-
公开(公告)号：CN111598799A
公开(公告)日：2020-08-28
申请号：CN202010362929.4
申请日：2020-04-30
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本申请适用于图像处理技术领域，提供了图像调色增强方法和图像调色增强神经网络训练方法，该方法包括：获取训练数据样本，构建图像调色增强神经网络，该图像调色增强神经网络包含密集跳跃链接的编码器-解码器结构；基于上述训练数据样本，采用固定步长学习率衰减策略对图像调色增强神经网络进行训练，直至图像调色增强神经网络的颜色损失函数满足预设条件；将待调色增强图像输入训练后的图像调色增强神经网络能够得到用于对所述待调色增强图像进行调色增强处理的调色乘度因子和偏置。上述方法在图像增强处理上有更好的可解释性、鲁棒性、泛化性和延拓性，提高图像增强处理的效果。
-
公开(公告)号：CN111179226A
公开(公告)日：2020-05-19
申请号：CN201911287450.2
申请日：2019-12-14
Applicant: 中国科学院深圳先进技术研究院
Inventor： 乔宇
Abstract: 本申请公开了一种视野图的识别方法、装置及计算机存储介质。其中，视野图包括至少一种偏差概率符号，该方法包括：将视野图分割为多个小图，以使得每一小图包括一偏差概率符号；基于训练后的小图神经网络，识别小图的偏差概率符号；根据偏差概率符号的种类使用不同的数字对小图进行标记，以通过数字来表示视野图。通过上述方式，本申请能够提高对视野图的识别准确率。
-
公开(公告)号：CN111080660A
公开(公告)日：2020-04-28
申请号：CN201911111243.1
申请日：2019-11-14
Applicant: 中国科学院深圳先进技术研究院
Inventor： 乔宇
Abstract: 本申请适用于图像处理技术领域，提供了图像分割方法、装置、终端设备及存储介质，方法包括：获取待识别图像，采用图像分割模型对待识别图像进行边缘特征提取运算、语义特征提取运算和感受野增加运算，得到待识别图像的图像特征；采用图像分割模型对图像特征进行处理，得到待识别图像中每个像素对应的图像类别；根据待识别图像中每个像素对应的图像类别，标记出每个图像类别对应的像素，得到分割图像。本申请实施例提供的图像分割方法可以防止在图像特征提取过程中丢失图像的边缘特征信息和与语义特征对应的二维图像之间的层间信息，保证分割图像边缘的分辨率，提升待识别图像中小目标的分割精度。
-
公开(公告)号：CN110602491A
公开(公告)日：2019-12-20
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：CN110321910A
公开(公告)日：2019-10-11
申请号：CN201810271498.3
申请日：2018-03-29
Applicant: 中国科学院深圳先进技术研究院
Abstract: 一种面向点云的特征提取方法包括：获取点云数据；将所述点云数据输入预先训练完成的卷积神经网络，所述卷积神经网络的卷积核为参数化卷积核，所述参数化卷积核包括半径的阶梯函数与输入点的三阶泰勒展开的乘积，所述半径为以原点为起点，输入点为终点的向量的长度，所述输入点为所述半径范围内的三维的点云数据中的点；根据所述卷积神经网络的计算结果，提取所述点云数据的特征。由于本申请可以直接输入点云进行计算，不需要将点云数据转换为其它复杂的数据格式，有利于减少内存占用和计算机资源的消耗，能够更为快速的提取丰富的特征数据。通过本申请所述的面向点云的特征提取方法，可以有效的应用于物体或图像分类、配准和重建。
-
Patent Agency Ranking
公开(公告)号：CN110147456A
公开(公告)日：2019-08-20
申请号：CN201910292957.0
申请日：2019-04-12
