-
公开(公告)号：CN110633706B
公开(公告)日：2022-03-29
申请号：CN201910711584.6
申请日：2019-08-02
Applicant: 杭州电子科技大学
IPC: G06V10/26 , G06V20/70 , G06V10/764 , G06V10/774 , G06V10/766 , G06V10/82 , G06K9/62
Abstract: 本发明公开了一种基于金字塔网络的语义分割方法。本发明包括如下步骤：1：场景RGB图片经过预训练模型提取出特征图Ⅰ，特征图Ⅰ的大小为输入的场景RGB图片的1/8大小；2：在池化前，记录特征图Ⅰ的最大池化值，然后基于池化和卷积操作，对步骤1提取出的特征图Ⅰ进行4个不同尺度的维度处理，得到4个不同维度的特征图；3：通过上采样层将4个不同维度的特征图合并成池化前相同大小的特征图Ⅱ；4：将步骤3所得到的特征图Ⅱ经过一个编码器和解码器，得到特征图Ⅲ；5：将特征图Ⅲ与特征图Ⅱ合并，生成特征图Ⅳ；6：将步骤5获得的特征图Ⅳ再经过一个卷积层，得到最终输出。本发明提高了算法的检测精度，提高了分割的准确率。
-
公开(公告)号：CN109063591B
公开(公告)日：2021-10-15
申请号：CN201810764670.9
申请日：2018-07-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于距离分布度量学习的行人再识别方法，属于生物特征认证领域。首先构建行人的特征库，利用马氏距离构建学习距离度量的目标函数，并且在目标函数中引入样本间距离的分布特性，然后采用遗传算法求解马氏距离的协方差矩阵，最后利用所求的马氏距离计算样本间的距离，从而完成对行人图像的识别，得到识别结果。本发明重点解决自然场景下行人再识别的问题，旨在提高行人再识别系统的识别率。
-
公开(公告)号：CN110633706A
公开(公告)日：2019-12-31
申请号：CN201910711584.6
申请日：2019-08-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于金字塔网络的语义分割方法。本发明包括如下步骤：1：场景RGB图片经过预训练模型提取出特征图Ⅰ，特征图Ⅰ的大小为输入的场景RGB图片的1/8大小；2：在池化前，记录特征图Ⅰ的最大池化值，然后基于池化和卷积操作，对步骤1提取出的特征图Ⅰ进行4个不同尺度的维度处理，得到4个不同维度的特征图；3：通过上采样层将4个不同维度的特征图合并成池化前相同大小的特征图Ⅱ；4：将步骤3所得到的特征图Ⅱ经过一个编码器和解码器，得到特征图Ⅲ；5：将特征图Ⅲ与特征图Ⅱ合并，生成特征图Ⅳ；6：将步骤5获得的特征图Ⅳ再经过一个卷积层，得到最终输出。本发明提高了算法的检测精度，提高了分割的准确率。
-
公开(公告)号：CN107239741A
公开(公告)日：2017-10-10
申请号：CN201710323926.8
申请日：2017-05-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于稀疏重构的单样本人脸识别方法，属于生物特征认证领域。首先在自然场景下采集单样本人脸图像，利用几何变换对人脸图像进行样本扩充，在此基础上进一步利用稀疏重构技术扩充人脸图像。然后对于摄像头采集到的人脸图像，以扩充后的人脸图像库作为字典，利用稀疏表达学习分类器并进行识别，最后给出识别的结果。本发明重点解决自然场景下单样本人脸图像的识别问题，提高了人脸识别系统的识别率以及应用范围。
-
公开(公告)号：CN110677556B
公开(公告)日：2021-09-28
申请号：CN201910711598.8
申请日：2019-08-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于相机定位的图像去模糊方法。本发明包括两阶段：模糊图像去模糊阶段和去模糊图像特征提取阶段。模糊图像去模糊阶段：本发明利用相机当前帧的模糊图像的深度图像，得到场景的深度信息，进而获得场景点的三维坐标。并利用惯性测量单元(IMU)获得相机运动信息，包括平移和旋转。利用以上数据计算选定区块的模糊核，用模糊核进行反卷积操作，得到去模糊图像。去模糊图像特征提取阶段：该阶段对去模糊处理后的图像进行ORB特征提取，并使用提取的特征进行后续的SLAM过程。本发明仅对选定区块进行去模糊，在一定程度上减少了计算量，提高了运算速度。
-
