-
公开(公告)号：CN109359581A
公开(公告)日：2019-02-19
申请号：CN201811194312.5
申请日：2018-10-15
申请人： 成都快眼科技有限公司
摘要： 本发明涉及人脸识别技术领域，公开了一种基于智能眼镜的人脸注册方法。步骤1，通过智能眼镜上的摄像头采集待注册对象的脸部图像，通过神经网络模型提取所述脸部图像的特征信息；步骤2，通过语音识别技术进行交互，获取待注册对象的姓名信息；步骤3，将所述特征信息和所述名字一一对应进行注册。采用本发明的技术方案，智能眼镜用户能够自主进行人脸注册，并且通过判断脸部图像的清晰程度及完整性，使注册的脸部图像具有更好的鲁棒性；并且针对盲人用户，加入了语音交互，操作简单，更具实用性。
-
公开(公告)号：CN109086770A
公开(公告)日：2018-12-25
申请号：CN201810823098.9
申请日：2018-07-25
申请人： 成都快眼科技有限公司
摘要： 本发明提供了一种基于精准尺度预测的图像语义分割方法及模型，对于原始图像，用深度卷积网络编码基础特征图；基础特征图上每个点编码了原始图像上以该点为中心的一个区域的语义及外观特征；将编码得到的基础特征图划分为K×K个区域，采用卷积层；根据预设的S个候选尺度，针对每个区域，利用卷积层及softmax归一化，预测每个区域属于每个预设尺度的概率，即尺度置信度Ps；根据设定的对象类别，在划分的K×K个区域中，利用卷积层及softmax归一化，预测每个区域属于每个对象类别的类别置信度Pc；基于预测的尺度置信度Ps，对各个区域进行语义分割。提高了尺度预测的精准性。并在精准的尺度预测结果上进行图像语义分割，提高了分割精度。
-
公开(公告)号：CN107392251A
公开(公告)日：2017-11-24
申请号：CN201710616494.X
申请日：2017-07-26
申请人： 成都快眼科技有限公司
发明人： 李宏亮
IPC分类号： G06K9/62
摘要： 本发明提供了一种使用分类图片提升目标检测网络性能的方法，具体方法为：训练好的目标检测网络中，针对目标检测性能最差的目标类别，制作该目标类别的分类图片数据库，并把所述目标类别的分类图片中包含的特征信息学习到所述目标检测网络中，扩充网络中有关所述目标类别目标特征的信息。在训练目标检测网络时，针对检测性能最差的类别，考虑构造该类别的分类图片数据库，并使用目标检测网络在该分类图片数据库上进行微调，使得目标检测网络中关于该类别的特征信息变得更加丰富，提升该类别的目标检测性能，进而提升目标检测网络的整体性能。
-
公开(公告)号：CN107247956A
公开(公告)日：2017-10-13
申请号：CN201610880557.8
申请日：2016-10-09
申请人： 成都快眼科技有限公司
摘要： 本发明公开了一种基于网格判断的快速目标检测方法，所述方法包括：步骤1：将图像进行网格划分；步骤2：提取网格区域的特征；步骤3：对网格进行判断及合并，具体为：首先，根据事先训练的回归模型判断每个网格是否属于指定的目标对象，然后根据各个网格所属的对象类别，将网格合并组成初始对象窗口；步骤4：利用边框回归方法对初始对象窗口进行边框回归处理，实现了能够同时保证目标检测精度和速度的技术效果。
-
公开(公告)号：CN109800712B
公开(公告)日：2023-04-21
申请号：CN201910052180.0
申请日：2019-01-21
申请人： 成都快眼科技有限公司
IPC分类号： G06V20/52 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/084 , G06T7/00
摘要： 本发明公开了一种基于深度卷积神经网络的车辆检测计数方法及设备，该方法包括：通过预先构建的基本网络提取待检测图像的底层特征；采用基于期望损失的锚点生成方法选取锚点窗口，在特征谱的每个位置产生锚点窗口大小的多个待检测窗口；对每个待检测窗口进行特征提取，输出特征谱；预测每个待检测窗口的目标打分、位置偏移和数量，输出待检测图像上车辆的位置和数量。本发明能够高效准确地检测出视频中的车辆数量，并以窗口的形式显示出其位置，且能够将航拍图像车辆检测的精度提升9个百分点的平均准确率，同时能够更大程度地减少数量的误差。
