-
公开(公告)号：CN117173423B
公开(公告)日：2024-07-23
申请号：CN202311000343.3
申请日：2023-08-09
申请人： 山东财经大学
IPC分类号： G06V10/44 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0985
摘要： 本发明公开了图像小目标检测方法及系统；其中方法，包括：获取待检测的目标图像；将目标图像输入到训练后的小目标检测网络中，输出检测的小目标；其中，训练后的小目标检测网络，用于：对目标图像进行特征提取，得到特征图；对特征图进行多尺度特征子图，得到多尺度子特征图；对多尺度子特征图进行目标响应生成，得到目标响应热力图；对多尺度子特征图进行聚焦处理，得到多尺度的聚焦增强输出图；基于多尺度的聚焦增强输出图和目标响应热力图，进行自适应采样和自适应裁剪处理，得到生成的锚框；基于生成的锚框，生成小目标的位置和类别。
-
公开(公告)号：CN117607148A
公开(公告)日：2024-02-27
申请号：CN202311570848.3
申请日：2023-11-22
申请人： 山东财经大学
摘要： 本申请涉及一种产品表面缺陷检测方法、装置、电子设备及存储介质，属于产品缺陷检测的技术领域，该检测方法包括：获取产品表面的图像信息；基于所述图像信息，判断产品表面是否有缺陷；若是，则定位缺陷位置；识别缺陷形状；基于所述缺陷位置，控制激光传感器对缺陷处进行检测，并获得检测数据；基于所述检测数据和所述缺陷形状，确定缺陷种类。本申请具有降低判断缺陷类别的误差的有益效果。
-
公开(公告)号：CN117391995A
公开(公告)日：2024-01-12
申请号：CN202311352790.5
申请日：2023-10-18
申请人： 山东财经大学
IPC分类号： G06T5/70 , G06T5/50 , G06T5/73 , G06V10/54 , G06V10/80 , G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
摘要： 本发明公开了渐进式人脸图像复原方法、系统、设备及存储介质，将待复原的人脸图像，输入到训练后的人脸图像复原模型中，输出复原后的人脸图像；训练后的人脸图像复原模型，用于将待复原的人脸图像分别输入到解析图潜码预测网络和图像特征提取网络，其中，解析图潜码预测网络生成解析图高维潜码，图像特征提取网络生成图像高维潜码和多尺度图像特征；随后，GAN先验生成模块将解析图高维潜码与图像高维潜码进行融合，利用融合结果指导GAN单元生成多尺度先验特征；最后，多尺度信息融合模块将对应尺度的图像特征和先验特征进行融合，并将每一尺度融合后的特征，按照尺度从小到大的顺序逐层上采样，渐进生成最终的人脸复原图像。
-
公开(公告)号：CN116523767B
公开(公告)日：2023-10-17
申请号：CN202310267765.0
申请日：2023-03-15
申请人： 山东财经大学
IPC分类号： G06T5/00 , G06V10/764 , G06V10/40 , G06F17/15
摘要： 本发明提出了一种结合雾浓度分类的图像去雾方法及系统，涉及图像处理和计算机视觉领域，具体方案包括：构建由雾浓度分类器和多分支去雾网络组成的多分支去雾模型，并对所述多分支去雾模型进行训练；通过训练后的雾浓度分类器处理带雾图像，得到带雾图像的雾浓度标签；将带雾图像及对应的雾浓度标签，输入到训练后的多分支去雾网络中，生成并输出无雾图像；本发明通过雾浓度对带雾图像进行分类，并使用复杂度不同的网络来处理不同雾浓度的图像，保证去雾精度的同时，提高计算效率。
-
公开(公告)号：CN110415261B
公开(公告)日：2021-03-16
申请号：CN201910721265.3
申请日：2019-08-06
申请人： 山东财经大学
摘要： 本公开提供了一种分区域训练的表情动画转换方法及系统。其中，一种分区域训练的表情动画转换方法包括：检测人脸图像的关键特征点位置，并将人脸图像划分成若干个区域；利用具有表情映射关系的CycleGan模型对每个区域进行单独训练，得到表情转换后每个区域的结果图；CycleGan模型的总损失函数等于对抗性损失函数和循环一致损失函数之和，循环一致损失函数等于欧氏距离约束项和协方差约束项分别与相应权重相乘的累加和；将转换后每个区域的结果图合成完整的人脸表情图像，采用像素加权融合算法平滑合成的边界。其无需数据源驱动,可直接在源人脸动画序列上实时地转换生成真实自然的新表情序列,且对于语音视频可保证新面部表情序列与源音频的同步。
-
公开(公告)号：CN103971355A
公开(公告)日：2014-08-06
申请号：CN201310036318.0
申请日：2013-01-31
申请人： 山东财经大学
