-
公开(公告)号：CN106599901A
公开(公告)日：2017-04-26
申请号：CN201610878504.2
申请日：2016-10-09
Applicant: 福州大学
CPC classification number: G06K9/6256 , G06K9/6277
Abstract: 本发明涉及一种基于深度玻尔兹曼机的协同目标分割与行为识别方法。该方法，首先利用深度玻尔兹曼机从目标行为训练库中学习行为与动作的多层结构特征，接着以底层图像分割为出发点，根据贝叶斯推理，将目标分割看作最大化条件概率，然后在学习得到的高层先验行为指导下，采用目标形状信息作为底层、中层和高层连接的纽带，并建立总的能量函数，最后通过能量极小化完成目标的同时分割与行为识别。本发明利用底层与高层的协同合作可以同时提高目标分割的精度和行为识别的准确性，解决了在低质量环境下由于噪声、遮挡、光照等多种因素影响下分割效果不佳的问题。
-
公开(公告)号：CN106599901B
公开(公告)日：2019-06-07
申请号：CN201610878504.2
申请日：2016-10-09
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度玻尔兹曼机的协同目标分割与行为识别方法。该方法，首先利用深度玻尔兹曼机从目标行为训练库中学习行为与动作的多层结构特征，接着以底层图像分割为出发点，根据贝叶斯推理，将目标分割看作最大化条件概率，然后在学习得到的高层先验行为指导下，采用目标形状信息作为底层、中层和高层连接的纽带，并建立总的能量函数，最后通过能量极小化完成目标的同时分割与行为识别。本发明利用底层与高层的协同合作可以同时提高目标分割的精度和行为识别的准确性，解决了在低质量环境下由于噪声、遮挡、光照等多种因素影响下分割效果不佳的问题。
-
公开(公告)号：CN105894469A
公开(公告)日：2016-08-24
申请号：CN201610194833.5
申请日：2016-03-31
Applicant: 福州大学
IPC: G06T5/00
CPC classification number: G06T5/002
Abstract: 本发明涉及一种基于外部块自编码学习和内部块聚类的去噪方法，其具体做法是：首先利深度学习中的自动编码模型从外部干净自然图像块中学习块结构特征，并利用这些特征对带噪声图像块进行降维，然后采用由粗至细的策略实现整个图像范围内的块聚类，在每一个类别中构建低秩正则约束，在所有类别中构建全局约束，并建立总的能量函数，最后通过能量极小化完成目标图像的去噪。本发明利用外部自然图像块结构信息辅助待测图像内部块聚类去噪，解决了现有去噪方法中对被高斯白噪声腐蚀的自然图像去噪效果不佳的问题。
-
-
Search Results
3
records
(took 0.065 seconds)
