-
公开(公告)号：CN113724271B
公开(公告)日：2023-09-29
申请号：CN202111006590.5
申请日：2021-08-30
Applicant: 上海大学
IPC: G06T7/11 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/12
Abstract: 本发明属于计算机图像处理领域，公开了一种用于复杂环境移动机器人场景理解的语义分割模型训练方法，步骤为：S1：获取样本图像集，将样本图像集划分为训练集、验证集和测试集，样本图像集中包括多个样本图像，样本图像中含有样本分割区域以及对应的样本类别信息；S2：将训练集的样本图像输入预先构建的语义分割模型进行检测，得到样本图像语义分割结果；根据样本图像中的语义分割结果以及样本图像的特征区域和对应的类别信息构建损失函数，采用反向传播对模型进行参数更新，得到训练后的语义分割模型；S3：采用验证集对训练后的语义分割模型进行验证，选出最优语义分割模型；S4：采用测试集对最优语义分割模型进行测试，评估模型性能。本发明训练得到的语义分割模型兼备速度快和精度高的优点，在牺牲少许精度的情况下能够加快网路的推理速度。
-
公开(公告)号：CN115423704A
公开(公告)日：2022-12-02
申请号：CN202211037581.7
申请日：2022-08-26
Applicant: 上海大学
Abstract: 本发明属于图像修复技术领域，公开了一种步进式反向映射图像修复网络模型的训练方法，步骤为：S1：获取样本图像集，样本图像集包括多对双目图像，每对双目图像包括左视角图像和右视角图像，左视角图像或右视角图像为损坏图像；将样本图像集按比例随机划分为训练集和测试集；S2：采用训练集对预先构建的步进式反向映射图像修复网络模型进行训练，更新双步进式反向映射图像修复网络模型的参数，得到训练后的步进式反向映射图像修复网络模型；S3：采用测试集对训练后步进式反向映射图像修复网络模型进行测试，从训练后的步进式反向映射图像修复网络模型中选出最优步进式反向映射图像修复网络模型。本发明的模型具有高效、实时、清晰、修复精度高等优点，修复得到的修复图像真实、自然。
-
Patent Agency Ranking
公开(公告)号：CN112950481B
公开(公告)日：2022-12-06
申请号：CN202110436571.X
申请日：2021-04-22
Abstract: 本发明属于图像修复领域，涉及一种基于图像拼接网络的水花遮挡图像数据集采集方法，步骤为：S1:采集m个场景中每个场景的左视角图像、中间视角图像、右视角图像，得到了m组三视角图像，记为数据集Y；用于采集中间视角图像的相机镜头上分布有水滴，采集的中间视角图像为有水花遮挡图像；S2:将数据集Y中随机一组三视角图像的左视角图像和右视角图像输入训练好的图像拼接网络中进行预测，得到中间视角恢复图像；将中间视角恢复图像与对应的有水花遮挡的中间视角图像组合，形成一对水花遮挡图像数据；S3:按照步骤S2操作对数据集Y中剩下(m‑1)组图像处理，得到(m‑1)对水花遮挡图像数据；S4将步骤S2得到的一对水花遮挡图像数据与步骤S3得到的(m‑1)对水花遮挡图像数据进行合并，得到水花遮挡图像数据集。
-
公开(公告)号：CN113947102A
公开(公告)日：2022-01-18
申请号：CN202111068237.X
申请日：2021-09-13
Applicant: 上海大学
Abstract: 本发明属于图像处理领域，公开一种主干双路图像语义分割方法，具体为：将图像输入语义分割模型进行特征提取，得到初始特征图；初始特征图经残差网络处理后与经下采样、残差网络处理的初始特征图进行一次语义融合，得到一级融合高分辨率特征图和一级融合低分辨率特征图；一级融合高分辨率特征图经残差网络处理后与经下采样、残差网络处理后的一级融合低分辨率特征图进行二次语义融合，得到三级融合高分辨率特征图和三级融合低分辨率特征图；三级融合高分辨率特征图经残差网络处理后与经下采样、残差网络处理后的三级融合低分辨率特征图进行三次语义融合，得到五级融合特征图；五级融合特征图经解码器上采样，得到图像语义分割结果。
-
公开(公告)号：CN112950481A
公开(公告)日：2021-06-11
申请号：CN202110436571.X
申请日：2021-04-22
Abstract: 本发明属于图像修复领域，涉及一种基于图像拼接网络的水花遮挡图像数据集采集方法，步骤为：S1:采集m个场景中每个场景的左视角图像、中间视角图像、右视角图像，得到了m组三视角图像，记为数据集Y；用于采集中间视角图像的相机镜头上分布有水滴，采集的中间视角图像为有水花遮挡图像；S2:将数据集Y中随机一组三视角图像的左视角图像和右视角图像输入训练好的图像拼接网络中进行预测，得到中间视角恢复图像；将中间视角恢复图像与对应的有水花遮挡的中间视角图像组合，形成一对水花遮挡图像数据；S3:按照步骤S2操作对数据集Y中剩下(m‑1)组图像处理，得到(m‑1)对水花遮挡图像数据；S4将步骤S2得到的一对水花遮挡图像数据与步骤S3得到的(m‑1)对水花遮挡图像数据进行合并，得到水花遮挡图像数据集。
-
公开(公告)号：CN113947102B
公开(公告)日：2024-08-06
申请号：CN202111068237.X
申请日：2021-09-13
Applicant: 上海大学
IPC: G06V10/26 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06V20/56 , G06N3/0464 , G06N3/084 , G06N3/0455
Abstract: 本发明属于图像处理领域，公开一种主干双路图像语义分割方法，具体为：将图像输入语义分割模型进行特征提取，得到初始特征图；初始特征图经残差网络处理后与经下采样、残差网络处理的初始特征图进行一次语义融合，得到一级融合高分辨率特征图和一级融合低分辨率特征图；一级融合高分辨率特征图经残差网络处理后与经下采样、残差网络处理后的一级融合低分辨率特征图进行二次语义融合，得到三级融合高分辨率特征图和三级融合低分辨率特征图；三级融合高分辨率特征图经残差网络处理后与经下采样、残差网络处理后的三级融合低分辨率特征图进行三次语义融合，得到五级融合特征图；五级融合特征图经解码器上采样，得到图像语义分割结果。
-
公开(公告)号：CN113724271A
公开(公告)日：2021-11-30
申请号：CN202111006590.5
申请日：2021-08-30
Applicant: 上海大学
Abstract: 本发明属于计算机图像处理领域，公开了一种用于复杂环境移动机器人场景理解的语义分割模型训练方法，步骤为：S1：获取样本图像集，将样本图像集划分为训练集、验证集和测试集，样本图像集中包括多个样本图像，样本图像中含有样本分割区域以及对应的样本类别信息；S2：将训练集的样本图像输入预先构建的语义分割模型进行检测，得到样本图像语义分割结果；根据样本图像中的语义分割结果以及样本图像的特征区域和对应的类别信息构建损失函数，采用反向传播对模型进行参数更新，得到训练后的语义分割模型；S3：采用验证集对训练后的语义分割模型进行验证，选出最优语义分割模型；S4：采用测试集对最优语义分割模型进行测试，评估模型性能。本发明训练得到的语义分割模型兼备速度快和精度高的优点，在牺牲少许精度的情况下能够加快网路的推理速度。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
