-
公开(公告)号：CN117710221A
公开(公告)日：2024-03-15
申请号：CN202211079039.8
申请日：2022-09-05
申请人： 英特灵达信息技术(深圳)有限公司 , 合肥英特灵达信息技术有限公司
IPC分类号： G06T5/50 , G06T7/38 , G06T7/35 , G06T5/70 , G06N3/0464
摘要： 本发明实施例提供了一种图像处理方法和装置，涉及图像处理技术领域，方法包括：依次获取每一待对齐视频帧，并进行缓存；在缓存每一待对齐视频帧后，若当前已缓存的待对齐视频帧的数目不小于第一数目，则分别计算该待对齐视频帧与对应的第二数目个相邻视频帧之间的映射矩阵；按照缓存的先后顺序，针对最后缓存的第一数目个待对齐视频帧中除中心视频帧以外的每一待对齐视频帧，基于该待对齐视频帧与心视频帧之间的映射矩阵对该待对齐视频帧进行处理，得到待融合视频帧；对各待融合视频帧和所述中心视频帧进行融合处理，得到目标视频帧。如此，能够提高视频图像的图像质量。
-
公开(公告)号：CN112580581A
公开(公告)日：2021-03-30
申请号：CN202011579999.1
申请日：2020-12-28
申请人： 英特灵达信息技术(深圳)有限公司 , 合肥英特灵达信息技术有限公司
摘要： 本发明实施例提供了目标检测方法、装置及电子设备，应用于计算机视觉的目标检测领域。该方法应用于边缘计算服务器，该方法包括：获取待检测图像；利用预先训练好的目标检测模型，对待检测图像进行目标检测，得到检测结果；其中，目标检测模型为基于样本图像和样本图像的标注结果训练得到的，目标检测模型包含用于提取图像特征的残差网络，残差网络包含串行连接的扩展卷积层、深度卷积层和投影卷积层，扩展卷积层包含第一数量个输入通道和第二数量个输出通道，投影卷积层包含第二数量个输入通道和第一数量个输出通道，第二数量大于第一数量。通过本方案，可以在有限算力的边缘侧微型服务器上，提升目标检测的准确性。
-
公开(公告)号：CN114648646A
公开(公告)日：2022-06-21
申请号：CN202210546109.X
申请日：2022-05-20
申请人： 合肥英特灵达信息技术有限公司
摘要： 本发明实施例提供了一种图像分类方法及装置，涉及图像处理技术领域，上述方法包括：对待分类的图像进行特征提取，得到表征图像属于各个分类类型的强烈程度的特征值；根据各个分类类型对应的预设权重系数，对提取到的各个分类类型对应的特征值进行加权计算，得到用于表征图像的图像质量的计算结果；根据计算结果，在各个分类类型中确定图像的分类类型。应用本发明实施例提供的图像分类方案，能够实现图像分类。
-
公开(公告)号：CN114648646B
公开(公告)日：2023-04-18
申请号：CN202210546109.X
申请日：2022-05-20
申请人： 合肥英特灵达信息技术有限公司
IPC分类号： G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明实施例提供了一种图像分类方法及装置，涉及图像处理技术领域，上述方法包括：对待分类的图像进行特征提取，得到表征图像属于各个分类类型的强烈程度的特征值；根据各个分类类型对应的预设权重系数，对提取到的各个分类类型对应的特征值进行加权计算，得到用于表征图像的图像质量的计算结果；根据计算结果，在各个分类类型中确定图像的分类类型。应用本发明实施例提供的图像分类方案，能够实现图像分类。
-
公开(公告)号：CN117197592A
公开(公告)日：2023-12-08
申请号：CN202311461357.5
申请日：2023-11-06
申请人： 英特灵达信息技术(深圳)有限公司
IPC分类号： G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本申请实施例提供了一种目标检测模型训练方法、装置、电子设备及介质，涉及图像处理技术领域，本申请实施例包括：获取正样本图像集和负样本图像集，然后利用目标检测网络分别对负样本图像集包括的每张负样本图像进行目标检测，得到各负样本图像的目标检测结果和目标检测结果的置信度。再基于各负样本图像的目标检测结果的置信度，筛选出指定数量的负样本图像，并基于正样本图像集包括的各正样本图像以及筛选出的负样本图像，训练目标检测网络，并返回利用目标检测网络分别对负样本图像集包括的每张负样本图像进行目标检测的步骤，直至在目标检测网络训练完成时，将训练完成的目标检测网络作为目标检测模型。从而提高了目标检测模型的检测准确度。
-
公开(公告)号：CN118736383A
公开(公告)日：2024-10-01
申请号：CN202410922595.X
申请日：2024-07-10
申请人： 英特灵达信息技术(深圳)有限公司 , 北京英特灵达信息技术有限公司
