-
公开(公告)号：CN102779338A
公开(公告)日：2012-11-14
申请号：CN201110124317.2
申请日：2011-05-13
CPC分类号： G06T7/0081 , G06K9/4671 , G06T7/11 , G06T7/90 , G06T2207/10024 , G06T2207/20164 , G06T2207/30196
摘要： 本发明公开了一种图像处理方法和图像处理装置，基于区域对比度检测图像视觉显著性。该方法包括：分割步骤，采用自动分割算法把输入图像分割为多个区域；以及计算步骤，利用所述多个区域中的一个区域和其它区域颜色差异的加权和计算该区域的显著性值。本发明能够自动地分析图像中的视觉显著性区域，分析结果可以应用于重要目标分割、物体识别、自适应图像压缩、内容敏感的图像缩放、和图像检索等应用领域。
-
公开(公告)号：CN102779338B
公开(公告)日：2017-05-17
申请号：CN201110124317.2
申请日：2011-05-13
CPC分类号： G06T7/0081 , G06K9/4671 , G06T7/11 , G06T7/90 , G06T2207/10024 , G06T2207/20164 , G06T2207/30196
摘要： 本发明公开了一种图像处理方法和图像处理装置，基于区域对比度检测图像视觉显著性。该方法包括：分割步骤，采用自动分割算法把输入图像分割为多个区域；以及计算步骤，利用所述多个区域中的一个区域和其它区域颜色差异的加权和计算该区域的显著性值。本发明能够自动地分析图像中的视觉显著性区域，分析结果可以应用于重要目标分割、物体识别、自适应图像压缩、内容敏感的图像缩放、和图像检索等应用领域。
-
公开(公告)号：CN112862920B
公开(公告)日：2024-07-02
申请号：CN202110190317.6
申请日：2021-02-18
申请人： 清华大学
IPC分类号： G06T11/20 , G06N3/0475 , G06N3/045 , G06N3/094
摘要： 本发明提供一种基于手绘草图的人体图像生成方法及系统，该方法包括：对手绘人体草图进行分割，得到分割后的手绘人体草图；对分割后的手绘人体草图进行几何形态改善处理，得到第一人体草图和第一解析图；将第一人体草图和第一解析图输入到训练好的结构改善模型中，得到第二人体草图和第二解析图，其中，训练好的结构改善模型是由标记有身体部件类型的样本身体部件边图，对姿态估计网络和空间变换网络进行训练得到的；将第二人体草图和第二解析图输入到训练好的人体图像合成模型中，得到人体合成图像。本发明能够改善手绘人体草图的局部几何结构和整体结构，生成更符合真实人像的几何形态和结构比例的图像。
-
公开(公告)号：CN117994561A
公开(公告)日：2024-05-07
申请号：CN202311814591.1
申请日：2023-12-26
申请人： 清华大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
摘要： 本发明提供一种基于有向包围盒的目标检测方法、装置及电子设备，其中的方法包括：将待检测图像输入至预先训练的目标检测网络，得到预测输出；对预测输出进行解码处理，得到待检测图像的目标检测结果；其中，目标检测网络通过根据样本图像中目标的原始有向包围盒的编码结果进行训练优化得到。该方法通过在目标检测网络的训练过程中将原始有向包围盒编码为对应的水平外包围盒参数、滑动比例参数以及交并比参数，此过程不会因为细微扰动而导致编码结果出现明显的变化，具有良好的稳定性，且解码时准确地还原出原本的有向包围盒，实现了有向包围盒的稳定、准确编码、解码，进一步提升了图像目标检测的准确度。
-
公开(公告)号：CN117217994A
公开(公告)日：2023-12-12
申请号：CN202311096759.X
申请日：2023-08-28
申请人： 腾讯科技(深圳)有限公司 , 清华大学
IPC分类号： G06T3/40 , G06V10/774 , G06V10/80 , G06V10/40 , G06T17/00
