-
公开(公告)号：CN118334329A
公开(公告)日：2024-07-12
申请号：CN202410248502.X
申请日：2024-03-05
申请人： 中国科学院自动化研究所
IPC分类号： G06V10/26 , G06V10/143 , G06V10/42 , G06V10/44 , G06V10/82 , G06V10/771 , G06N3/045 , G06N3/0464 , G06N3/0455 , G06N3/096 , G06N3/084
摘要： 本发明涉及图像处理技术领域，提供一种红外图像分割模型训练方法及红外图像分割方法，该训练方法引入将高频图像块作为输入，且与初始红外图像分割模型结构相同、参数共享的辅助分割模型，用以辅助训练初始红外图像分割模型，可以提升目标红外图像分割模型对红外图像中高频信息的捕捉能力，进而提升目标红外图像分割模型对红外图像的分割效果及分割精度。
-
公开(公告)号：CN110119716B
公开(公告)日：2021-05-11
申请号：CN201910400558.1
申请日：2019-05-15
申请人： 中国科学院自动化研究所
摘要： 本发明实施例提供一种多源图像处理方法，包括：采用自动聚类获取多幅相关图像的第一聚类类标；其中，所述多幅相关图像包括采用多个传感器获取的多幅与地点或者目标相关的图像；至少基于所述第一聚类类标提取所述多幅相关图像的不变性特征和差异性特征；以及根据所述不变性特征以及所述差异性特征进行图像后处理，其中，所述图像后处理包括目标识别或图像融合。本发明综合利用多源遥感图像，在无先验的情况下从数据本身出发提取、解译不同传感器图像的不同层次、不同尺度上的不变性特征和差异性特征。本发明可以广泛应用于多源遥感图像融合和目标识别中。
-
公开(公告)号：CN103209284B
公开(公告)日：2015-03-25
申请号：CN201310060548.0
申请日：2013-02-26
申请人： 中国科学院自动化研究所
摘要： 本发明公开了一种文档扫描图像的亮度补偿方法，所述方法包括以下步骤：检测得到文档扫描图像中的书脊线；根据检测得到的书脊线，将所述文档扫描图像切分为两幅单页面的扫描图像；对每幅单页面的扫描图像，提取图像对应的亮度曲面；利用提取得到的图像亮度曲面，对扫描图像进行亮度补偿。本发明方法可非常有效的补偿书籍等文档扫描图像中存在的非线性亮度失真，并能同时清除扫描图像页边附近的黑边噪声。本发明方法具有计算复杂度低、易实现等优点，非常适合于软件的嵌入式运行，能广泛的嵌入平板式扫描仪、智能复印机等文档扫描设备中，提高图像的成像质量。
-
公开(公告)号：CN101277429A
公开(公告)日：2008-10-01
申请号：CN200710064819.4
申请日：2007-03-27
申请人： 中国科学院自动化研究所 , 北京数字奥森科技有限公司
摘要： 本发明公开了一种监控中多路视频信息融合处理与显示的方法和系统。该方法包括下列步骤：在初始化时，根据各路视频视野和电子地图视野的标定点，确定每一路视频的局部图像坐标系到全局地图坐标系的坐标变换关系；根据其各路视频图像数据的像素信息，实现对运动目标的检测和跟踪以及在此基础上的各种高层信息提取，实现对同一目标在整个监控场景的不同视野中的传递；定时获取运动目标位置和其他信息，将其从局部图像坐标系变换到全局电子地图坐标系中，并融合到全局电子地图中的二维平面图中将目标显示出来。其使得人们可以更直观的了解到整个监控区域的全局状况。
-
公开(公告)号：CN118279590B
公开(公告)日：2024-10-25
申请号：CN202410450421.8
申请日：2024-04-15
申请人： 中国科学院自动化研究所
IPC分类号： G06V10/26 , G06V10/774 , G06V10/82 , G06V20/70 , G06V10/28 , G06N3/0455 , G06N3/084 , G06N3/0895
摘要： 本发明提供一种半监督的红外图像分割方法，包括：搭建图像分割子网络，该图像分割子网络以红外图像作为输入，提取特征，并将特征变换为像素级的类别预测；搭建辅助分割子网络，该辅助分割子网络直接使用预训练的SAM构建，以无标注的红外图像以及提示信息作为输入，预测伪标签；训练红外图像分割网络，在少量的有标注数据以及较多的无标注数据上定义整体优化目标，并通过梯度下降算法优化红外图像分割网络参数；所述红外图像分割网络包括步骤1的图像分割子网络和步骤2的辅助分割子网络；评估红外图像分割网络效果，在测试集上对每一张红外图像进行推理，并根据真实标注信息计算分割精度。本发明提供能够节约数据标注的成本。
