-
公开(公告)号：CN115063862A
公开(公告)日：2022-09-16
申请号：CN202210731136.4
申请日：2022-06-24
Applicant: 电子科技大学
Abstract: 该发明公开了一种基于特征对比损失的年龄估计方法，属于计算机视觉领域。该方法首先选择注意力机制作为特征提取网络的基本结构，并使用了基于注意力机制的偏移窗口变换网络作为特征提取网络的主要结构，用于从面部图像中提取鲁棒的年龄特征；然后设计了用于计算特征之间相对距离的距离估计网络，通过基于特征的对比损失引导特征空间保留标签空间的序约束关系，使得尾部特征能够利用头部特征的信息，进而提升尾部数据的预测准确度，从而解决年龄估计中的长尾分布问题。
-
公开(公告)号：CN114693967A
公开(公告)日：2022-07-01
申请号：CN202210274049.0
申请日：2022-03-20
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/26 , G06K9/62
Abstract: 本发明提供一种基于二分类张量增强的多分类语义分割方法，包括步骤：将需要将分类的图片输入至原始分割网络中；由原始分割网络的特征提取部分进行特征提取，将提取的特征并行输入至N个二分类头以及中转部分；N个二分类头对输入的特征分别进行二分类处理输出N个二分类张量，中转部分输出待分类特征；将N个二分类前景分数图与待分类特征进行级联，级联张量最后送入多分类头，多分类头对输入的级联张量进行N分类处理并输出N分类张量作为最终的多分类结果。本发明可以简单地加入到多数分割网络结构中，仅带来少量的网络参数量增加。相较于直接用CE损失优化多分类头结果的方法，本发明方法能在增加少量参数消耗的情况下提升分割网络的分类性能。
-
公开(公告)号：CN110675421B
公开(公告)日：2022-03-15
申请号：CN201910813756.0
申请日：2019-08-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于少量标注框的深度图像协同分割方法，属于图像处理领域。本发明提出了一种基于卷积神经网络的深度图像协同分割网络，仅利用图像级标签和少量人工标注框实现图像协同分割的方法。该方法不仅考虑了图像的内在信息，而且结合卷积神经网络提取的深度语义特征利用了图像之间的相关性，使得在弱监督学习情况下，图像也能得到更加准确的分割结果。
-
公开(公告)号：CN109308719B
公开(公告)日：2022-03-15
申请号：CN201811011545.7
申请日：2018-08-31
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于三维卷积的双目视差估计方法。包括下列步骤：利用双目标定方法标定双目摄像头，得到双目矫正映射图；对待估计的双目图像进行矫正，得到矫正后的双目图像；将矫正后的双目图像送入预设的二维卷积神经网络，得到经过特征变换后的特征图；将当前帧的特征图和之前多帧图像的特征图进行拼接，送入三维卷积神经网络，得到多帧图像的特征图。将多帧图像的特征图进行转置卷积，重新变换回像素域，得到视差估计图。本发明相较于现有的基于卷积神经网络的双目视差估计方法，通过三维卷积提取时间维度上的信息，结合当前帧与之前多帧的双目信息来估计当前帧的双目视差图。相较于原有方法，本方法在准确度、前后帧间的连贯性上有改进。
-
公开(公告)号：CN109308458B
公开(公告)日：2022-03-15
申请号：CN201811010695.6
申请日：2018-08-31
Applicant: 电子科技大学
IPC: G06V20/10 , G06V20/40 , G06V10/75 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于特征谱尺度变换提升小目标检测精度的方法，属于目标检测技术领域。本发明在传统目标检测算法SSD的基础上，通过对特征谱通道、宽和高的重组操作，将深层特征谱的宽和高放大一倍，然后将得到的新的特征谱与浅层特征谱进行级联组合得到新的特征谱，在此基础上预测目标的位置和类别。本发明不用通过额外的计算，将特征谱用重组的方式进行尺度变换放大，实现小目标检测效果的提升。相比传统的SSD检测方法，该方案能够更有效地提升小目标检测的精度，同时对于较大目标也能保持很好的精度效果。
