-
公开(公告)号：CN115496787A
公开(公告)日：2022-12-20
申请号：CN202211171962.4
申请日：2022-09-26
Applicant: 中国矿业大学
Abstract: 本发明是面向可穿戴智能装备视觉增强现实的单目深度估计方法，属于图像处理技术领域，采用图像活跃度度量来分割图像特征，基于图像轮廓的多向分布，将输入图片分割为高阶特征和低阶特征，将高阶特征和低阶特征进行特征融合并送入共同的解码器来提升网络对于不同特征的感受强度；其次,基于递归网络的深度相似性损失，针对网络估计出的深度图，采用递归网络的方式将其重建后递归送入相同结构的深度估计网络，通过光度损失来约束一阶网络和二阶网络输入图像的相似性，通过深度相似性损失来约束一阶网络和二阶网络输出深度图的相似性，来弥补光度损失在面对低纹理区域时约束性较差的缺陷；深度一致性损失采用风格矩阵的余弦相似度来进行相似性度量。
-
公开(公告)号：CN115423857A
公开(公告)日：2022-12-02
申请号：CN202211242648.0
申请日：2022-10-11
Applicant: 中国矿业大学
IPC: G06T7/50 , G06T7/13 , G06T7/90 , G06V10/74 , G06V10/762
Abstract: 本发明公开了一种用于可穿戴头盔的单目图像深度估计方法，涉及图像处理技术领域，包括如下步骤：以矿井图像序列作为训练数据，建立进行单目深度估计的深度卷积神经网络模型的训练模型，并从卷积神经网络的平面系数解码器中计算出能预测井下图像深度图的平面系数；基于所述平面系数预测出初始井下图像深度图，根据曼哈顿结构法向检测得到预测法向量，从而与对齐法线相似性约束；通过共平面法向深度约束估计，提取初始预测深度和平面差异求得的深度图，利用两者风格矩阵进行余弦相似度约束。本发明基于能预测井下图像深度图的平面系数间接再预测出深度图，打破了传统的生成初始深度图的方法，且使训练约束的起点高，有效提升了后期深度估计效果。
-
公开(公告)号：CN115272438A
公开(公告)日：2022-11-01
申请号：CN202210999767.4
申请日：2022-08-19
Applicant: 中国矿业大学
Abstract: 本发明公开一种面向三维场景重建的高精度单目深度估计系统及方法，属于图像处理技术领域，在编码器处通过引入Vision Transformers主干网络，ViT主干网络代替卷积网络作为密集预测的主干架构，以恒定的和相对较高的分辨率处理表示，并在每个阶段都有一个全局的接受域，以减少卷积网络中下采样过程中的信息丢失，从而获取图像更多的细节特征和感受野。在解码器处通过利用小波变换来捕获深度图中深度不同的平坦区域之间的深度“跳跃”，这些“跳跃”可以很好地在高频分量中捕获，从而达到强化深度信息图边缘的效果。通过对ViT和小波变换的引入，能够在不使得网络计算更复杂的前提下，又兼顾单目深度估计网络模型对全局特征和局部边缘特征的提取，提高单目深度估计的精度。
-
公开(公告)号：CN113569795A
公开(公告)日：2021-10-29
申请号：CN202110902535.8
申请日：2021-08-06
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
Abstract: 本发明提出了一种基于机器视觉的煤矸石识别方法及系统，其主要目的是提高煤矸石检测的自动化水平和识别率，同时对粉尘等干扰因素保持鲁棒性，该系统主要包括三大部分：1.对煤流视频的读取；2.将采集到的视频送入高性能计算机进行检测；3.输出检测结果，本发明采用的方法能提高煤矸石检测的智能化水平，同时大大减少工作人员的劳动量，不会造成环境污染，在真实矿井环境中具有较强的鲁棒性，能提高对煤矸石识别的正确率，也适于大规模推广。
-
公开(公告)号：CN113065516B
公开(公告)日：2023-12-01
申请号：CN202110436855.9
申请日：2021-04-22
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
IPC: G06V20/52 , G06V10/44 , G06V10/774 , G06V10/74 , G06V10/764 , G06N3/0464 , G06N3/047 , G06N3/088
Abstract: 本发明涉及一种基于样本分离的无监督行人重识别系统及方法，属于行人重识别技术领域，解决了现有行人重识别方法识别精度低的问题。该系统包括，数据获取模块，获取多个源域样本子集和多个目标域样本子集；网络模型训练模块，用于获得分类损失函数和样本不变性损失函数，根据目标域样本子集中各行人图片间的相似度方差获得样本分离损失函数，根据目标域样本子集中正样本组、负样本组分别与存储的目标域样本间的相似度获得无监督三元组损失函数，进而对行人重识别网络模型进行迭代优化；重识别模块，根据优化好的行人重识别网络模型对待识别行人图片进行识别。该系统能够很好的区分目(56)对比文件谢川 等.基于对抗生成网络的蒙特卡罗噪声去除算法《.模式识别与人工智能》.2018,第31卷(第11期),1047-1060.Jiahan Li 等.Unsupervised Person Re-Identification Based on Measurement Axis.《IEEE SIGNAL PROCESSING LETTERS》.2021,第28卷379-383.Alexander Hermans 等.In Defense ofthe Triplet Loss for Person Re-Identification《.https://arxiv.org/pdf/1703.07737.pdf》.2017,1-17.Nazia Perwaiz 等.Person Re-Identification Using HybridRepresentation Reinforced by MetricLearning《.IEEE Access》.2018,第6卷77334-77349.