-
公开(公告)号：CN112017436B
公开(公告)日：2021-09-28
申请号：CN202010940567.2
申请日：2020-09-09
申请人： 中国科学院自动化研究所
摘要： 本发明涉及一种城市市内交通旅行时间的预测方法及系统，所述预测方法包括将待测城市划分为矩形网格；基于矩形网格，根据历史交通流量数据构建归一化浮点交通流量矩阵；根据归一化浮点交通流量矩阵，训练城市市内交通流量预测网络；根据矩形网格对车辆行驶路径的轨迹点序列进行简化处理，得到车辆行驶路径的网格化轨迹；根据归一化浮点交通流量矩阵及网格化轨迹，确定网格化轨迹中各轨迹点的特征向量；根据各轨迹点的特征向量，训练城市市内交通旅行时间预测网络；基于城市市内交通流量预测网络和城市市内旅行时间预测网络，根据待测车辆的待测行驶路径，可准确确定所述待测车辆行驶完所述待测路径所需要的旅行时间，可提高复杂场景下预测精度。
-
公开(公告)号：CN108960230B
公开(公告)日：2021-04-27
申请号：CN201810549254.7
申请日：2018-05-31
申请人： 中国科学院自动化研究所
摘要： 本发明属于图像分析技术领域，具体提供了一种基于旋转区域的轻量化目标识别方法及装置。旨在解决现有技术目标识别算法复杂度高以及难以识别多个角度目标的问题。本发明提供了一种基于旋转矩形框的轻量化目标识别方法，包括基于预先构建的目标识别网络模型对输入图像进行目标识别，得到输入图像的目标类别。目标识别网络模型基于卷积神经网络构建，包括目标提取模块和目标识别模块。本发明通过合并压缩现有的卷积神经网络，减少了网络参数，降低了算法复杂度。
-
公开(公告)号：CN112434674B
公开(公告)日：2021-04-23
申请号：CN202110098072.4
申请日：2021-01-25
申请人： 中国科学院自动化研究所
摘要： 本发明属于视觉检测和图像处理领域，具体涉及了一种基于标注框虚拟扩增的微小人脸检测方法、系统、装置，旨在解决模型训练中仅有少量的微小人脸特征图区域被定义为正，从而导致模型对于微小人脸的检测精度和准确性较低的问题。本发明包括：使用矩形框标注微小人脸；基于LFFD构建人脸检测模型；以模型针对小尺度人脸检测分支的特征图下采样倍数为依据，进行矩形框的虚拟扩增；分别基于矩形框和虚拟扩增框生成模型的分类和预测目标；通过反向传播和随机梯度下降法迭代进行模型训练；通过训练后的同时检测通常大小人脸和微小人脸的模型进行在线人脸检测。本发明将标注框虚拟扩增应用于微小人脸数据，提升微小人脸的检出率，实现了微小人脸检测。
-
公开(公告)号：CN110119716A
公开(公告)日：2019-08-13
申请号：CN201910400558.1
申请日：2019-05-15
申请人： 中国科学院自动化研究所
摘要： 本发明实施例提供一种多源图像处理方法，包括：采用自动聚类获取多幅相关图像的第一聚类类标；其中，所述多幅相关图像包括采用多个传感器获取的多幅与地点或者目标相关的图像；至少基于所述第一聚类类标提取所述多幅相关图像的不变性特征和差异性特征；以及根据所述不变性特征以及所述差异性特征进行图像后处理，其中，所述图像后处理包括目标识别或图像融合。本发明综合利用多源遥感图像，在无先验的情况下从数据本身出发提取、解译不同传感器图像的不同层次、不同尺度上的不变性特征和差异性特征。本发明可以广泛应用于多源遥感图像融合和目标识别中。
-
公开(公告)号：CN110084168A
公开(公告)日：2019-08-02
申请号：CN201910322445.4
申请日：2019-04-22
申请人： 中国科学院自动化研究所
摘要： 本发明是一种主动目标识别方法及装置，包括：在第一状态，通过学习获取目标识别性能与成像参数的关系；至少依据所述关系及目标识别性能，调整在第二状态的成像参数；以及当所述目标识别性能满足预定条件时，在第二状态完成成像和目标识别。本发明以提高目标识别性能为目的、通过学习成像参数与目标识别性能的隐式、复杂对应关系来改善目标识别性能、成像质量。本发明可以广泛应用于在轨成像和目标识别中。
-
-
-
-
-
-
-
-
-
搜索结果
47 条记录 (耗时 0.032 秒)
