-
公开(公告)号：CN111369522A
公开(公告)日：2020-07-03
申请号：CN202010136253.7
申请日：2020-03-02
申请人： 合肥工业大学
摘要： 本发明公开了一种基于生成对抗卷积神经网络的光场显著性目标检测方法，其步骤包括：1将光场数据转换成重聚焦序列；2对重聚焦序列进行数据增强；3以U-Net网络和GAN网络结构为基础，构建生成对抗卷积神经网络，以重聚焦序列为网络输入，并利用光场数据集训练；4利用训练好的生成对抗卷积神经网络对待处理的光场数据进行显著性目标检测。本发明方法能充分利用深度学习方法和光场重聚焦信息，从而能有效提高复杂场景图像的显著目标检测的准确性。
-
公开(公告)号：CN111260707A
公开(公告)日：2020-06-09
申请号：CN202010107015.3
申请日：2020-02-21
申请人： 合肥工业大学
IPC分类号： G06T7/50
摘要： 本发明公开了一种基于光场EPI图像的深度估计方法，其步骤包括：1、对光场数据进行重聚焦，获取不同聚焦参数下的光场数据；2、从重聚焦后的光场数据中提取水平和垂直视角的子孔径图像；3、从子孔径图像中提取水平和垂直方向的光场EPI图像；4、搭建基于光场EPI图像关联推理的双支路深度估计模型，用所提取的水平和垂直方向EPI图像进行训练；5、利用训练好的深度估计模型对待处理的光场数据进行深度估计。本发明能充分利用EPI图像中心像素与邻域的关联性，并能利用光场重聚焦原理实现数据增强，从而能有效提高光场EPI图像深度估计的准确性。
-
公开(公告)号：CN111369522B
公开(公告)日：2022-03-15
申请号：CN202010136253.7
申请日：2020-03-02
申请人： 合肥工业大学
摘要： 本发明公开了一种基于生成对抗卷积神经网络的光场显著性目标检测方法，其步骤包括：1将光场数据转换成重聚焦序列；2对重聚焦序列进行数据增强；3以U‑Net网络和GAN网络结构为基础，构建生成对抗卷积神经网络，以重聚焦序列为网络输入，并利用光场数据集训练；4利用训练好的生成对抗卷积神经网络对待处理的光场数据进行显著性目标检测。本发明方法能充分利用深度学习方法和光场重聚焦信息，从而能有效提高复杂场景图像的显著目标检测的准确性。
-
公开(公告)号：CN111260707B
公开(公告)日：2022-03-15
申请号：CN202010107015.3
申请日：2020-02-21
申请人： 合肥工业大学
IPC分类号： G06T7/50
摘要： 本发明公开了一种基于光场EPI图像的深度估计方法，其步骤包括：1、对光场数据进行重聚焦，获取不同聚焦参数下的光场数据；2、从重聚焦后的光场数据中提取水平和垂直视角的子孔径图像；3、从子孔径图像中提取水平和垂直方向的光场EPI图像；4、搭建基于光场EPI图像关联推理的双支路深度估计模型，用所提取的水平和垂直方向EPI图像进行训练；5、利用训练好的深度估计模型对待处理的光场数据进行深度估计。本发明能充分利用EPI图像中心像素与邻域的关联性，并能利用光场重聚焦原理实现数据增强，从而能有效提高光场EPI图像深度估计的准确性。
-
-
-
搜索结果
4 条记录 (耗时 0.023 秒)
