-
公开(公告)号：CN115131232B
公开(公告)日：2024-08-13
申请号：CN202210628067.4
申请日：2022-06-06
申请人： 武汉大学
IPC分类号： G06T5/60 , G06T5/73 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/09 , G06N3/0985 , G06N3/0455
摘要： 本发明公开了一种事件相机辅助的高速运动物体形状恢复方法，属于计算机视觉领域。物体在下坠的过程中以极大的速度运动，若能对高速运动物体进行形状恢复，有助于对高空坠物等事故进行责任判定，对维护社会治安具有重要意义。本发明通过利用事件相机的高时间分辨率，弥补了传统光学相机在时间维度上的信息丢失。使用包含多迭代模块的去模糊网络引入高时间分辨率信息来迭代更新清晰图像的特征表示，完成了事件到光照强度变化的映射。使用边缘重建网络对初始去模糊结果进行后处理解决了模糊残留问题，并最终完成形状恢复任务。
-
公开(公告)号：CN110728178B
公开(公告)日：2022-03-15
申请号：CN201910823262.0
申请日：2019-09-02
申请人： 武汉大学
摘要： 本发明提供的是一种基于深度学习的事件相机车道线提取方法。本发明提出了一种基于结构先验的网络，该网络通过利用全向切片卷积模块能够很好的捕获像素间的空间关系，特别是表现为细长形状的目标的空间关系。为了进一步提高车道线提取的精度，该发明引入了一种基于模特卡罗采样和最小二乘的多项式拟合的后处理方法，对车道线进行拟合，并最终完成车道线提取任务。
-
公开(公告)号：CN110569761B
公开(公告)日：2021-04-02
申请号：CN201910796308.4
申请日：2019-08-27
申请人： 武汉大学
摘要： 本发明提供一种基于对抗学习的手绘草图检索遥感图像的方法，该方法利用了深度卷积神经网络提取手绘草图和遥感图像的高层语义特征，并利用对抗学习使深度卷积神经网络能够提取手绘草图域和遥感图像域之间不变的特征。网络的输入为手绘草图和遥感图像对，特征提取器分别提取手绘草图和遥感图像的特征；然后将提取到的特征分别作为域鉴别器和分类器的输入，根据提取到的特征判别输入的域及类别。本发明采用的基于对抗学习的手绘草图检索遥感图像方法，能够有效提取手绘草图和遥感图像的高层语义信息，弥合两个域之间的差距，得到更高的检索精度。
-
公开(公告)号：CN111898663B
公开(公告)日：2022-05-13
申请号：CN202010701646.8
申请日：2020-07-20
申请人： 武汉大学
摘要： 本发明公开了一种基于迁移学习的跨模态遥感图像的匹配方法，该方法利用迁移学习，将在有标签的跨模态遥感图像数据上学习到的度量准则，迁移到无标签的其他成像设备的跨模态遥感图像上，提高其匹配性能。网络同时输入有标签的跨模态遥感图像数据和无标签的跨模态数据。网络包含两个特征提取器，其参数部分共享，分别用于提取光学图像的特征和SAR图像的特征。训练阶段包含如下两个任务，第一是利用有标签的数据学习光学图像和SAR图像两种模态之间的度量准则，第二则是要混淆不同成像设备的同种模态数据。本发明能够有效地将在有标签的数据上学习到的度量准则，迁移到无标签的数据上，对无标签的跨模态遥感图像进行更高精度的匹配。
-
公开(公告)号：CN111881773A
公开(公告)日：2020-11-03
申请号：CN202010642133.4
申请日：2020-07-06
申请人： 武汉大学
摘要： 本发明公开了一种基于位置偏移的事件相机人体姿态估计方法及系统，该方法包括：将事件相机获取的人体姿态事件流建立图像帧，在每帧事件图像的时间窗内，求取所有关节点的平均位置，并创建每个关节点的热图；基于堆叠沙漏网络建立人体姿态估计模型，基于高分辨率网络建立人体姿态修正模型，利用事件图像和热图进行训练；将待检测事件图像输入到人体姿态估计模型，得到初始人体姿态；将初始人体姿态和待检测事件图像串联输入到人体姿态修正模型，得到关节点的位置偏移特征图；将位置偏移特征图上采样并与初始人体姿态相加，得到最终的人体姿态。本发明引入事件相机来获取人体姿态图像，利用基于位置偏移的人体姿态修正网络进行修正，提高精度。