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本发明涉及图像处理技术领域，尤其涉及一种图像分类方法、装置、存储介质及终端设备。本发明提供的图像分类方法包括：获取待分类图像；将待分类图像输入至训练完成的图像分类模型，得到图像分类模型输出的图像标签；其中，图像分类模型包括老师模型和学生模型，老师模型为利用噪声数据和非噪声数据进行弱监督训练得到的卷积神经网络模型，学生模型为基于老师模型根据知识迁移机制和多任务学习机制共同训练获得的模型；根据图像标签得到待分类图像对应的分类结果，以使用老师模型来进行知识迁移，并利用噪声数据和非噪声数据进行多任务学习训练，提高图像分类模型的分类效率和分类准确性。
-
公开(公告)号：CN105631426B
公开(公告)日：2019-05-07
申请号：CN201511016818.3
申请日：2015-12-29
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本发明适用于计算机技术领域，提供了对图片进行文本检测的方法及装置，包括：获取进行文本检测的图片；将所述图片输入全卷积网络的第一层，在所述第一层中基于文本区域的序列特征，检测出所述图片中的文本区域；将所述文本区域输入到所述全卷积网络的第二层，在所述第二层中基于文本中间线的监督分类器，将所述文本区域分解为独立的文本行区域输出，所述文本中间线的区域由高斯分布的函数定义。本发明基于两层级联式的全卷积网络，对图片中的文本行进行提取，不仅充分节省了重叠区域之间的计算资源，而且利用了文本更高层的序列特征作为监督信息，提高了文本检测算法的鲁棒性。
-
公开(公告)号：CN109376786A
公开(公告)日：2019-02-22
申请号：CN201811284267.2
申请日：2018-10-31
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本发明适用于图像处理技术领域，提供了图像分类方法、装置、终端设备及可读存储介质，所述方法包括：通过已知类别图像对深度卷积神经网络进行训练，获取网络训练模型；根据所述网络训练模型对所述已知类别图像中的每一类样本分别建立概率分布模型；根据所述概率分布模型修正所述已知类别图像的激活值；根据所述已知类别图像数据的激活值获取未知类别图像的激活值；根据所述已知类别图像的激活值以及所述未知类别图像的激活值，对图像进行分类。通过本发明可以对在实际应用中对已知类别图像中训练集合类别之外的图像进行合理准确的分类。
-
公开(公告)号：CN105488534B
公开(公告)日：2018-12-07
申请号：CN201510887525.6
申请日：2015-12-04
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本发明公开了交通场景深度解析方法及装置，包括：使用多个交通场景数据库中的原始图像数据集和原始图像对应的道路区域标定作为训练样本，通过拉普拉斯金字塔变换方式，将其中各原始图像缩放为多个不同尺度，并输入与不同尺度分别对应的神经网络，神经网络由卷积神经网络部分与反卷积神经网络部分联合组成，通过与神经网络连接的全连接层输出与原始图像像素相同的一维数组，并还原为与原始图像相同大小的结果图像，其中标出不同类型的道路，使用预置标准对结果图像进行处理，以还原出道路的分割结果，将待检测图像输入训练成功的神经网络中，得到完成道路分割与待检测图像对应的结果图像。本发明可提高交通场景解析的准确度。
-
公开(公告)号：CN108038832A
公开(公告)日：2018-05-15
申请号：CN201711424318.2
申请日：2017-12-25
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本发明适用于水下图像增强技术领域，提供了一种水下图像增强方法及系统，其中，方法包括：在水下播放视频；在水下拍摄所述视频，获得低质量水下图像数据；同步获取所述视频的高质量源图像数据和所述低质量水下图像数据，作为输入数据；对所述输入数据进行底层图像处理和高层视觉处理，得到重建后的高质量水下图像数据；其中，所述高质量源图像数据和所述低质量水下图像数据存在对应关系。本发明通过同步获取水下播放的视频的高质量源图像数据和拍摄所述视频得到的低质量水下图像数据，可以快速、便捷的获得大量水下训练数据，通过结合底层图像处理和高层视觉处理，可以更加有效的对底层图像进行增强。
-
-
-
-
-
-
-
-
-
Search Results
196
records
(took 0.053 seconds)
