-
公开(公告)号：CN114996495A
公开(公告)日：2022-09-02
申请号：CN202210551149.3
申请日：2022-05-18
Applicant: 大连理工大学 , 大连维视科技有限公司
IPC: G06F16/53 , G06V10/26 , G06V10/74 , G06V10/762 , G06V10/774
Abstract: 本发明提供一种基于多原型和迭代增强的单样本图像分割方法及装置。方法包括：分别获取支持图像和查询图像，基于同一特征提取网络获取支持特征和查询特征；基于支持特征的前景部分生成若干支持原型；计算任意支持原型与查询特征的余弦相似度生成相应的相似度图，将各支持原型根据引导表放置到对应位置，生成引导特征；同时，对所有相似度图进行累加操作生成指引查询前景位置的概率图；将所述查询特征、引导特征以及概率图连接后，进行基于多尺度增强，解码后生成查询分割图。本发明采用输出迭代来增强支持特征的指导信息，利用产生的分割图通过加法和乘法计算修正前面进行指导的概率图，使其重新进行更为准确的引导，生成更为精确的分割结果。
-
公开(公告)号：CN119672727A
公开(公告)日：2025-03-21
申请号：CN202411823669.0
申请日：2024-12-12
Applicant: 大连理工大学
IPC: G06V30/148 , G06V30/18 , G06V30/186 , G06V30/19 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明属于计算机视觉领域中的图像文本分割领域，公开了一种基于频率分离的图像文本分割方法。先用CNN和Transformer来分别构建局部特征编码分支和全局特征编码分支，初步提取来自图像的局部特征和全局特征。在频率特征增强模块中，先使用小波变换来分解输入特征的频率。然后对得到的高频分量和低频分量，使用不同的策略进行增强。最后，利用低频信息引导网络关注文本区域附近的局部特征，减少无关背景噪声对分割结果的影响，最终获得精确的分割结果。本发明解决了图像文本分割任务中对文本检测模型的依赖，经该方法输出的结果具有高度完整性和精确性。
-
公开(公告)号：CN114596503B
公开(公告)日：2024-12-10
申请号：CN202210208048.6
申请日：2022-03-03
Applicant: 大连理工大学
IPC: G06V20/13 , G06V10/44 , G06V10/771 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/09
Abstract: 本发明属于计算机道路提取领域，提出了一种基于遥感卫星影像的道路提取方法，该基于遥感卫星影像的道路提取方法包括特征编码器、迭代特征增强子网络和多任务解码器。迭代特征增强子网络单元包含一语义引导特征加强模块、一方向感知特征聚合模块和两侧边分支；语义引导特征增强模块包括特征选择和特征融合；方向感知特征聚合模块包括多个分支的残差结构，每个分支包括一个方向感知可形变卷积和一个ReLU单元；提出的语义引导特征加强模块和方向感知特征聚合模块以及方向感知可形变卷积，更好的利用道路方向来自动对齐卷积核感受野和道路区域；解决了遥感卫星图像中自动化道路提取任务的连通性问题，经该方法输出的结果具有高度精确性和高效性。
-
公开(公告)号：CN104796158A
公开(公告)日：2015-07-22
申请号：CN201510223253.X
申请日：2015-05-05
Applicant: 大连理工大学
IPC: H03M13/11
Abstract: 本发明涉及一种针对固定信息长度的LDPC编译码系统平台，其中固定信息长度为1152bits，它包含若干子系统，其特征在于：每一所述子系统包括一第一选择器、一上位机、一无线接收装置、一处理器、一FPGA编译码器、一第二选择器和一无线发射装置；其中FPGA编译码器包括判断单元、编码器和译码器；本发明由于采用以上设置，实现根据数据通信方向自动实现编译码器配置，进而减少子系统的冗余度，避免子系统资源的浪费，从而实现减少本发明冗余度和资源消耗。因此，本发明可以广泛应用移动通信、空间通信等领域。
-
公开(公告)号：CN119887824A
公开(公告)日：2025-04-25
申请号：CN202411946912.8
申请日：2024-12-27
Applicant: 大连理工大学
IPC: G06T7/194 , G06V10/44 , G06V10/82 , G06N3/0455
Abstract: 本发明公开一种基于扩散模型的定制化图像方法，引入图像编码器模块，注入图像先验信息，不仅能够提升生成图像中物体与参考物体的一致性，而且需要优化模型参数以及计算成本很少，降低时间和算例成本。采用一种轻量化的身份一致性网络对参考物体进行特征提取，降低模型所需优化的参数量。利用掩码衰减的损失保证一致性的同时，减少背景信息的干扰。为提升文本对参考物体的可编辑性，引入文本先验和文本保护机制，利用未加入标识向量的文本作为学习目标，减小除标识向量之外的其余向量之间的差距，采用向量正交分解的方式进行文本保护。本发明的方法能更广泛地应用于实际场景中，参考物体的身份一致性较高，同时对于参考物体的属性，可编辑性较高。
-
Patent Agency Ranking
