-
Patent Agency Ranking
公开(公告)号：CN108428238B
公开(公告)日：2022-02-15
申请号：CN201810173285.7
申请日：2018-03-02
Applicant: 南开大学
Abstract: 本发明公开了一种基于深度网络的多类型任务通用的检测方法，属于图像处理技术领域。包含如下步骤：a.分别选择上述三种任务所需要的训练图片；b.在相同的网络结构下设计完成需要的模型参数和网络初始参数；c.设计需要优化的损失函数，并利用深度预测模型和物体检测模型得到其具体表示；d.优化调整初始模型的参数，最终得到分别符合三种要求的具有统一结构的检测模型参数；e.利用训练好的模型对任意输入的自然场景图片得到显著性物体检测、骨架提取、边缘检测三种图像处理结果。本方法能够在一个统一的网络结构下完成三种截然不同的图像处理任务，此方法具有良好的通用性和可移植性，同时达到了良好的检测效果。
-
公开(公告)号：CN108428238A
公开(公告)日：2018-08-21
申请号：CN201810173285.7
申请日：2018-03-02
Applicant: 南开大学
Abstract: 本发明公开了一种基于深度网络的多类型任务通用的检测方法，属于图像处理技术领域。包含如下步骤：a.分别选择上述三种任务所需要的训练图片；b.在相同的网络结构下设计完成需要的模型参数和网络初始参数；c.设计需要优化的损失函数，并利用深度预测模型和物体检测模型得到其具体表示；d.优化调整初始模型的参数，最终得到分别符合三种要求的具有统一结构的检测模型参数；e.利用训练好的模型对任意输入的自然场景图片得到显著性物体检测、骨架提取、边缘检测三种图像处理结果。本方法能够在一个统一的网络结构下完成三种截然不同的图像处理任务，此方法具有良好的通用性和可移植性，同时达到了良好的检测效果。
-
公开(公告)号：CN111260662B
公开(公告)日：2023-05-26
申请号：CN202010045961.X
申请日：2020-01-16
Applicant: 南开大学
IPC: G06T7/11 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 超小参数量的分割模型的实现方法，属于计算机视觉技术领域。本发明利用可同时处理多种尺寸特征图的卷积构建超轻量级的神经网络主干结构，能够在提取多尺度特征信息的同时减少计算量；提出一种特征融合模块将来源于主干网络结构中不同阶段的特征进行融合，以较小的计算成本充分提取不同尺度的特征信息，从而输出具有高分辨率的高质量图像分割结果。为进一步压缩网络参数量，本发明提出一种动态权重衰减辅助的神经网络训练策略，在训练过程中依照当前输入图像产生的特征对不同参数进行不同程度的稀疏化约束；通过剔除训练完成模型中数值为零的参数，可以在保持性能不变的情况下压缩轻量级模型的参数量，从而获取一个具有极低参数量的分割模型。
-
公开(公告)号：CN111260662A
公开(公告)日：2020-06-09
申请号：CN202010045961.X
申请日：2020-01-16
Applicant: 南开大学
Abstract: 超小参数量的分割模型的实现方法，属于计算机视觉技术领域。本发明利用可同时处理多种尺寸特征图的卷积构建超轻量级的神经网络主干结构，能够在提取多尺度特征信息的同时减少计算量；提出一种特征融合模块将来源于主干网络结构中不同阶段的特征进行融合，以较小的计算成本充分提取不同尺度的特征信息，从而输出具有高分辨率的高质量图像分割结果。为进一步压缩网络参数量，本发明提出一种动态权重衰减辅助的神经网络训练策略，在训练过程中依照当前输入图像产生的特征对不同参数进行不同程度的稀疏化约束；通过剔除训练完成模型中数值为零的参数，可以在保持性能不变的情况下压缩轻量级模型的参数量，从而获取一个具有极低参数量的分割模型。
-
公开(公告)号：CN111259797A
公开(公告)日：2020-06-09
申请号：CN202010046338.6
申请日：2020-01-16
Applicant: 南开大学
Abstract: 一种基于点的迭代式遥感图像道路提取方法。从遥感图像中自动提取道路中心线图较实地采集效率更高，成本更低。为了提高道路连通性，同时保持道路图和真实道路中心线之间的精确对齐，本发明提出了一种基于点的，使用分割线索指导、可变步长和轨迹探索的，迭代式道路图探索方法。其中，分割线索体现为中心线分割和交点分割在神经网络中作为监督信息，可变步长体现为在道路交点、道路终点以及连接点处使用可调整的步长训练神经网络，轨迹探索方法体现为利用一次遥感图像输入得到从图像中心点出发的按照时间顺序的下一步落点集合。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
