-
公开(公告)号：CN119380325A
公开(公告)日：2025-01-28
申请号：CN202411518437.4
申请日：2024-10-29
Applicant: 南通鑫途信息技术有限公司
IPC: G06V20/62 , G06V30/16 , G06V30/19 , G06V30/146 , G06V10/82 , G06T7/00 , G06T3/4053 , G06T3/4046 , G06T5/60 , G06V30/12 , G06V30/26 , G06N3/0464 , G06N3/08 , G06N3/0475 , G06N3/045
Abstract: 本发明涉及一种面向复杂光线环境的电气柜压板描述提取方法，该方法包括：收集电气柜压板图像，并进行数据增强处理；使用图像标注工具对电气柜压板图片数据进行数据标注；制作针对压板描述文本的文字识别训练集和测试集得到针对压板文字的文本识别模型；将待检测图片输入至系统中进行清晰度量化评估；将满足清晰度检测要求的待检测图片输入到压板描述检测模块中进行定位，获取其精确坐标；使用文本识别模型对检测到的压板描述区域进行精准识别，提取出详细的压板描述文本内容；基于获取到的压板描述文本内容，通过系统集成电气柜压板图像的动态空间定位算法对压板信息进行精准处理。本发明还涉及一种相应的系统、装置、处理器及其存储介质。
-
公开(公告)号：CN119379810A
公开(公告)日：2025-01-28
申请号：CN202411469960.2
申请日：2024-10-21
Applicant: 华南农业大学
IPC: G06T7/80 , G06T5/60 , G06T3/4038 , G06T3/4046 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明提供一种基于双目光学图像的水下三维全景重构方法和系统，能够有效应对海底复杂环境下光学图像退化的问题，通过深度学习算法对图像进行恢复与增强，提高了水下图像重构质量；同时通过优化立体视觉匹配算法，能够生成高精度的水下点云数据；另外，还通过环境自适应的点云校正，修正了光学失真带来的偏差，进一步提高了水下全景重构的精度；本发明能够有效提升水下三维重构的精度和效率，解决传统方法中的图像质量低和光学失真问题，适用于海洋生物调查、水下考古、海洋牧场管理等领域，并为水下环境的研究和利用提供可靠的数据支持。
-
公开(公告)号：CN119379731A
公开(公告)日：2025-01-28
申请号：CN202411511837.2
申请日：2024-10-28
Applicant: 东南大学
IPC: G06T7/20 , G06N3/0455 , G06N3/042 , G06T3/4046
Abstract: 本发明公开了一种基于Swin‑transformer的扩展目标跟踪方法，通过swi n‑transformer的深度学习网络和卡尔曼滤波器，利用视觉转换器处理有噪声的雷达点云图像；其中，所述swi n‑transformer：实现对目标形状参数的推断，至少包括一个基于移位窗口的标准多头自注意力模块、一个基于窗口的标准多头自注意力模块和一个内部由两层多层感知器构成的结构，中间具有高斯误差线性单元非线性；所述卡尔曼滤波器：用于估计目标的运动学参数。本案方法可以从带噪声的点云中同时估计单个扩展目标的运动参数和形状参数，使得目标跟踪更加精准和高效。
-
公开(公告)号：CN118505559B
公开(公告)日：2025-01-28
申请号：CN202410228225.6
申请日：2024-02-29
Applicant: 昆明理工大学
IPC: G06T5/73 , G06T5/60 , G06T3/4046 , G06T3/4053 , G06V10/80 , G06V10/82 , G06V10/42 , G06V10/44 , G06V10/52 , G06V20/13 , G06V20/10 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明涉及基于超分辨率重建任务辅助特征提取的全色锐化方法，属遥感图像处理领域。本发明包括步骤：构建多阶段PAN特征提取模块与多阶段LRMS超分模块，将预处理之后的两种图像数据分别输入对应的模块；构建多阶段特征融合模块，将来自PAN特征提取模块以及LRMS超分模块的图像特征进行融合，在不同图像的模块之间构建特征交互的关系；构建两个结构相同但参数不共享的重建模块，分别对全色锐化任务以及超分辨率重建任务的输出特征进行重建恢复，生成超分辨率MS图像与高分辨率多光谱HRMS图像。本发明通过引入超分辨率任务为全色锐化任务提供额外的约束，鼓励网络模块能够拥有更强的特征提取能力，提升了全色锐化任务的性能。
-
公开(公告)号：CN117765273B
公开(公告)日：2025-01-28
申请号：CN202311493318.3
申请日：2023-11-09
Applicant: 北京理工大学
IPC: G06V10/52 , G06V10/75 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/084 , G06T7/90 , G06T3/4038 , G06T3/4046