IPC分类号： G06V10/82 , G06V10/764 , G06V10/80 , G06N3/0464
摘要： 本发明实施例提供了一种图像检测模型训练方法、图像检测方法及装置，涉及图像处理技术领域。图像检测模型训练方法包括：获取第一样本图像、第一标签、第二样本图像和第二标签；融合第一样本图像和第二样本图像得到融合样本图像；从融合样本图像中确定对象所属的融合对象区域，并基于每一融合对象区域各自对应的样本对象区域的分类信息和样本对象区域所属的样本图像的融合权重，计算该融合对象区域的融合分类信息；基于融合样本图像和融合标签对初始结构的图像检测模型进行训练，得到训练好的图像检测模型。融合样本图像是基于第一样本图像和第二样本图像融合得到的难例样本，基于难例样本对图像检测模型进行训练得到的图像检测模型的准确性更高。
-
公开(公告)号：CN110809103A
公开(公告)日：2020-02-18
申请号：CN201911159705.7
申请日：2019-11-22
申请人： 英特灵达信息技术(深圳)有限公司
摘要： 本发明实施例提供了一种智能边缘微型服务器，其包括：视频接收器、视频解码器、处理器以及传输模块；视频接收器用于接收摄像头拍摄的视频，并将视频发送给视频解码器；视频解码器用于对视频进行视频解码，得到视频的图片，并将该图片发送给处理器；处理器用于对该图片进行图片分析，得到分析结果，并将该分析结果标注在该图片上，得到标注有分析结果的标注图片；传输模块用于发送标注图片。采用本发明实施例所提供的技术方案，无需将图片上传至云端进行分析，即可得到该视频的图片的分析结果，解决了现有技术存在的实时性和灵活性难以兼顾的问题。
-
公开(公告)号：CN112561818B
公开(公告)日：2024-05-28
申请号：CN202011474501.5
申请日：2020-12-14
申请人： 英特灵达信息技术(深圳)有限公司
IPC分类号： G06T5/60 , G06T5/90 , G06N3/0464 , G06N3/088
摘要： 本发明实施例提供了一种图像增强方法、装置、电子设备及存储介质。方案如下：获取第一图像；利用预先训练好的高阶变换模型，对第一图像进行图像增强处理，得到第二图像；其中，高阶变换模型是基于多个样本图像进行无监督训练得到。通过本发明实施例提供的技术方案，相比于相关技术中采用的有监督训练方式，在利用高阶变换模型进行图像增强处理，保证了图像增强处理得到的图像的图像质量的前提下，高阶变换模型是直接基于多个样本图像进行无监督训练得到的，舍弃了相关技术中人为对样本图像进行图像增强处理得到增强图像的过程，缩短了用于高阶变换模型训练的样本图像的获取时间，这使得在保证图像增强质量的前提下，提高了模型训练效率。
-
公开(公告)号：CN117197592B
公开(公告)日：2024-03-01
申请号：CN202311461357.5
申请日：2023-11-06
申请人： 英特灵达信息技术(深圳)有限公司
IPC分类号： G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本申请实施例提供了一种目标检测模型训练方法、装置、电子设备及介质，涉及图像处理技术领域，本申请实施例包括：获取正样本图像集和负样本图像集，然后利用目标检测网络分别对负样本图像集包括的每张负样本图像进行目标检测，得到各负样本图像的目标检测结果和目标检测结果的置信度。再基于各负样本图像的目标检测结果的置信度，筛选出指定数量的负样本图像，并基于正样本图像集包括的各正样本图像以及筛选出的负样本图像，训练目标检测网络，并返回利用目标检测网络分别对负样本图像集包括的每张负样本图像进行目标检测的步骤，直至在目标检测网络训练完成时，将训练完成的目标检测网络作为目标检测模型。从而提高了目标检测模型的检测准确度。
-
公开(公告)号：CN112561818A
公开(公告)日：2021-03-26
申请号：CN202011474501.5
申请日：2020-12-14
申请人： 英特灵达信息技术(深圳)有限公司
摘要： 本发明实施例提供了一种图像增强方法、装置、电子设备及存储介质。方案如下：获取第一图像；利用预先训练好的高阶变换模型，对第一图像进行图像增强处理，得到第二图像；其中，高阶变换模型是基于多个样本图像进行无监督训练得到。通过本发明实施例提供的技术方案，相比于相关技术中采用的有监督训练方式，在利用高阶变换模型进行图像增强处理，保证了图像增强处理得到的图像的图像质量的前提下，高阶变换模型是直接基于多个样本图像进行无监督训练得到的，舍弃了相关技术中人为对样本图像进行图像增强处理得到增强图像的过程，缩短了用于高阶变换模型训练的样本图像的获取时间，这使得在保证图像增强质量的前提下，提高了模型训练效率。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.069 秒)