-
Patent Agency Ranking
公开(公告)号：CN115330874A
公开(公告)日：2022-11-11
申请号：CN202211070202.4
申请日：2022-09-02
Applicant: 中国矿业大学
Abstract: 本发明提供一种基于超像素处理遮挡的单目深度估计方法，属于计算机视觉领域，步骤一，图像预处理：对输入的双目图片进行图像去噪以及生成遮挡物体掩膜；步骤二，采用相机位姿估计进行位姿估计对图像进行重建：首先进行特征提取，相机位姿估计使用PoseCNN，之后将输入图像分为三个任务，分别为语义分割、三维旋转回归、三维平移估计；步骤三，采用深度估计网络进行深度估计对图像进行重建；步骤四，计算光度重建损失。使用光度重建损失来识别遮挡，可以有效去除影响网络训练的遮挡物体；图像输入网络之前，使用聚类分割，然后使用SSIM指标重新匹配双目图像对，网络预测的图像比较单一，提高了网络估计的准确率。
-
公开(公告)号：CN115239564A
公开(公告)日：2022-10-25
申请号：CN202210992327.6
申请日：2022-08-18
Applicant: 中国矿业大学
Abstract: 本发明提供一种结合语义信息的矿井图像超分辨率重建方法，其主要目的是通过语义分割网络所产生的概率图对超分辨率网络的深层特征提取前的输入进行调整，以此达到提高图像重建质量的结果。该方法主要包括这几部分：1.构建一个较深的超分辨率网络，其结构主要包括：浅层特征提取模块、深层特征提取模块、上采样模块；2.构建一个语义分割网络，用于产生作为深层特征提取模块的部分输入；3.确定损失函数、学习率调整策略。
-
公开(公告)号：CN115115686A
公开(公告)日：2022-09-27
申请号：CN202211004903.8
申请日：2022-08-22
Applicant: 中国矿业大学
Abstract: 本发明提供一种基于细粒度多特征融合的矿井图像无监督单目深度估计方法，包括以下步骤：步骤1：对原图多次采样，将不同尺度的图像输入到编码器网络；步骤2：将编码器的输出通过扩展卷积模块进行融合并输入到解码器网络；步骤3：将解码器网络输出的视差图进行多尺度融合；步骤4：重建视图；通过采用多尺度图像输入到网络，同时将解码器输出的视差图进行逐层的尺度融合，加强弱纹理区域的深度估计效果，并且增加中间扩展卷积模块，加大对全局信息的理解。
-
公开(公告)号：CN113643323A
公开(公告)日：2021-11-12
申请号：CN202110960779.1
申请日：2021-08-20
Applicant: 中国矿业大学
Abstract: 本发明提出城市地下综合管廊尘雾环境下目标检测系统，所述系统包括视频逐帧去雾模块和运动目标检测模块，所述视频逐帧去雾模块用于将地下管廊的模糊视频画面去除尘雾影响，恢复管廊内物体或行人轮廓；所述运动目标检测模块用于对视频中运动目标的轮廓进行检测判断，实现了去雾和抑制噪声的效果，而且该模型对边缘的保持有较好的能力，消除了背景更新不及时导致的鬼影现象，而且运算速度得到明显的提升，实现了运动目标追踪的要求。
-
公开(公告)号：CN113095229A
公开(公告)日：2021-07-09
申请号：CN202110399589.7
申请日：2021-04-14
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
Abstract: 本发明涉及一种无监督域自适应行人重识别系统及方法，属于行人重识别技术领域，解决了现有无监督域自适应行人重识别难度大、识别准确率低的问题。该系统包括，数据获取模块，获取多个源域样本子集和多个目标域样本子集；网络模型训练模块，获得行人重识别网络模型的分类损失函数和样本不变性损失函数，根据源域样本子集中每一行人图片与目标域样本子集中每一行人图片的相似度对目标域样本子集中的行人图片进行排序、分层以获得分层损失函数，进而对行人重识别网络模型进行迭代优化；重识别模块，利用优化好的行人重识别网络模型进行行人重识别，获得与待识别行人图像相同或相似的图像。该系统能够减少网络的迁移损失，提高行人重识别的精度。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.025 seconds)
