一种联合单目深度估计的深度图像超分辨率重建方法

    公开(公告)号:CN114881849A

    公开(公告)日:2022-08-09

    申请号:CN202110803976.2

    申请日:2021-07-16

    Abstract: 本发明属于图像处理技术领域,涉及一种联合单目深度估计的深度图像超分辨率重建方法,包括:S1、将低分辨率深度图像输入深度图像超分辨率重建子网络,将相应于低分辨率深度图像的高分辨率彩色图像输入单目深度估计子网络;S2、对深度图像超分辨率重建子网络和单目深度估计子网络同时训练;S3、深度图像超分辨率重建子网络输出高分辨率重建深度图像,单目深度估计子网络输出高分辨率估计深度图像。本申请从单目深度估计子网络中选择高频信息引导深度图像超分辨率重建子网络,通过抑制冗余避免纹理复制。在不引入其他监督信息的情况下,本发明的方法在多个公开基准数据集上均达到具有竞争力的性能,能够准确恢复出深度图像的细节。

    一种RGB-D图像显著性目标检测方法

    公开(公告)号:CN113763422A

    公开(公告)日:2021-12-07

    申请号:CN202110872457.1

    申请日:2021-07-30

    Abstract: 本发明属于图像目标检测技术领域,涉及一种RGB‑D图像显著性目标检测方法,包括:将深度图和RGB图像分别输入深度模态编码器和RGB图像编码器;深度模态编码器提供深度模态,RGB图像编码器提供RGB模态;在低层级特征编码阶段,RGB诱导细节增强模块通过将RGB模态的细节补充信息从RGB模态传输到深度模态,实现深度特征增强;在高层级特征编码阶段,深度诱导语义增强模块进行跨模态特征融合;通过密集解码重建结构生成预测的显著性图像。本发明提出一种新跨模态交互模式和跨模态差异交互网络,模拟两种模态的依赖性,并设计组件实现差异化跨模态引导,提出DDR结构,利用多个高层级特征更新跳连接生成语义块。

    一种光学遥感图像显著性目标检测方法

    公开(公告)号:CN112347859B

    公开(公告)日:2024-05-24

    申请号:CN202011100396.9

    申请日:2020-10-15

    Abstract: 本发明涉及一种光学遥感图像显著性目标检测方法,步骤包括:步骤S1、建立稠密注意力流网络,所述稠密注意力流网络包括注意力流引导的特征编码模块和渐进式特征解码模块;步骤S2、导入光学遥感图像;步骤S3、采用注意力流引导的特征编码模块对光学遥感图像进行处理,生成更具判别力的增强特征,注意力流引导的特征编码模块主要包括全局上下文感知注意力模块和稠密注意力流结构,步骤S4、采用渐进式特征解码模块对步骤S3的增强特征进行解码,在特征解码阶段,将深层特征与浅层特征逐步融合,并在显著性图和显著性边缘图的监督下,生成多个侧输出和最终输出。

    基于神经网络的岩石隧道工作面裂隙迹线识别方法及系统

    公开(公告)号:CN117710823A

    公开(公告)日:2024-03-15

    申请号:CN202410010015.X

    申请日:2024-01-02

    Abstract: 本发明公开一种基于神经网络的岩石隧道工作面裂隙迹线识别方法及系统,涉及岩石隧道工作面裂隙检测领域,方法包括:采集待检测的岩石隧道工作面的裂隙图像;将所述岩石隧道工作面裂隙图像输入节理裂隙迹线提取模型,得到对应的裂隙迹线图;采用迹线特征提取算法,对待检测的岩石隧道工作面的裂隙迹线图进行处理,得到位于迹线上的多个关键节点;根据所述关键节点,确定岩石隧道工作面的裂隙迹线的各项评价指标。本发明通过采用经过数据集预训练的节理裂隙迹线提取模型提取岩石隧道工作面裂隙迹线图,解决了传统的图像处理方式不方便、效率低的问题;并采用关键节点坐标确定岩石隧道工作面的裂隙的各项评价指标,大大降低了计算过程的复杂度。