-
Patent Agency Ranking
公开(公告)号：CN113538216B
公开(公告)日：2022-03-01
申请号：CN202110667797.0
申请日：2021-06-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于属性分解的图像风格迁移方法，首先获取一张内容图像，将该图像输入到风格迁移网络模型结构中进行风格迁移处理，输出风格迁移后的图像，所述风格迁移网络模型结构包括两部分，第一部分是基于自动编码器的风格解耦网络，第二部分是基于CGAN的特征谱生成网络。本发明提出的方法对于传统风格迁移方式有极大的创新，引入属性解耦的方法，将风格视为解耦对象，实现新图像风格的创建与迁移，同时，其中隐变量引入了随机性，实现了多种新风格的产生。
-
公开(公告)号：CN113393386B
公开(公告)日：2022-03-01
申请号：CN202110540665.1
申请日：2021-05-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于特征解耦的非成对图像对比去雾方法，包括，采用提取特征并进行对比学习，能有效的在非成对场景下实现图像去雾。本发明方法能够在缺乏同场景下成对的雾天和清晰的户外图像作为训练样本的情况下，充分考虑单方向的图像生成，利用图像本身的自我监督信息来有效的提升非成对的图像去雾效果，提出了基于特征解耦的对比去雾方法来解决非成对去雾问题，它可以在非成对场景下有效地实现图像去雾。
-
公开(公告)号：CN107688808B
公开(公告)日：2021-07-06
申请号：CN201710665997.6
申请日：2017-08-07
Applicant: 电子科技大学
Abstract: 该发明公开了一种快速的自然场景文本检测方法，涉及图像处理领域，特别是用于文本检测的卷积神经网络的新型应用技术。提出一个快速的特征提取小网络，使用inception模块，采用小卷积核，减少参数，缩小网络，加快运行速度。添加一个反卷积层用于融合多尺度信息，提高检测精度。检测阶段采用基于SSD的检测框架，对预置框的宽高比例进行改进，采用了适应文本特征的比例。本发明提出的方法在公开数据集上进行测试，验证了方法的有效性和实时性。
-
公开(公告)号：CN107527031B
公开(公告)日：2021-02-05
申请号：CN201710724937.7
申请日：2017-08-22
Applicant: 电子科技大学
Abstract: 该发明公开了一种基于SSD的室内目标检测方法,属于目标识别领域,是一种用于室内目标检测的卷积神经网络的新型应用方法。本发明解决的是室内目标检测，然而目前没有标注好的符合本实验要求的数据库，为此构建了一个与室内目标相关的数据库，该数据库的所有图像都是以视野较开阔的角度采样的，符合智能机器人的正常视角，在背景、光照以及图像尺寸等方面又具有差异性。对室内常见目标冰箱、电视、床、餐桌、椅子、沙发、茶几、马桶、洗漱台、浴池、杯子等进行了人工标注；采用获得的图像训练特征提取网络和检测器，最后采用训练好的特征提取网络和检测器对待识别目标进行检测。
-
公开(公告)号：CN109255320B
公开(公告)日：2020-09-25
申请号：CN201811018713.5
申请日：2018-09-03
Applicant: 电子科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种改进的非极大值抑制方法。本发明通过多次迭代筛选的方式进行抑制处理：对待处理的矩形框按照置信度从高到低排序，保留当前置信度最高的矩形框，然后依次遍历余下矩形框的与已保留的所有矩形框的重叠面积的总和占全图面积的比例是否大于阈值，若是，则将其删除；然后未删除和未保留的矩形框作为新的一轮待处理的矩形框继续进行上述抑制处理，直到待处理的矩形框只存在一个。本发明通过上述方式，解决了传统非极大值抑制方法对于不规则目标输出矩形框数量较少、重叠率较高、矩形框对目标的拟合度较低的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
268
records
(took 0.027 seconds)
