公开(公告)号：CN101419513A

公开(公告)日：2009-04-29

申请号：CN200810243107.3

申请日：2008-12-09

Applicant: 安徽大学 ,  合肥吉天电子科技有限公司

Inventor： 吴建国 ,  刘政怡 ,  周建强 ,  刘苏南 ,  吴海辉 ,  李炜 ,  郭星

IPC: G06F3/033 ,  G06F3/042

Abstract: 一种红外激光笔遥指虚拟触摸系统，其特征是由计算机系统、红外激光笔、图像获取装置、图像识别定位模块组成；计算机系统包括显示设备和计算机主机；红外激光笔具有红外激光发射按键，可发射红外激光指向显示屏；图像获取装置安装在显示设备前方，将显示屏完全纳入其取景范围内，用于获取包括所述红外激光笔发出的红外激光点在内的显示屏图像；图像识别定位模块根据获取的图像识别出红外激光点及其在显示屏中的位置，根据红外激光的时间长短和次数区分包括光点指示、光点移动、点击在内的不同操作，并控制计算机系统在显示屏的对应位置上生成光点，且完成对应操作。本发明特别适用于大屏幕显示设备。

公开(公告)号：CN118864881A

公开(公告)日：2024-10-29

申请号：CN202410836611.3

申请日：2024-06-26

Applicant: 安徽大学

Inventor： 汪粼波 ,  杨中义 ,  方贤勇 ,  刘政怡

IPC: G06V10/44 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本申请涉及一种用于图像阴影检测的CNN模型生成方法、图像阴影检测方法，该CNN模型生成方法包括：将具有阴影的图像样本作为CNN模型的输入，以CNN模型能够检测图像样本中的阴影为目标对CNN模型进行训练，生成用于图像阴影检测的CNN模型；其中，CNN模型包括特征提取模块、子路径方向激励模块和交互特征空间解码器；特征提取模块依次连接的n(n≥2)个特征提取层，n个特征提取层被配置为对CNN模型的输入进行特征提取；子路径方向激励模块被配置为对第n个特征提取层的输出进行方向信息提取；交互特征空间解码器被配置为对除第n个特征提取层之外的所有特征提取层的输出以及子路径方向激励模块的输出进行解码，交互特征空间解码器的输出为CNN模型的输出。解决了现有CNN模型生成方法所生成的CNN模型的阴影检测准确度较低的问题。

公开(公告)号：CN113822855B

公开(公告)日：2024-10-15

申请号：CN202110933152.7

申请日：2021-08-11

Applicant: 安徽大学

Inventor： 刘政怡 ,  张志立 ,  谭亚诚 ,  唐彬 ,  姚晟 ,  李炜

IPC: G06T7/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06T5/50 ,  G06T9/00

Abstract: 本发明公开了一种RGB‑T图像显著目标检测方法，包括以下步骤：从RGB‑T图像中提取RGB特征和Thermal特征，产生对应初始显著图，利用初始显著图增强所述RGB特征和Thermal特征后，实施独立解码，产生RGB和Thermal独立解码特征、独立解码显著图；融合所述RGB和Thermal独立解码特征，形成RGB‑T融合特征后，实施联合解码，产生联合解码显著图；利用显著图真值监督独立解码显著图、联合解码显著图，通过训练数据集的训练，形成RGB‑T图像显著目标检测模型，所述模型检测任意一张RGB‑T图像，输出联合解码显著图。所述方法通过独立解码兼顾RGB颜色图像和Thermal热红外图像各自的独特性，通过联合编码减少RGB颜色图像和Thermal热红外图像二者之间的差异，提高检测性能。

公开(公告)号：CN113537326B

公开(公告)日：2024-06-25

申请号：CN202110760504.3

申请日：2021-07-06

Applicant: 安徽大学

Inventor： 刘政怡 ,  汪远 ,  张志立 ,  檀亚诚 ,  姚晟

IPC: G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

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和Depth图像特征，同时实施融合形成RGBD融合特征，将其划分为高层RGBD融合特征及低层RGBD融合特征；利用三个Transformer增强所述高层RGBD融合特征，形成高层RGBD增强特征；三流解码所述高层RGBD增强特征，通过与低层RGBD融合特征的结合，形成RGBD细化特征；融合所述RGBD细化特征形成显著图；本发明检测方法利用Transformer增强高层特征，准确获取显著物体的位置信息，并利用三流融合，融入低层特征，细化显著物体轮廓细节；通过卷积神经网络和Transformer的结合、全局和局部的优化，产生精度高的显著图。

公开(公告)号：CN117636390A

公开(公告)日：2024-03-01

申请号：CN202311564526.8

申请日：2023-11-22

Applicant: 安徽大学

Inventor： 方贤勇 ,  何晋申 ,  汪粼波 ,  刘政怡

IPC: G06V40/10 ,  G06V20/40 ,  G06V10/82 ,  G06N3/045 ,  G06N3/096 ,  G06N3/084

Abstract: 本发明公开了基于知识蒸馏的视频人体姿态估计方法，包括以下步骤：构建用于视频人体姿态估计的教师网络；构建用于视频人体姿态估计的学生网络；结合教师网络输出和学生网络输出计算知识蒸馏损失；将知识蒸馏损失添加到整体损失中优化学生网络模型；从优化后的学生网络中得到预测的结果。本发明的优点在于将知识蒸馏技术应用于视频人体姿态估计，利用专门用于视频人体姿态估计的教师网络指导学生网络学习，提升了学生网络预测结果的准确性，可适用于基于视频的人体姿态估计问题。