Patent Agency Ranking
公开(公告)号：CN110942430A
公开(公告)日：2020-03-31
申请号：CN201910951860.6
申请日：2019-10-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种提高TOF相机对运动模糊鲁棒性的方法。本发明步骤如下：1、利用深度传感器的双电容在一个积分时间内采集到的4个电容值Q1～Q4进行模糊检测；Q1～Q4分别为控制信号C1～C4在积分时间内收集到的电荷值；由于四相控制信号C1～C4相位差为90°，若没发生运动模糊，则需满足Q1+Q2＝Q3+Q4；2、若检测到的电容值满足Q1+Q2＝Q3+Q4，则使用Q1～Q4进行步骤5的深度计算；反之进入步骤3；3、通过反射回来的红外信号的斜率，并比较Q1+Q2和Q3+Q4的大小，得到由于运动模糊导致相位混合而错误的一对电容值；4、根据结果分别进入对应的电容值替换器，通过另一对正常电容值替换错误电容值进行后续的深度计算；5、使用Q1～Q4和三角函数进行深度计算。本发明简单快速且不会丢失任何原始深度图像细节。
-
公开(公告)号：CN113160179A
公开(公告)日：2021-07-23
申请号：CN202110442873.8
申请日：2021-04-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于动态区域卷积的图像去模糊方法，首先构造动态卷积层，在输入的不同区域中使用不同的卷积核进行卷积；然后使用动态卷积层构造生成器，将模糊图转变为清晰图像；构造判别器，与生成器构成生成对抗网络，并使用真实的清晰图像与生成器生成的清晰图像的损失网络进行训练；训练结束后，仅保留生成器；将模糊图像输入训练后的生成器即可获得清晰图像。本发明利用动态卷积，考虑到了输入数据的区域之间的差异性，针对不同区域使用不同卷积核进行卷积，从而提升特征提取能力。由动态卷积构造的生成对抗网络在单张图像去模糊任务中性能有所提升。
-
公开(公告)号：CN110677556A
公开(公告)日：2020-01-10
申请号：CN201910711598.8
申请日：2019-08-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于相机定位的图像去模糊方法。本发明包括两阶段：模糊图像去模糊阶段和去模糊图像特征提取阶段。模糊图像去模糊阶段：本发明利用相机当前帧的模糊图像的深度图像，得到场景的深度信息，进而获得场景点的三维坐标。并利用惯性测量单元(IMU)获得相机运动信息，包括平移和旋转。利用以上数据计算选定区块的模糊核，用模糊核进行反卷积操作，得到去模糊图像。去模糊图像特征提取阶段：该阶段对去模糊处理后的图像进行ORB特征提取，并使用提取的特征进行后续的SLAM过程。本发明仅对选定区块进行去模糊，在一定程度上减少了计算量，提高了运算速度。
-
公开(公告)号：CN111932600A
公开(公告)日：2020-11-13
申请号：CN202010757742.4
申请日：2020-07-31
Applicant: 杭州电子科技大学
IPC: G06T7/55
Abstract: 本发明提供一种基于局部子图的实时回环检测方法，首先创建基于各子图的特征数据库；然后在检测回环之前，对当前帧的相邻子图进行筛选；最后通过相邻子图的特征数据库中的关键帧信息进行回环检测与关键帧添加。本发明设计了通用的回环检测框架，对现有的回环检测技术结合局部子图的数据结构，实现检测时间不随地图(关键帧数量)的增大而增大，有效保证了现有三维重建技术在重建大场景时的实时性。
-
公开(公告)号：CN111932600B
公开(公告)日：2023-10-03
申请号：CN202010757742.4
申请日：2020-07-31
Applicant: 杭州电子科技大学
IPC: G06T7/55
Abstract: 本发明提供一种基于局部子图的实时回环检测方法，首先创建基于各子图的特征数据库；然后在检测回环之前，对当前帧的相邻子图进行筛选；最后通过相邻子图的特征数据库中的关键帧信息进行回环检测与关键帧添加。本发明设计了通用的回环检测框架，对现有的回环检测技术结合局部子图的数据结构，实现检测时间不随地图(关键帧数量)的增大而增大，有效保证了现有三维重建技术在重建大场景时的实时性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.023 seconds)
