-
公开(公告)号：CN112183637B
公开(公告)日：2024-04-09
申请号：CN202011049667.2
申请日：2020-09-29
申请人： 中科方寸知微(南京)科技有限公司 , 中科南京人工智能创新研究院
IPC分类号： G06V10/764 , G06T5/50 , G06T5/60 , G06V10/80 , G06V10/82 , G06N3/084 , G06N3/0455
摘要： 本发明提出了一种基于神经网络的单光源场景光照重渲染方法及系统，包括以下步骤：对已有的图像场景光照数据集进行预处理；设计光照信息分类网络；设计内容自重建网络，为内容编码器单独构造一个完整的自编码网络；构建光照重渲染网络，光照重渲染网络由训练好的光照信息分类编码器、内容编码器和解码器组成，解码器将同时结合内容编码器和光照信息分类编码器所提供地特征进行图像特征还原；使用数据集对光照重渲染网络进行训练。基于该方法能提取处出所需的光照信息，而自重建网络使得其内部的内容编码器可以学习到足够多的图像内容特征，所以可以将准确的光照信息与图像信息相结合得到接近真实的效果，从而解决了在场景图像中的光照重渲染问题。
-
公开(公告)号：CN112184585B
公开(公告)日：2024-03-29
申请号：CN202011049723.2
申请日：2020-09-29
申请人： 中科方寸知微(南京)科技有限公司 , 中科南京人工智能创新研究院
IPC分类号： G06T5/77 , G06N3/0455 , G06N3/094 , G06N3/0475 , G06T11/40
摘要： 本发明提出了一种基于语义边缘融合的图像补全方法及系统，包括以下步骤：步骤1、针对原始输入图像生成语义边缘图；步骤2、分别建立边缘模型和补全模型；步骤3、联合训练步骤2中建立的边缘模型和补全模型；步骤4、将需要修复的破损图像输入至步骤3中训练后的边缘模型和补全模型中重新构建。采用用于图像修复的语义边缘融合模型，该模型通过先产生边缘纹理，再对内容进行着色的方式，替换传统的直接恢复方法，这样可以使得恢复的图像具有更多的细节和更少的噪声；提出了一种端到端可训练网络，该网络结合了边缘生成和图像修补功能以恢复丢失的区域。
-
公开(公告)号：CN116030453A
公开(公告)日：2023-04-28
申请号：CN202310105734.5
申请日：2023-02-13
申请人： 中科方寸知微(南京)科技有限公司 , 中科南京人工智能创新研究院
IPC分类号： G06V20/62 , G06V30/146 , G06V30/162 , G06V30/166 , G06V10/82 , G06V10/766 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/048 , G06N3/082
摘要： 本发明提供了一种数字电气表计的识别方法、装置及设备，涉及机器视觉和人工智能领域。识别装置包括图像获取单元、数字显示区域检测单元、数字识别单元。图像获取单元用于获取待检测图像；数字显示区域检测单元用于对待检测图像进行显示区域的检测操作，并输出至数字识别单元；数字识别单元用于接收来自所述数字显示区域检测单元的显示区域图像，并执行数字识别操作。对比较常见的表计能实现90％以上的准确率。改进的YOLOV5检测模型能同时实现多个功能，剪枝后的模型推理速度能得到30％以上的加速，同时缩减了数字表计识别流程。另外本申请针对带有数字背景的LED表计读数进行了优化，采用双识别融合的方式进行输出，减少了错误输出。
-
公开(公告)号：CN116757924A
公开(公告)日：2023-09-15
申请号：CN202310450775.8
申请日：2023-04-23
申请人： 中科方寸知微(南京)科技有限公司 , 中科南京人工智能创新研究院
摘要： 本发明提出一种基于混合注意力和频域重构的图像超分方法、超分系统及图像压缩方法，属于图像数据处理的技术领域。其中超分方法包括：步骤1、构建混合模型；混合模型按序包括：浅层特征提取模块、深层特征提取模块和图像重建模块；步骤2、混合模型读取待分析的压缩图像数据；步骤3、利用混合模型对待分析的压缩图像数据执行图像数据处理；步骤4、输出图像数据处理的结果，获得超分图像数据。本发明通过构建混合注意力和频域重构的混合模型，将傅里叶变换融合到注意力模型中，实现空间特征到频域特征的变换，同时结合一半原注意力空间特征模型，进行图像数据处理，不仅可以有效提取全局信息，还可以增强网络对深层特征的识别能力。
-
公开(公告)号：CN112183727B
公开(公告)日：2024-08-02
申请号：CN202011053131.8
申请日：2020-09-29
申请人： 中科方寸知微(南京)科技有限公司 , 中科南京人工智能创新研究院
IPC分类号： G06N3/0455 , G06N3/0475 , G06N3/094 , G06T11/00
摘要： 本发明提出了一种基于对抗生成网络的散景效果渲染方法，通过设计一个轻量化的网络，并同时使用TensorFlow Lite框架支持的算子重新实现了实例归一化，确保提出的一个由眼镜形状的端到端生成器以及多感受野判别器组成的对抗生成网络来训练散景渲染模型的所有算子都能在智能手机的GPU上进行计算，且不占用很大的资源。本发明同时还达到了不依赖于先验的方法的同时，还可以显著的检测出待聚焦区域，使得失焦区域的模糊效果也很自然，适用于多场景的情况而非只能处理人像等特定场景的目的。