摘要： 本发明公开了一种基于测地距离的数字图像抗噪分类技术。算法首先适当选择k个类的初始中心；在第i次迭代中，对任意一个像素，求其到k个中心的相似度，将该像素归到距离最短的中心所在的类；求每个区域中的均值，更新聚类中心；对于所有的k个聚类中心，如果值保持不变则迭代结束，否则继续迭代。本发明可以有效地消除噪声的影响，得到更为清晰的分割效果，同时结合了图像的色彩空间和物理空间，使每个聚类中的像素在颜色和空间上更接近，有效地解决了过分割和界限不明显的问题。
-
公开(公告)号：CN117152311B
公开(公告)日：2024-06-21
申请号：CN202310967179.7
申请日：2023-08-02
申请人： 山东财经大学
IPC分类号： G06T13/20 , G06T17/20 , G06V10/762 , G06T19/20 , G06N3/0464 , G06N3/048
摘要： 本发明属于动画编辑技术领域，提供了基于双分支网络的三维表情动画编辑方法及系统，其技术方案为：高频区域划分模块利用曲率和基于新时空相关性准则改进的K‑Means聚类算法自动识别面部高频区域，提高了区域划分的合理性和准确性。粗略编辑分支网络用于编辑整个面部网格，以生成基本表情，精细编辑分支网络用于编辑面部高频区域，以完善表情细节，两者结合，既保证了表情编辑的精度，又保证了模型的运行效率。空间变化卷积的引入，使得两个分支编辑网络可直接提取不规则三维面部网格的空间特征，进一步提升了表情编辑的准确性。本发明很好地生成满足用户编辑要求、真实自然且细节丰富的表情。
-
公开(公告)号：CN114926657B
公开(公告)日：2023-12-19
申请号：CN202210648317.0
申请日：2022-06-09
申请人： 山东财经大学
IPC分类号： G06V10/44 , G06N3/0464 , G06V10/75 , G06V10/764 , G06V10/80 , G06V10/82
摘要： 本发明公开了显著性目标检测方法及系统；其中，所述方法包括：获取待处理的原始图像；对待处理的原始图像进行特征提取；将特征提取结果输入到训练后的显著性目标检测模型中，输出最终的显著性目标预测结果；其中，显著性目标检测模型的工作原理包括：对提取的特征进行动态尺度感知，得到显著目标的初始预测显著图；基于待处理原始图像和显著目标的初始预测显著图，利用难样本采样优化模块进行优化，得到显著目标的最终预测结果。按照人工标注真值图的思路，首先定位显著目标，其次处理难样本问题。(56)对比文件Yulin Wu等.GCWNet: A Global Context-Weaving Network for Object Detection inRemote Sensing Images.IEEE Transactionson Geoscience and Remote Sensing.2022,第60卷1-12.Chenwei Deng等.FAR-Net: Fast AnchorRefining for Arbitrary-Oriented ObjectDetection.IEEE Geoscience and RemoteSensing Letters.2022,第19卷1-5.汤一明;刘玉菲;黄鸿.视觉单目标跟踪算法综述.测控技术.2020,(08),28-41.
-
公开(公告)号：CN117173423A
公开(公告)日：2023-12-05
申请号：CN202311000343.3
申请日：2023-08-09
申请人： 山东财经大学
IPC分类号： G06V10/44 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0985
摘要： 本发明公开了图像小目标检测方法及系统；其中方法，包括：获取待检测的目标图像；将目标图像输入到训练后的小目标检测网络中，输出检测的小目标；其中，训练后的小目标检测网络，用于：对目标图像进行特征提取，得到特征图；对特征图进行多尺度特征子图，得到多尺度子特征图；对多尺度子特征图进行目标响应生成，得到目标响应热力图；对多尺度子特征图进行聚焦处理，得到多尺度的聚焦增强输出图；基于多尺度的聚焦增强输出图和目标响应热力图，进行自适应采样和自适应裁剪处理，得到生成的锚框；基于生成的锚框，生成小目标的位置和类别。
-
公开(公告)号：CN114926657A
公开(公告)日：2022-08-19
申请号：CN202210648317.0
申请日：2022-06-09
申请人： 山东财经大学
摘要： 本发明公开了显著性目标检测方法及系统；其中，所述方法包括：获取待处理的原始图像；对待处理的原始图像进行特征提取；将特征提取结果输入到训练后的显著性目标检测模型中，输出最终的显著性目标预测结果；其中，显著性目标检测模型的工作原理包括：对提取的特征进行动态尺度感知，得到显著目标的初始预测显著图；基于待处理原始图像和显著目标的初始预测显著图，利用难样本采样优化模块进行优化，得到显著目标的最终预测结果。按照人工标注真值图的思路，首先定位显著目标，其次处理难样本问题。
-
-
-
-
-
-
-
-
-
搜索结果
39 条记录 (耗时 0.031 秒)
