-
公开(公告)号：CN115272435B
公开(公告)日：2025-05-06
申请号：CN202210721840.1
申请日：2022-06-24
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于光场序列特征分析的光场深度估计方法，从双平面表示的4D光场数据中提取中心子孔径图像，并计算生成EPI合成图像；设计以中心子孔径图像和EPI合成图像为输入，视差图为输出的LFRNN网络，网络包括基于光场序列分析的局部深度估计模块和基于条件随机场模型的全局深度优化模块；分局部深度估计和全局优化两个阶段训练并评估LFRNN网络；测试与实用LFRNN网络，评价网络性能。本发明另辟蹊径地从序列数据的视角分析光场，设计了基于循环神经网络的深度特征提取子网络，显著提高了局部深度估计能力；对全局深度信息建模，设计的端到端优化网络，显著提升了深度估计准确度和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN112116646B
公开(公告)日：2023-11-24
申请号：CN202011007828.1
申请日：2020-09-23
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于深度卷积神经网络的光场图像深度估计方法，由场景的4D光场数据提取中心子孔径图像；由4D光场数据计算生成水平EPI合成图像和垂直EPI合成图像；设计以中心子孔径图像、水平EPI合成图像和垂直EPI合成图像为输入，视差图为输出的深度卷积神经网络；以平均绝对误差为损失函数，训练所涉及的深度卷积神经网络；利用训练成功的深度卷积神经网络，接收由给定场景4D光场数据生成的中心子孔径图像、水平EPI合成图像、垂直EPI合成图像，计算得到场景的视差图。本发明所设计的深度卷积神经网络采用了多流输入、跳层连接体系结构，有利于多源输入信息、浅层深层特征信息融合，提高了深度估计的鲁棒性。(56)对比文件范晓婷;李奕;罗晓维;张凝;韩梦芯;雷建军.基于光场结构特性与多视点匹配的深度估计.红外与激光工程.2019,(第05期),全文.Vinh Van Duong;Thuc Nguyen Huu;JeonByeungwoo.“Comparison of Data Costs forDepth Estimation from Compressed LightField Images”《.INTERNATIONAL WORKSHOP ONADVANCED IMAGING TECHNOLOGY (IWAIT)2020》.2020,全文.
-
公开(公告)号：CN115272435A
公开(公告)日：2022-11-01
申请号：CN202210721840.1
申请日：2022-06-24
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于光场序列特征分析的光场深度估计方法，从双平面表示的4D光场数据中提取中心子孔径图像，并计算生成EPI合成图像；设计以中心子孔径图像和EPI合成图像为输入，视差图为输出的LFRNN网络，网络包括基于光场序列分析的局部深度估计模块和基于条件随机场模型的全局深度优化模块；分局部深度估计和全局优化两个阶段训练并评估LFRNN网络；测试与实用LFRNN网络，评价网络性能。本发明另辟蹊径地从序列数据的视角分析光场，设计了基于循环神经网络的深度特征提取子网络，显著提高了局部深度估计能力；对全局深度信息建模，设计的端到端优化网络，显著提升了深度估计准确度和鲁棒性。
-
公开(公告)号：CN117874989A
公开(公告)日：2024-04-12
申请号：CN202211464465.3
申请日：2022-11-22
Applicant: 南京工程学院
IPC: G06F30/20
Abstract: 本发明公开了一种基于时空特征的无资料地区径流模拟预测方法及系统，获取多源输入数据，包括多个流域的水文数据、气象数据、地理位置信息和地形属性，根据多源输入数据构造时空相似度矩阵；根据时空相似度矩阵建立基于迁移学习算法的回归模型作为初始径流预测模型；利用无监测站点或新建监测站点地区已有的时空信息对初始径流预测模型进行多视角调整，基于半监督学习对初始径流预测模型进行调整，输出最终的目标流域的预估流量。优点：本发明充分利用目标流域的地理数据以及相关流域的水文数据特征，并使用数据挖掘和迁移学习技术实现无水文资料地区的径流预测，解决无资料流域径流难以预测的技术问题。
-
公开(公告)号：CN112116646A
公开(公告)日：2020-12-22
申请号：CN202011007828.1
申请日：2020-09-23
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于深度卷积神经网络的光场图像深度估计方法，由场景的4D光场数据提取中心子孔径图像；由4D光场数据计算生成水平EPI合成图像和垂直EPI合成图像；设计以中心子孔径图像、水平EPI合成图像和垂直EPI合成图像为输入，视差图为输出的深度卷积神经网络；以平均绝对误差为损失函数，训练所涉及的深度卷积神经网络；利用训练成功的深度卷积神经网络，接收由给定场景4D光场数据生成的中心子孔径图像、水平EPI合成图像、垂直EPI合成图像，计算得到场景的视差图。本发明所设计的深度卷积神经网络采用了多流输入、跳层连接体系结构，有利于多源输入信息、浅层深层特征信息融合，提高了深度估计的鲁棒性。
-
公开(公告)号：CN113793388A
公开(公告)日：2021-12-14
申请号：CN202110909295.4
申请日：2021-08-09
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于深度学习的立体视觉人际安全距离检测方法，包括：基于平面棋盘靶标的双目视觉系统标定；利用双目相机采集场景图像；基于标定的相机参数，对采集的图像进行畸变校正和极线校正；将双目校正图像分别输入深度神经网络，进行人员目标检测，输出人员目标边框向量集；将左校正图像中的人员目标中心点作为参考点，在极线约束和边框约束下，在右校正图像中寻找匹配点，估计匹配点与参考点视差，计算参考点对应人员的三维坐标；根据人员三维坐标计算人际距离；通过大屏选框及语音提醒近距人员。本发明的人际距离检测方法自动化程度高、距离检测更准确、匹配计算复杂度低、检测实时性强。
-
-
-
-
-
Search Results
6
records
(took 0.03 seconds)
