-
公开(公告)号：CN111160351A
公开(公告)日：2020-05-15
申请号：CN201911365709.0
申请日：2019-12-26
Applicant: 厦门大学
Abstract: 基于块推荐网络的快速高分辨率图像分割方法，涉及图像处理。1)构建全局分支与局部精细化分支；2)将原始高分辨率图像下采样,均匀划分成若干图像块；3)将下采样图像输入全局分支中得全局分割特征图，均匀划分成若干特征块；4)将下采样图像输入块推荐网络中获取推荐块；5)根据推荐块标号取出推荐块，与全局分割特征图相应特征块进行显著性操作，将结果输入局部精细化分支；6)局部精细化特征块与全局分割特征图相应位置融合，输出融合后的分割结果作为总体分割结果；7)分割结果与真实标签计算误差损失，训练网络，更新网络参数；8)取任意测试图像，重复步骤1)～6)，得到分割预测结果。分割准确，计算资源消耗低，推理时间少。
-
Patent Agency Ranking
公开(公告)号：CN111160351B
公开(公告)日：2022-03-22
申请号：CN201911365709.0
申请日：2019-12-26
Applicant: 厦门大学
Abstract: 基于块推荐网络的快速高分辨率图像分割方法，涉及图像处理。1)构建全局分支与局部精细化分支；2)将原始高分辨率图像下采样,均匀划分成若干图像块；3)将下采样图像输入全局分支中得全局分割特征图，均匀划分成若干特征块；4)将下采样图像输入块推荐网络中获取推荐块；5)根据推荐块标号取出推荐块，与全局分割特征图相应特征块进行显著性操作，将结果输入局部精细化分支；6)局部精细化特征块与全局分割特征图相应位置融合，输出融合后的分割结果作为总体分割结果；7)分割结果与真实标签计算误差损失，训练网络，更新网络参数；8)取任意测试图像，重复步骤1)～6)，得到分割预测结果。分割准确，计算资源消耗低，推理时间少。
-
公开(公告)号：CN105069825A
公开(公告)日：2015-11-18
申请号：CN201510501171.7
申请日：2015-08-14
Applicant: 厦门大学
Abstract: 基于深度置信网络的图像超分辨率重建方法，涉及图像处理。获取低分辨率的图像，对低分辨率的图像先进行插值放大，放大到所需尺寸；用重复分块采样的方法来获取低分辨亮度图图像块；输入低分辨率图像块，用预先训练好的深度置信网络预测高分辨率的图像块；将得到的拟合结果进行邻域正则化优化求解；将所有的高分辨亮度图像块组合得到高分辨率亮度图像；最后跟之前得到的其它两个通道的值组合起来，再转换成彩色RGB表示的图像，即得到所预测的高分辨率图像。可实现单帧图像的超分辨重建，提高图像的峰值信噪比，得到重建图像清晰边缘和丰富纹理，可用于视频安全监控、医学数字影像、航天探测等。
-
公开(公告)号：CN109299688B
公开(公告)日：2021-10-01
申请号：CN201811094792.8
申请日：2018-09-19
Applicant: 厦门大学
Abstract: 基于可变形快速卷积神经网络的舰船检测方法，涉及图像处理。检测方法包括模型训练阶段和舰船检测阶段。可用于民用领域，代替人工实时地对特定港口、港湾、海域对船只进行分类检测，可用于视频监控或图像中的船只检测，也可以对军事港口进行船只检测监控，能及早发现军事情报，为我方军事指挥提供作战依据，掌握战场主动权。通过对兼顾速度和准确度的端到端方法Faster R‑CNN的改进，根据舰船目标的特有性质，对Faster R‑CNN基础网络、RoI‑wise子网络和损失函数进行修改，得到可变形快速卷积神经网络的检测网络的模型结构，实验结果显示，比原Faster R‑CNN方法具有更好的检测速度和精度。
-
公开(公告)号：CN109299688A
公开(公告)日：2019-02-01
申请号：CN201811094792.8
申请日：2018-09-19
Applicant: 厦门大学
Abstract: 基于可变形快速卷积神经网络的舰船检测方法，涉及图像处理。检测方法包括模型训练阶段和舰船检测阶段。可用于民用领域，代替人工实时地对特定港口、港湾、海域对船只进行分类检测，可用于视频监控或图像中的船只检测，也可以对军事港口进行船只检测监控，能及早发现军事情报，为我方军事指挥提供作战依据，掌握战场主动权。通过对兼顾速度和准确度的端到端方法Faster R-CNN的改进，根据舰船目标的特有性质，对Faster R-CNN基础网络、RoI-wise子网络和损失函数进行修改，得到可变形快速卷积神经网络的检测网络的模型结构，实验结果显示，比原Faster R-CNN方法具有更好的检测速度和精度。
-
公开(公告)号：CN105069825B
公开(公告)日：2018-06-12
申请号：CN201510501171.7
申请日：2015-08-14
Applicant: 厦门大学
Abstract: 基于深度置信网络的图像超分辨率重建方法，涉及图像处理。获取低分辨率的图像，对低分辨率的图像先进行插值放大，放大到所需尺寸；用重复分块采样的方法来获取低分辨亮度图图像块；输入低分辨率图像块，用预先训练好的深度置信网络预测高分辨率的图像块；将得到的拟合结果进行邻域正则化优化求解；将所有的高分辨亮度图像块组合得到高分辨率亮度图像；最后跟之前得到的其它两个通道的值组合起来，再转换成彩色RGB表示的图像，即得到所预测的高分辨率图像。可实现单帧图像的超分辨重建，提高图像的峰值信噪比，得到重建图像清晰边缘和丰富纹理，可用于视频安全监控、医学数字影像、航天探测等。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