-
公开(公告)号：CN108305258B
公开(公告)日：2022-07-26
申请号：CN201810093922.X
申请日：2018-01-31
申请人： 成都快眼科技有限公司
IPC分类号： G06T7/11
摘要： 本发明提供了一种基于最小生成树的超像素分割方法、系统及存储设备，包括，获取图像的边缘谱信息，并结合图像像素的颜色信息，构建无向加权图G＝(V,E,W)以表达四邻域的像素邻接关系；根据无向加权图G＝(V,E,W)，对应节点V＝{A,B,...,G}以及不同的边权重，得到最小生成树；将获取的最小生成树结构划分为一系列最小生成森林；对所述最小生成森林加入规则性约束并获取最终的区域分割。与现有技术相比，基于最小生成树的超像素分割方法，具有分割速度快，分割精度高，获取超像素分割区域规则等特点。
-
公开(公告)号：CN107247956B
公开(公告)日：2020-03-27
申请号：CN201610880557.8
申请日：2016-10-09
申请人： 成都快眼科技有限公司
摘要： 本发明公开了一种基于网格判断的快速目标检测方法，所述方法包括：步骤1：将图像进行网格划分；步骤2：提取网格区域的特征；步骤3：对网格进行判断及合并，具体为：首先，根据事先训练的回归模型判断每个网格是否属于指定的目标对象，然后根据各个网格所属的对象类别，将网格合并组成初始对象窗口；步骤4：利用边框回归方法对初始对象窗口进行边框回归处理，实现了能够同时保证目标检测精度和速度的技术效果。
-
公开(公告)号：CN106651897B
公开(公告)日：2019-12-31
申请号：CN201610888875.9
申请日：2016-10-12
申请人： 成都快眼科技有限公司
摘要： 本发明提供了一种基于超像素分割的视差修正方法，针对校正后的双目相机拍摄的左右图像，根据像素亮度值，对左右图像分别进行超像素块分割；针对无纹理区域误匹配的问题，对平坦区域超像素块标记不稳定超像素块；根据相邻超像素块越相近的区域的视差越接近，来修正不稳定超像素块的视差。该方法针对局部立体算法前景膨胀的问题，基于超像素分割，根据相邻超像素块越相似的区域的视差越接近，来修正错误匹配的区域，生成视差图速度快，精度高。
-
公开(公告)号：CN109063113A
公开(公告)日：2018-12-21
申请号：CN201810851999.9
申请日：2018-07-30
申请人： 成都快眼科技有限公司
IPC分类号： G06F17/30
摘要： 本发明提供了一种基于不对称深度离散哈希的快速图像检索方法、检索模型及模型构建方法，本发明方案考虑查询图像与数据库图像哈希码之间类内的紧致性以及类间的分离性，构建测度学习模型，通过深度学习及离散优化，以同时学习查询图像近似二值码以及数据库图像离散的哈希码；通过构建不对称哈希码学习框架，结合测度学习、深度学习及离散优化，针对数据库图像学习离散判别性的哈希码和针对查询图像训练一个深度卷积神经网络；从而使得哈希码类间最小汉明距离大于类内最大汉明距离。
-
公开(公告)号：CN106446864A
公开(公告)日：2017-02-22
申请号：CN201610888826.5
申请日：2016-10-12
申请人： 成都快眼科技有限公司
CPC分类号： G06K9/00798 , G06K9/00805 , G06K9/6256 , G06K9/6269
摘要： 本发明提供了一种可行道路的检测方法，包括训练阶段和测试阶段；测试阶段先对整幅图像提取颜色、梯度、方向和边缘等特征信息，然后通过分类器初步进行可行道路检测；利用初步的道路检测结果，建立道路区域和非道路区域的二维颜色直方图，计算各像素点的道路概率，然后利用道路概率更新可行道路的检测结果。该方法不基于任何预先假设，适用性强，能够适合各种场景；没有利用图像分割方法，大大减少了计算量，能够满足实时处理的要求，同时还能精确地检测出可行道路区域。
-
-
-
-
-
-
-
-
-
搜索结果
48 条记录 (耗时 0.03 秒)
