动学习权值,将显著结果融合得到最终显著图。本发明利用循环卷积神经网络,从低层向高层产生多级别特征,同时,从高层向低层逐步细化目标轮廓,借助RGB‑D图像所特有的Depth深度信息,可解决单靠颜色无法还原的目标轮廓的问题。
-
公开(公告)号:CN111047571A
公开(公告)日:2020-04-21
申请号:CN201911261553.1
申请日:2019-12-10
Applicant: 安徽大学
Abstract: 本发明公开了一种具有自适应选择训练过程的图像显著目标检测方法,属于图像处理技术领域,包括获取输入图像,利用深度特征提取器提取输入图像的高层特征图和融合特征;将高层特征图输入显著目标存在性预测分支,并输出第一检测结果;将融合特征输入显著目标检测分支,并输出第二检测结果;利用第一检测结果和第二检测结果,产生输入图像的显著图。本发明将图像级分类特征和像素级语义特征结合起来,共同训练两种任务的损失,同时自适应地选择包含显著目标的图像进行增强学习,提高了模型的检测精度。
-
-
-
-
-
-
-
-
-