摘要： 本申请实施例公开了一种物体重组方法、装置、计算机设备及存储介质，属于计算机技术领域。该方法包括：获取物体的已知碎片，物体由已知碎片和缺失碎片构成；对已知碎片进行特征提取，得到已知碎片的已知碎片特征；随机生成初始碎片特征，基于已知碎片特征对初始碎片特征进行调整，得到缺失碎片的缺失碎片特征；基于缺失碎片特征预测缺失碎片；将已知碎片和预测得到的缺失碎片进行拼接，得到物体。本申请能够在缺失一部分碎片的情况下仅根据一部分已知碎片完成对物体的重组，提高了物体重组方法的泛用性。
-
公开(公告)号：CN114897136A
公开(公告)日：2022-08-12
申请号：CN202210474867.5
申请日：2022-04-29
申请人： 清华大学
IPC分类号： G06N3/04 , G06N3/08 , G06V10/25 , G06V10/26 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/82
摘要： 本发明提供一种多尺度注意力机制方法及模块和图像处理方法及装置，其中多尺度注意力模块中的分组卷积层用于对待处理特征图进行特征提取，获得第一特征图；每个尺度分支用于对第一特征图进行特征提取，获得各自的尺度分支特征图；相加单元用于将第一特征图和多个尺度分支特征图相加，获得第二特征图；普通卷积层用于对第二特征图进行特征提取，获得注意力图；矩阵逐元素相乘操作单元用于将注意力图和待处理特征图进行矩阵逐元素相乘操作，获得多尺度特征图；其中，多个尺度分支中至少两个尺度分支的特征提取尺度不同。本发明提供的多尺度注意力机制方法及模块和图像处理方法及装置，提高了图像处理的准确性和精度。
-
公开(公告)号：CN113037587B
公开(公告)日：2022-07-29
申请号：CN202110220893.0
申请日：2021-02-26
申请人： 清华大学 , 支付宝(杭州)信息技术有限公司
摘要： 本说明书实施例公开了一种TCP/IP协议栈测试方法、装置及电子设备，其所要保护技术方案包括，根据测试序列中所包含的各数据项之间的依赖关系，利用所述各数据项依次运行待测TCP/IP协议栈，所述各数据项包括输入数据包和系统调用中的一种或两种，监控所述待测TCP/IP协议栈的运行过程，得到第一监控数据，利用所述第一监控数据确定对所述待测TCP/IP协议栈的测试结果。
-
公开(公告)号：CN114792325A
公开(公告)日：2022-07-26
申请号：CN202110099420.X
申请日：2021-01-25
申请人： 清华大学
摘要： 本发明提供一种人像抠图方法及系统，该方法包括：获取待抠图的目标人像图片；将目标人像图片输入到训练好的深度神经网络模型中，输出得到目标人像图片中的人像前景，其中，训练好的深度神经网络模型是由标记有不透明度的样本人像图片和样本人像图片对应的样本三色图，对深度神经网络模型进行训练得到的。本发明提升了全自动人像抠图的精确度，使得处理大批量人像数据的效率提高，并且将分割与抠图步骤合并到一个统一的深度神经网络中，从而避免了传统的三色图交互方法中需要大量交互绘制工作量的弊端。
-
公开(公告)号：CN113593033A
公开(公告)日：2021-11-02
申请号：CN202110649502.7
申请日：2021-06-10
申请人： 清华大学
摘要： 本发明提供一种基于网格细分结构的三维模型特征提取方法，包括：确定待提取特征的三维模型的网格表示；将所述三维模型的网格输入特征提取模块，输出特征提取后的目标网格表示，以及所述目标网格表示中每个面片的目标特征向量；其中，所述网格表示由多个三角面片或多个四角面片组成，用于刻画实物或场景的三维形状，所述特征提取模块包括依次连接的重网格化模块和网格上下采样模块。本发明提供的方法，提取的特征能更好地描述广范围特征，应用于网格分类、分割、检索、形状对应等，可提高准确度和健壮性。
-
公开(公告)号：CN113326869A
公开(公告)日：2021-08-31
申请号：CN202110502342.3
申请日：2021-05-08
申请人： 清华大学
IPC分类号： G06K9/62 , G06N3/08 , G06F16/901
摘要： 本发明公开了一种基于最长路融合算法的深度学习计算图优化方法，包括：1)使用最小代价子图划分估计深度学习计算图的算子融合的加速效果，2)根据代价函数近似得到出一种跨层算子融合规则，3)标记计算图边权，用动态规划求解算子最长路标号，4)使用并查集算法融合标号相同的算子。此方法在保证优化额外开销比较小的同时，显著提高深度学习框架的速度。
-
-
-
-
-
-
-
-
-
搜索结果
327 条记录 (耗时 0.044 秒)