-
公开(公告)号：CN107993255B
公开(公告)日：2021-11-19
申请号：CN201711220774.5
申请日：2017-11-29
Applicant: 哈尔滨工程大学
IPC: G06T7/269
Abstract: 本发明属于计算机视觉领域，提供了一种基于卷积神经网络的稠密光流估计方法，以解决现有技术计算时间长，计算量大，计算效率不高的问题，包含如下步骤：(1)提取运动图像信息：构建全卷积网络架构，然后在输入层输入两幅通道数都为C的图像，从卷积层8输出光流_6；(2)生成光流：构建稠密光流生成模型。光流_6输入反卷积层1，反卷积层2输出光流_5，反卷积层3输出光流_4，反卷积层4输出光流_3，反卷积层5输出光流_2，反卷积层6输出光流_1；(3)模型训练：用最终损失函数进行训练；(4)光流估计：从全卷积网络架构的输入层输入图像对，输出最终预测的光流。本发明能够有效地利用先验知识，模型可以预先训练，大大减少了计算时间。
-
公开(公告)号：CN109543740A
公开(公告)日：2019-03-29
申请号：CN201811363392.2
申请日：2018-11-14
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于生成对抗网络的目标检测方法，设计生成器，根据类别标签生成各类样本，设计代理器，检测生成器的数据，提供伪真值，并将代理器生成的数据应用于目标检测器的训练，设计目标检测器，判断生成数据是否有利于目标检测精度的提升，设计对抗器，在训练阶段，判别数据是来源于真实数据还是生成数据，生成器与判别器交替训练，在测试阶段，待检测数据直接输入目标检测器，得到检测结果。本发明生成网络生成的样本与真实样本结合可丰富训练数据，提高检测精度，目标检测网络对生成网络提供反馈，使生成的样本更加真实，代理器生成的数据直接应用于目标检测器的训练，无需耗费大量的人力物力进行标注，本发明结构简单，易于部署。
-
公开(公告)号：CN108021857A
公开(公告)日：2018-05-11
申请号：CN201710717257.2
申请日：2017-08-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于无人机航拍图像序列深度恢复的建筑物检测方法，属于建筑物检测技术领域。具体内容包括：无人机搭载单目相机采集图像序列；利用飞机的运动信息以及获取到的图像序列的空域和时域的关系，恢复出图像的视差；将视差转换为深度，人工的设定深度阈值来分割建筑物。本发明可以有效地估计出图像的深度，利用深度检测出建筑物。本发明首次使用了无人机图像序列深度恢复的方法，能够对建筑物进行有效的检测。
-
公开(公告)号：CN107993255A
公开(公告)日：2018-05-04
申请号：CN201711220774.5
申请日：2017-11-29
Applicant: 哈尔滨工程大学
IPC: G06T7/269
Abstract: 本发明属于计算机视觉领域，提供了一种基于卷积神经网络的稠密光流估计方法，以解决现有技术计算时间长，计算量大，计算效率不高的问题，包含如下步骤：(1)提取运动图像信息：构建全卷积网络架构，然后在输入层输入两幅通道数都为C的图像，从卷积层8输出光流_6；(2)生成光流：构建稠密光流生成模型。光流_6输入反卷积层1，反卷积层2输出光流_5，反卷积层3输出光流_4，反卷积层4输出光流_3，反卷积层5输出光流_2，反卷积层6输出光流_1；(3)模型训练：用最终损失函数进行训练；(4)光流估计：从全卷积网络架构的输入层输入图像对，输出最终预测的光流。本发明能够有效地利用先验知识，模型可以预先训练，大大减少了计算时间。
-
-
-
Search Results
14
records
(took 0.017 seconds)