-
公开(公告)号：CN112184587B
公开(公告)日：2024-04-09
申请号：CN202011049771.1
申请日：2020-09-29
申请人： 中科方寸知微(南京)科技有限公司 , 中科南京人工智能创新研究院
IPC分类号： G06T5/60 , G06T3/4046 , G06T5/50 , G06T3/4053 , G06N3/0464 , G06T1/60
摘要： 本发明提出了一种边缘数据增强模型、以及基于所述模型的高效边缘数据增强方法及系统，该方法通过对网络模型中卷积网络感受野的减少、图像处理中的重叠切分以及硬件方面对内存扩展三者之间的协同优化，实现了对图像边缘数据的有效增强，在图像超分辨重建、去模糊、去雾化等低等级视觉任务的深度学习算法领域达到在适用于边缘端部署应用的目的。本发明同时也解决了在计算能力弱、内存空间小的边缘端部署深度神经网络的问题，以及发明中涉及的边缘端实时处理图像信号的任务，可以代替一些监控场景中传统的实时处理图像信号的模块，进而实现更加丰富的功能，和更加优秀的成像效果。
-
公开(公告)号：CN112150384B
公开(公告)日：2024-03-29
申请号：CN202011049794.2
申请日：2020-09-29
申请人： 中科方寸知微(南京)科技有限公司 , 中科南京人工智能创新研究院
IPC分类号： G06T5/60 , G06T5/50 , G06T3/4038 , G06T3/4046 , G06T3/4053 , G06N3/0464 , G06N3/08 , G06N3/045
摘要： 本发明提出了一种基于残差网络与动态卷积网络模型融合的方法及系统，包括以下步骤：首先，组建用于构建机器学习训练的图像数据集；其次，构建多个训练网络，将数据集放入学习；再次，融合网络模型输出结果集，并在融合过程中使用crop‑ensemble方法对图像进行处理，将生成的结果进行像素的加权求值；最后，得到特定位置的像素值。本发明利用非局部残差网络与双路径动态卷积网络的模型融合，并通过使用剪裁增强方法，得到远高于单独模型的结果。
-
公开(公告)号：CN112150363B
公开(公告)日：2023-07-07
申请号：CN202011049682.7
申请日：2020-09-29
申请人： 中科方寸知微(南京)科技有限公司 , 中科南京人工智能创新研究院
IPC分类号： G06T3/40 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
摘要： 本发明提出了一种基于卷积神经网络的图像夜景处理方法及运行该方法的计算模块与可读存储介质，方法包括如下步骤：步骤1、采集多组RAW格式数据样本；步骤2、设计超级夜景网络模型；步骤3、对步骤2中的超级夜景网络模型进行训练；步骤4、输出结果。本发明通过建立超级夜景网络模型并对该模型进行训练，首先依据需求建立基础数据集，并以此训练上述SNN网络，根据性能测试结果。若模型预测结果不理想，则根据场景需求，对数据集进行扩充或重构。仅需从相机CMOS取出RAW数据，即可得到观感极佳的超级夜景图片，避免传统的夜景功能长时间曝光导致图像抖动、残影的问题出现，也进一步避免了采用AI技术合成图像时受图像抖动、残影的影响。
-
公开(公告)号：CN112200720B
公开(公告)日：2023-08-08
申请号：CN202011070223.7
申请日：2020-09-29
申请人： 中科方寸知微(南京)科技有限公司 , 中科南京人工智能创新研究院
IPC分类号： G06T3/40 , G06N3/0464 , G06N3/09
摘要： 本发明提出了一种基于滤波器融合的超分辨率图像重建方法及系统，包括以下步骤：首先，对高分辨率图像进行下采样，得到不同的低分辨率图像并对得到的低分辨率图像进行重叠采样，得到重叠的低分辨率图像块；其次，对相应的高分辨率图像进行相同的重叠采样，得到重叠的高分辨率标签图像；再次，对其他的高分辨率图像进行同样的高、低重叠采样，并将获取的结果作为模型训练的测试集；从次，将获取的测试集放入构建的训练网络进行训练，学习低分辨率到高分辨率图像的映射；最后，将学习到的模型中的滤波器进行融合得到新的部署阶段的模型，从而利用形成的模型达到低分辨率图重建为高分辨率图像。
-
公开(公告)号：CN117671801B
公开(公告)日：2024-04-23
申请号：CN202410150166.5
申请日：2024-02-02
申请人： 中科方寸知微(南京)科技有限公司
发明人： 冷聪
摘要： 本发明提出了一种基于二分缩减的实时目标检测方法及系统，包括：构建两个不同的目标检测模型；输入一个视频以及一个刷新频率；处理视频的第一帧，得到人体检测框；处理视频的后续帧，用二值图来表示当前帧的潜在目标区域；对潜在目标区域进行显著性区域提取；对运动区域框进行重排列；对重排列后的图像进行目标检测，输出当前帧的检测结果；逐一对比重排列后的图像的检测结果和重排列前的图像的运动区域框，计算出当前帧的检测结果在原始图像中的位置和大小；直到视频检测结束。本发明方案能够解决目标检测模型对实际应用场景中小目标物体效果不佳，容易漏检的问题。
-
-
-
-
-
-
-
-
-
搜索结果
63 条记录 (耗时 0.064 秒)