公开(公告)号：CN117237343B

公开(公告)日：2024-01-30

申请号：CN202311498290.2

申请日：2023-11-13

Applicant: 安徽大学

Inventor： 刘政怡 ,  张广辉 ,  涂铮铮 ,  汪粼波 ,  方贤勇

IPC: G06T7/00 ,  G06N3/0895 ,  G06V10/44 ,  G06V10/86

Abstract: 本发明公开了一种半监督RGB‑D图像镜面检测方法，包括以下步骤：S1、有标签图像预热三分支学生网络，学生网络提取RGB图像特征和Depth图像特征，融合形成融合特征；S2、将融合特征、RGB图像特征和Depth图像特征送入三分支解码，获得预测图并利用真值监督；S3、利用教师网络获得无标签图像的伪标签；S4、无标签图像与有标签图像混合获得混合图像；S5、混合图像与有标签图像送入学生网络进行训练；S6、将上述训练得到的最优参数加载进模型，将RGB‑D镜面检测数据集送入模型，得到对应图像的预测结果图，完成RGB‑D图像的镜面检测。本发明减少了(56)对比文件CN 113298154 A,2021.08.24刘政怡 等.基于多模态特征融合监督的RGB-D图像显著性检测《.电子与信息学报》.2020,第42卷(第4期),997-1004.Zhengyi Liu et al..Scribble-Supervised RGB-T Salient ObjectDetection《.https://arxiv.org/abs/2303.09733》.2023,全文.Vasilis Kontonis et al..SLaM:Student-Label Mixing for Semi-SupervisedKnowledge Distillation《.https://arxiv.org/abs/2302.03806v1》.2023,全文.

公开(公告)号：CN117437432A

公开(公告)日：2024-01-23

申请号：CN202311499181.2

申请日：2023-11-08

Applicant: 安徽大学

Inventor： 刘政怡 ,  王龙振 ,  方贤勇 ,  汪粼波

IPC: G06V10/46 ,  G06T5/50 ,  G06V10/44 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/045

Abstract: 本发明涉及图像处理领域，具体涉及一种基于多模态数据增强的光场图像显著物体检测方法，包括：生成与全聚焦图像相同大小的网格掩码图，在网格掩码图中随机选择若干区域将该区域的值设为1，其他区域的值设为0；根据网格掩码图，利用全聚焦图像对多焦图像进行替换增强，产生增强的多焦图像；利用物体检测模型对增强的多焦图像和全聚焦图像进行训练学习，利用完成训练的物体检测模型检测光场图像中的显著物体。本发明可以有效地处理多焦图像的冗余和不准确性，从而提取出更可靠的特征，提高模型的检测效果；即使在测试样本的多焦图像局部信息不准确的情况下，本发明提供的方法依然能精准检测显著物体，从而提高模型的鲁棒性。

公开(公告)号：CN108550132B

公开(公告)日：2021-06-18

申请号：CN201810216845.2

申请日：2018-03-16

Applicant: 安徽大学

Inventor： 刘政怡 ,  彭宇明 ,  汪士涛 ,  赵悉超

IPC: G06T5/40 ,  G06T5/50 ,  G06T7/11 ,  G06T7/181 ,  G06T7/90

Abstract: 一种图像协同显著目标检测方法，首先，对一组图像中每副图像进行超像素分割并构图；然后，将这组图像边界的超像素互相连接起来，基于组合后图像的协同显著区域紧凑性先验知识，再结合背景先验知识优化得到每幅图像的初始显著图；再次，对一组图像中一幅图像进行基于超像素的全局相似度显著传播得到初始协同显著图；最后，对初始显著图和初始协同显著图进行融合得到最终的协同显著图。

公开(公告)号：CN109360503B

公开(公告)日：2021-02-19

申请号：CN201811382928.5

申请日：2018-11-20

Applicant: 安徽大学

Inventor： 郭星 ,  秦乐 ,  刘政怡 ,  张以文 ,  李炜

IPC: G09F9/33 ,  G06F3/041

Abstract: 本发明公开了一种LED触摸显示屏，包括LED显示屏，所述LED显示屏包括第一基板，所述第一基板上设有多个纵横排列的LED发光管，还包括触摸板，所述触摸板包括第二基板和电极，所述第二基板上开有多个纵横排列的通孔，所述第二基板上相应所述多个通孔的每条行间的位置处均设有X轴电极，相应所述多个通孔的每条列间的位置处均设有Y轴电极；所述触摸板覆盖在所述LED显示屏上，各所述LED发光管一一对应地伸入各所述通孔内。本发明以LED显示屏实现显示功能，以触摸板实现触摸功能，通过在触摸板的第二基板上开设通孔，以配合各LED发光管的发光显示，通过将X轴电极和Y轴电极布设在多个通孔的各条行间和各条列间，以保证触摸功能的实现。

公开(公告)号：CN106952301B

公开(公告)日：2020-04-03

申请号：CN201710141888.4

申请日：2017-03-10

Applicant: 安徽大学

Inventor： 刘政怡 ,  谢丰 ,  宋腾飞 ,  郭星 ,  李炜

IPC: G06T7/50

Abstract: 本发明公开了一种RGB‑D图像显著性计算方法，将RGB‑D图像的背景定义为三维空间中的上、下、左、右、前、后六个面，并以此为先验知识开展RGB‑D图像显著性计算过程。所述方法将RGB‑D图像看成是三维空间内的立体图像，充分利用了RGB‑D图像的深度信息，准确地定义了三维空间边界，更加真实地反映了人类视觉注意机制，提高了显著检测的准确率。本发明所述方法通过图像库测试对比证明了其有效性以及在效果上明显的优势。