Abstract: 本发明提出一种基于多尺度多种类代价体积的实时立体匹配方法，包括，获取左右RGB图像；将所述左右RGB图像输入端到端视差预测模型；其中所述端到端视差预测模型包括特征提取模块、代价体积构建模块、代价聚合模块、视差预测模块和视差细化模块；输出视差预测结果。通过本发明提出的方法，可以精确地恢复原图大小的视差图结果。
-
Patent Agency Ranking
公开(公告)号：CN112184568B
公开(公告)日：2025-01-28
申请号：CN202010925547.8
申请日：2020-09-04
Applicant: 北京爱芯科技有限公司
Inventor： 刘永劼
IPC: G06T5/77 , G06T5/60 , G06T5/20 , G06T3/4046 , G06N3/0464 , G06N3/08
Abstract: 本申请提供一种图像处理方法、装置、电子设备及可读存储介质，方法包括：使用神经网络模型获取对应预设第一分辨率的第一滤波器；根据第一滤波器，渲染得到对应预设目标尺寸大小的目标滤波器；使用目标滤波器对预设的待滤波图片进行处理；其中，预设目标尺寸大小大于预设第一尺寸大小，待滤波图片的分辨率为预设目标分辨率。这样，得到目标滤波器的过程不再是端到端的方式，而是基于神经网络模型输出的低分辨率滤波器来间接得到，这样使得每一个中间层的系数可以被调节。同时，由于本申请是逐级向上渲染得到的目标滤波器，因此训练过程更为可控，不易出现过拟合的情况。此外，采用本申请的方式也可以节约计算资源。
-
公开(公告)号：CN119359549A
公开(公告)日：2025-01-24
申请号：CN202411349824.X
申请日：2024-09-26
Applicant: 湖北工业大学
IPC: G06T3/4061 , G06T3/4046 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于深度同步光谱解混网络的光谱超分辨率重建方法和系统。本发明构建的深度同步光谱解混网络，通过耦合高光谱图像和多光谱图像在地物端元的联系，来挖掘非成对高光谱的地物端元信息，具体结构包含五个模块：高光谱编码器模块、光谱下采样模块、多光谱判别器模块、多光谱编码器模块和高光谱解码器模块。本发明方法利用非成对高光谱图像和待超分多光谱图像之间的地物端元同质性，耦合高光谱图像和多光谱图像的端元之间的关联，以进行协同光谱解混，促使网络学习出正确的地物端元信息。
-
公开(公告)号：CN119359544A
公开(公告)日：2025-01-24
申请号：CN202411673676.7
申请日：2024-11-21
Applicant: 东南大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/08 , G06V40/16
Abstract: 本发明公开了一种基于姿态条件约束的人脸超分辨率生成对抗网络及生成方法，至少包括侧脸注意力引导模块、注意力融合变换模块、引导变换子网络、上采样子网络和判别网络，建立统一的生成对抗网络实现人脸超分辨率和姿态矫正任务的联合，在进行人脸姿态矫正的同时复原出真实的高分辨率人脸图像。本发明可以同时实现人脸超分辨重建和姿态矫正，从低分辨率侧面人脸图像中复原出真实的高分辨率正面人脸图像。
-
公开(公告)号：CN119359542A
公开(公告)日：2025-01-24
申请号：CN202411391149.7
申请日：2024-09-30
Applicant: 国网河南淅川县供电公司
IPC: G06T3/4053 , G06T3/4046 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于SRGAN的电力巡检图像超分辨率重建方法，涉及图像处理技术领域，包括，收集电力设备的高分辨率图像，构建适用于电力巡检的数据集，并进行预处理；将预处理后的低分辨率图像输入SRGAN模型，对SRGAN模型中的生成器和判别器进行训练；将测试集和验证集输入SRGAN模型，对训练完成后的SRGAN模型进行测试和验证。本发明通过构建专门用于电力巡检的高分辨率图像数据集，确保数据集的多样性和代表性，通过对SRGAN模型的训练，实现了图像特征的有效提取和重建，提高了重建图像的保真度，最后达到了提升图像视觉质量和细节。
-
公开(公告)号：CN119359541A
公开(公告)日：2025-01-24
申请号：CN202411371426.8
申请日：2024-09-29
Applicant: 武汉理工大学
IPC: G06T3/4053 , G06T3/4046 , G06V20/05 , G06N3/045 , G06N3/0475 , G06N3/094 , G06V10/774 , G06V10/776
Abstract: 本发明公开了一种基于生成对抗网络的声纳图像超分辨率重建方法及系统，方法包括：构建生成对抗网络，所述生成对抗网络包括生成器和判别器；获取第一声纳图像数据集，对所述第一声纳图像数据集进行预处理，得到第二声纳图像数据集；将所述第二声纳图像数据集输入所述生成对抗网络进行训练，并通过预设的总损失函数对所述生成对抗网络进行参数更新，得到训练好的超分辨率重建模型；获取待测声纳图像，将所述待测声纳图像输入所述超分辨率重建模型，得到超分辨率重建结果。本发明能够准确捕捉水下声纳图像的细节特征，进一步恢复水下声纳图像的真实纹理细节，可广泛应用于声纳图像重建技术领域。
-
-
-
-
-
-
-
-
-
Search Results
1567
records
(took 0.021 seconds)
