-
公开(公告)号：CN107016415A
公开(公告)日：2017-08-04
申请号：CN201710236763.X
申请日：2017-04-12
申请人： 合肥工业大学
CPC分类号： G06K9/6268 , G06N3/0454 , G06N3/08 , G06T2207/10024
摘要： 本发明公开了一种基于全卷积网络的彩色图像色彩语义分类方法，包括：1构建全卷积网络；2获取具有像素级标注的彩色图像数据集；3利用彩色图像数据集对全卷积网络进行训练，得到能够对任意尺寸彩色图像进行像素级色彩语义分类的特征模型；4利用特征模型对任意彩色图像进行像素级的色彩语义分类，评估特征模型的分类精度；5使用全连接条件随机场的方法对网络分类结果进行优化处理，得到图像中每个像素点的色彩类别标签，根据类别标签与彩色空间的映射关系，将色彩类别标签转化到对应的彩色空间显示像素级的色彩语义分类结果。本发明能实现彩色图像像素级的色彩语义分类，有效提高复杂多变环境下彩色图像色彩语义分类的精度。
-
公开(公告)号：CN113343822A
公开(公告)日：2021-09-03
申请号：CN202110600616.2
申请日：2021-05-31
申请人： 合肥工业大学
摘要： 本发明公开了一种基于3D卷积的光场显著性目标检测方法，包括：1、对光场数据进行重聚焦，得到不同聚焦参数下的光场数据；2、对重聚焦后的光场数据进行解码，得到聚焦在场景不同深度下的焦点堆栈；3、对焦点堆栈进行数据增强；4、构建基于3D卷积的深度卷积神经网络，以焦点堆栈作为输入，对深度卷积神经网络进行训练，得到光场显著性目标检测模型；5、利用训练好的模型对待检测的焦点堆栈进行显著性目标检测，并评估模型在待检测的焦点堆栈上的精度。本发明能实现基于3D卷积的光场显著性目标检测，有效提高复杂多变环境下场景的显著性目标检测的准确性。
-
公开(公告)号：CN107016415B
公开(公告)日：2019-07-19
申请号：CN201710236763.X
申请日：2017-04-12
申请人： 合肥工业大学
摘要： 本发明公开了一种基于全卷积网络的彩色图像色彩语义分类方法，包括：1构建全卷积网络；2获取具有像素级标注的彩色图像数据集；3利用彩色图像数据集对全卷积网络进行训练，得到能够对任意尺寸彩色图像进行像素级色彩语义分类的特征模型；4利用特征模型对任意彩色图像进行像素级的色彩语义分类，评估特征模型的分类精度；5使用全连接条件随机场的方法对网络分类结果进行优化处理，得到图像中每个像素点的色彩类别标签，根据类别标签与彩色空间的映射关系，将色彩类别标签转化到对应的彩色空间显示像素级的色彩语义分类结果。本发明能实现彩色图像像素级的色彩语义分类，有效提高复杂多变环境下彩色图像色彩语义分类的精度。
-
公开(公告)号：CN113343822B
公开(公告)日：2022-08-19
申请号：CN202110600616.2
申请日：2021-05-31
申请人： 合肥工业大学
摘要： 本发明公开了一种基于3D卷积的光场显著性目标检测方法，包括：1、对光场数据进行重聚焦，得到不同聚焦参数下的光场数据；2、对重聚焦后的光场数据进行解码，得到聚焦在场景不同深度下的焦点堆栈；3、对焦点堆栈进行数据增强；4、构建基于3D卷积的深度卷积神经网络，以焦点堆栈作为输入，对深度卷积神经网络进行训练，得到光场显著性目标检测模型；5、利用训练好的模型对待检测的焦点堆栈进行显著性目标检测，并评估模型在待检测的焦点堆栈上的精度。本发明能实现基于3D卷积的光场显著性目标检测，有效提高复杂多变环境下场景的显著性目标检测的准确性。
-
公开(公告)号：CN116778187A
公开(公告)日：2023-09-19
申请号：CN202310683470.1
申请日：2023-06-09
申请人： 合肥工业大学
IPC分类号： G06V10/46 , G06V10/80 , G06V10/82 , G06V10/74 , G06V10/77 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084 , G06N3/09
摘要： 本发明公开了一种基于光场重聚焦数据增强的显著性目标检测方法，包括：1、对光场数据进行重聚焦，得到不同聚焦参数下的光场数据；2、对重聚焦数据进行数据增强；4、构建深度卷积神经网络，以光场重聚焦图像和深度图像作为输入，对深度卷积神经网络进行训练，得到光场显著性目标检测模型；5、利用训练好的模型对待检测的光场重聚焦图像和深度图像进行显著性目标检测，并评估模型在待检测的数据上的精度。本发明能实现基于光场重聚焦数据增强的显著性目标检测，从而能有效提高复杂多变环境下场景的显著性目标检测的准确性。
-
-
-
-
搜索结果
5 条记录 (耗时 0.017 秒)