    一种基于组稀疏优化的聚类方法

    公开(公告)号:CN112508049B

    公开(公告)日:2023-11-17

    申请号:CN202011211533.6

    申请日:2020-11-03

    Abstract: 本发明提供的一种基于组稀疏优化的类聚方法,首先是数据的处理,其目的在于获得数据集样本间的相似度矩阵目标矩阵、误差最小项和稀疏约束项;第二,构建基于组稀疏约束的优化模型,其目的在于利用更为强力的组稀疏约束来抑制噪声影响;之后,本发明提供一种基于交替方向乘子(Alternating Direction Method of Multipliers)的优化算法来快速求解所构建的优化模型;最后,本发明提供一种快速的优化聚类算法,其目的是合并冗余的聚类结果,进一步提升性能。本发明的方法约束每个样本只能由一个样本近似表示,从而可以有效的提升算法鲁棒性;另一方面,所得到的目标矩阵无需再进行谱聚类分析,从而达到端到端的聚类效果。

    一种协同显著性目标检测方法

    公开(公告)号:CN112348033A

    公开(公告)日:2021-02-09

    申请号:CN202011100360.0

    申请日:2020-10-15

    Abstract: 本发明涉及一种协同显著性目标检测方法,具体包括如下步骤:给定一个包含N幅相关图像的图像组;步骤2:使用共享的骨干特征提取器来获取深层特征;步骤3:通过在线的图内显著性引导模块生成图内显著性特征;步骤4:采用集成‑分发结构聚合群组语义特征并自适应地将其分配给不同的个体,以实现协同显著性特征学习;步骤5:将低分辨率的协同显著性特征送入群组一致性保持解码器和协同显著性预测头部件来一致性地突出协同显著性目标并生成全分辨率的协同显著性图。通过本发明提供方法能够生成更加准确、完整的协同显著性图,且能够有效抑制无关干扰的影响,图间一致性保持好。

    视觉词典构建及应用方法和装置

    公开(公告)号:CN104978395B

    公开(公告)日:2019-05-21

    申请号:CN201510267106.2

    申请日:2015-05-22

    Abstract: 本发明实施例提供了一种视觉词典的构建及应用方法和装置。包括:确定训练图像数据集,提取所述训练图像数据集中全部训练图像的局部描述符,得到第一局部描述符集;根据设定的分解方式将所述第一局部描述符集分解成若干第一子局部描述符集;对每个所述第一子局部描述符集分别进行聚类,分别得到每个所述第一子局部描述符集对应的第一视觉子词集,由所有所述第一视觉子词集构成视觉词典。通过本发明实施例,在构建视觉词典的过程中,提高了为实现图像检索所需要的运算时间以及内存占用。

    基于低秩矩阵分解的文章话题关键词提取方法和装置

    公开(公告)号:CN105912524A

    公开(公告)日:2016-08-31

    申请号:CN201610218407.0

    申请日:2016-04-09

    Abstract: 本发明实施例提供了一种基于低秩矩阵分解的文章话题关键词提取方法和装置。该方法主要包括:使用将词表征为实数值向量的工具训练数据预处理后的文章文本,得到词向量化文件,使用基于文本图模型的关键词抽取算法抽取数据预处理后的文章文本中的特定话题下每个事件的关键词,根据抽取的关键词查询词向量化文件,建立特定话题下的关键词矩阵;采用增广拉格朗日乘子算法求解关键词矩阵的低秩分解问题,得到关键词低秩矩阵,最终生成所述数据预处理后的文章文本中所述特定话题下的关键词。本发明采用低秩矩阵分解的方法生成微博等文章话题的关键词,有效的解决了微博等文章话题关键词的稀疏性问题,大大降低了非关键词数据噪声的干扰。

Patent Agency Ranking