公开(公告)号：CN114996495B
公开(公告)日：2025-03-14
申请号：CN202210551149.3
申请日：2022-05-18
Applicant: 大连理工大学 , 大连维视科技有限公司
IPC: G06F16/53 , G06V10/26 , G06V10/74 , G06V10/762 , G06V10/774
Abstract: 本发明提供一种基于多原型和迭代增强的单样本图像分割方法及装置。方法包括：分别获取支持图像和查询图像，基于同一特征提取网络获取支持特征和查询特征；基于支持特征的前景部分生成若干支持原型；计算任意支持原型与查询特征的余弦相似度生成相应的相似度图，将各支持原型根据引导表放置到对应位置，生成引导特征；同时，对所有相似度图进行累加操作生成指引查询前景位置的概率图；将所述查询特征、引导特征以及概率图连接后，进行基于多尺度增强，解码后生成查询分割图。本发明采用输出迭代来增强支持特征的指导信息，利用产生的分割图通过加法和乘法计算修正前面进行指导的概率图，使其重新进行更为准确的引导，生成更为精确的分割结果。
-
公开(公告)号：CN114596503A
公开(公告)日：2022-06-07
申请号：CN202210208048.6
申请日：2022-03-03
Applicant: 大连理工大学
Abstract: 本发明属于计算机道路提取领域，提出了一种基于遥感卫星影像的道路提取方法，该基于遥感卫星影像的道路提取方法包括特征编码器、迭代特征增强子网络和多任务解码器。迭代特征增强子网络单元包含一语义引导特征加强模块、一方向感知特征聚合模块和两侧边分支；语义引导特征增强模块包括特征选择和特征融合；方向感知特征聚合模块包括多个分支的残差结构，每个分支包括一个方向感知可形变卷积和一个ReLU单元；提出的语义引导特征加强模块和方向感知特征聚合模块以及方向感知可形变卷积，更好的利用道路方向来自动对齐卷积核感受野和道路区域；解决了遥感卫星图像中自动化道路提取任务的连通性问题，经该方法输出的结果具有高度精确性和高效性。
-
公开(公告)号：CN102354397B
公开(公告)日：2013-05-15
申请号：CN201110278771.3
申请日：2011-09-19
Applicant: 大连理工大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于面部特征器官相似性的人脸图像超分辨率重建方法，包括如下步骤：步骤1根据给定理想高分辨率人脸图像，利用灰度投影法建立高分辨率正面人脸图像库和高分辨率特征器官图像库；步骤2对一幅低分辨率目标人脸图像提取低分辨率特征器官图像；步骤3对低分辨率目标人脸图像和低分辨率特征器官图像进行双三次插值，获取低分辨率图像的训练图像集；步骤4训练图像集构建各自所对应的特征空间，重建出对应的高分辨率整体人脸图像和高分辨率器官图像的投影向量；步骤5将高分辨率整体人脸图像和高分辨率特征器官图像融合为高分辨率目标人脸图像。该方法具有预处理时间少、训练图像检索精度高和获得人脸图像真实度高等特点。
-
公开(公告)号：CN102354397A
公开(公告)日：2012-02-15
申请号：CN201110278771.3
申请日：2011-09-19
Applicant: 大连理工大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于面部特征器官相似性的人脸图像超分辨率重建方法，包括如下步骤：步骤1根据给定理想高分辨率人脸图像，利用灰度投影法建立高分辨率正面人脸图像库和高分辨率特征器官图像库；步骤2对一幅低分辨率目标人脸图像提取低分辨率特征器官图像；步骤3对低分辨率目标人脸图像和低分辨率特征器官图像进行双三次插值，获取低分辨率图像的训练图像集；步骤4训练图像集构建各自所对应的特征空间，重建出对应的高分辨率整体人脸图像和高分辨率器官图像的投影向量；步骤5将高分辨率整体人脸图像和高分辨率特征器官图像融合为高分辨率目标人脸图像。该方法具有预处理时间少、训练图像检索精度高和获得人脸图像真实度高等特点。
-
公开(公告)号：CN114202740A
公开(公告)日：2022-03-18
申请号：CN202111483359.5
申请日：2021-12-07
Applicant: 大连理工大学宁波研究院 , 大连维视科技有限公司
IPC: G06V20/52 , G06N3/04 , G06K9/62 , G06V10/774 , G06V10/80
Abstract: 一种基于多尺度特征融合的行人重识别方法，1)构建基于多尺度融合的模型，并预训练主干网络暨多尺度特征提取器。2)利用多尺度特征提取器生成图像的多尺度特征。3)采用基于Transformer的特征校准模型融合两个不同尺度的特征。4)利用深监督融合从浅层特征到深层特征不断融合不同层级的特征。5)用交叉熵损失和三元组损失监督融合过程。6)将目标测试集图像输入训练好的模型提取特征，根据特征相似度进行排序得到行人重识别的结果，进而实现行人重识别。本发明采用卷积神经网络提取多尺度特征，使用Transformer从全局的角度融合多尺度信息，使得特征同时具有细节和语义信息，有效的提高了行人重识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.026 seconds)
