-
公开(公告)号：CN109409371B
公开(公告)日：2023-04-14
申请号：CN201810685965.7
申请日：2018-06-28
申请人： 三星电子株式会社
IPC分类号： G06V20/70 , G06V20/10 , G06V10/26 , G06V10/82 , G06V30/19 , G06T7/11 , G06N3/045 , G06N3/084 , G06N3/044
摘要： 本发明提供一种用于检测输入图像中的对象的实例的方法和系统。检测图像中的对象的实例的方法包括：从输入图像提取多个核心实例特征；根据核心实例特征计算多尺度分辨率下的多个特征图；根据核心实例特征计算检测框；针对检测框的每个检测框计算特征图的多尺度分辨率下的分割掩膜；合并多尺度分辨率下的多个分割掩膜，以针对在图像中检测到的每个对象生成实例掩膜；通过由辅助网络计算像素级度量来细化所述实例掩膜的置信度得分；以及输出所述实例掩膜作为检测到的实例。
-
公开(公告)号：CN108694700A
公开(公告)日：2018-10-23
申请号：CN201810310847.8
申请日：2018-04-09
申请人： 三星电子株式会社
摘要： 本发明提供一种用于超分辨率成像的方法，该方法包括：由处理器接收低分辨率图像；由所述处理器生成中等高分辨率图像，与所述低分辨率图像相比，所述中等高分辨率图像具有提高的分辨率；由所述处理器基于所述中等高分辨率图像和所述低分辨率图像生成最终高分辨率图像；以及由所述处理器将所述最终高分辨率图像发送到显示设备从而进行显示。
-
公开(公告)号：CN108629736A
公开(公告)日：2018-10-09
申请号：CN201810213560.3
申请日：2018-03-15
申请人： 三星电子株式会社
CPC分类号： G06N3/04 , G06N3/0454 , G06N3/08 , G06N3/082 , G06T3/4053 , G06T3/4046
摘要： 描述了用于产生卷积神经网络的设备和用于制造该设备的方法、系统和方法。在一个方面，例如，训练具有三层或更多层的极小卷积神经网络。可对经训练的卷积神经网络执行级联训练，以插入一个或多个中间层，直至训练错误小于阈为止。当完成级联训练时，可执行从级联训练输出的卷积神经网络的级联网络修剪，以提高计算效率。为了进一步减小网络参数，卷积滤波器可由具有相同感受野的空洞卷积滤波器替代，然后进行额外训练/精调。
-
公开(公告)号：CN108694700B
公开(公告)日：2023-12-01
申请号：CN201810310847.8
申请日：2018-04-09
申请人： 三星电子株式会社
摘要： 本发明提供一种用于超分辨率成像的方法，该方法包括：由处理器接收低分辨率图像；由所述处理器生成中等高分辨率图像，与所述低分辨率图像相比，所述中等高分辨率图像具有提高的分辨率；由所述处理器基于所述中等高分辨率图像和所述低分辨率图像生成最终高分辨率图像；以及由所述处理器将所述最终高分辨率图像发送到显示设备从而进行显示。
-
公开(公告)号：CN109409371A
公开(公告)日：2019-03-01
申请号：CN201810685965.7
申请日：2018-06-28
申请人： 三星电子株式会社
IPC分类号： G06K9/34
CPC分类号： G06T7/11 , G06K9/00664 , G06K9/4604 , G06K9/6274 , G06K9/66 , G06K9/726 , G06N3/0445 , G06N3/0454 , G06N3/08 , G06N3/084 , G06T5/20 , G06T7/70 , G06T11/60 , G06T2207/20016 , G06K9/342 , G06K2209/21
摘要： 本发明提供一种用于检测输入图像中的对象的实例的方法和系统。检测图像中的对象的实例的方法包括：从输入图像提取多个核心实例特征；根据核心实例特征计算多尺度分辨率下的多个特征图；根据核心实例特征计算检测框；针对检测框的每个检测框计算特征图的多尺度分辨率下的分割掩膜；合并多尺度分辨率下的多个分割掩膜，以针对在图像中检测到的每个对象生成实例掩膜；通过由辅助网络计算像素级度量来细化所述实例掩膜的置信度得分；以及输出所述实例掩膜作为检测到的实例。
-
-
-
-
搜索结果
5 条记录 (耗时 0.028 秒)