-
公开(公告)号：CN110728178A
公开(公告)日：2020-01-24
申请号：CN201910823262.0
申请日：2019-09-02
申请人： 武汉大学
摘要： 本发明提供的是一种基于深度学习的事件相机车道线提取方法。本发明提出了一种基于结构先验的网络，该网络通过利用全向切片卷积模块能够很好的捕获像素间的空间关系，特别是表现为细长形状的目标的空间关系。为了进一步提高车道线提取的精度，该发明引入了一种基于模特卡罗采样和最小二乘的多项式拟合的后处理方法，对车道线进行拟合，并最终完成车道线提取任务。
-
公开(公告)号：CN110599414A
公开(公告)日：2019-12-20
申请号：CN201910802033.0
申请日：2019-08-28
申请人： 武汉大学
摘要： 本发明提供的是一种面向事件相机数据处理的时空归一化方法，主要是根据事件被激活的时刻越晚，其时间戳的值越大的性质，利用双向链表对像素进行相连，记录相对时序关系；根据被激活事件的像素坐标位置已知的性质，利用序列更新对节点序列进行重排；在序列更新阶段，根据不同应用的需求，采用同步序列更新和异步序列更新；在选择序列时，根据具有相同时间戳的像素的序列相同的性质，去除错误的序列。本发明利用事件相机的特有性质进行SAE时空归一化处理，具有自适应和高效的特点。
-
公开(公告)号：CN111881773B
公开(公告)日：2023-08-25
申请号：CN202010642133.4
申请日：2020-07-06
申请人： 武汉大学
摘要： 本发明公开了一种基于位置偏移的事件相机人体姿态估计方法及系统，该方法包括：将事件相机获取的人体姿态事件流建立图像帧，在每帧事件图像的时间窗内，求取所有关节点的平均位置，并创建每个关节点的热图；基于堆叠沙漏网络建立人体姿态估计模型，基于高分辨率网络建立人体姿态修正模型，利用事件图像和热图进行训练；将待检测事件图像输入到人体姿态估计模型，得到初始人体姿态；将初始人体姿态和待检测事件图像串联输入到人体姿态修正模型，得到关节点的位置偏移特征图；将位置偏移特征图上采样并与初始人体姿态相加，得到最终的人体姿态。本发明引入事件相机来获取人体姿态图像，利用基于位置偏移的人体姿态修正网络进行修正，提高精度。
-
公开(公告)号：CN115131232A
公开(公告)日：2022-09-30
申请号：CN202210628067.4
申请日：2022-06-06
申请人： 武汉大学
摘要： 本发明公开了一种事件相机辅助的高速运动物体形状恢复方法，属于计算机视觉领域。物体在下坠的过程中以极大的速度运动，若能对高速运动物体进行形状恢复，有助于对高空坠物等事故进行责任判定，对维护社会治安具有重要意义。本发明通过利用事件相机的高时间分辨率，弥补了传统光学相机在时间维度上的信息丢失。使用包含多迭代模块的去模糊网络引入高时间分辨率信息来迭代更新清晰图像的特征表示，完成了事件到光照强度变化的映射。使用边缘重建网络对初始去模糊结果进行后处理解决了模糊残留问题，并最终完成形状恢复任务。
-
公开(公告)号：CN111899269B
公开(公告)日：2022-07-05
申请号：CN202010686373.4
申请日：2020-07-16
申请人： 武汉大学
摘要： 本发明公开了一种基于边缘结构信息的无人机图像与SAR卫星图像的匹配方法，该方法首先利用传统的Ratio算子对SAR卫星图像的边缘进行初步的粗提取，再叠加到SAR原图上对SAR图像进行增强，利用卷积神经网络提取无人机光学/红外图像以及增强后的SAR卫星图像的边缘图像，然后再利用新的卷积神经网络提取边缘图像的深层语义特征，然后对边缘图的深度特征进行相似度匹配，获取无人机图像和SAR卫星图像的匹配热力图，最终根据热力图中值最高的区域，找到无人机图像在SAR卫星图像中的位置。本发明采用的基于图像边缘结构的匹配方法，能够利用图像的边缘特性，弥补不同成像机制带来的域差异，有效地对三种异源图像之间进行匹配。
-
-
-
-
-
-
-
-
-
搜索结果
19 条记录 (耗时 0.03 秒)
