-
公开(公告)号：CN114118127A
公开(公告)日：2022-03-01
申请号：CN202111205085.3
申请日：2021-10-15
Applicant: 北京工业大学 , 国家计算机网络与信息安全管理中心
Abstract: 本申请实施例涉及一种视觉场景标志的检测与识别方法及装置，该方法包括：通过视觉场景标志合成算法确定目标识别类别的视觉场景标志训练数据；基于多尺度特征融合网络模型，对视觉场景标志训练数据进行视觉场景标志的检测与识别；其中，多尺度特征融合网络模型基于以下步骤获得：构建多尺度特征融合网络模型；基于视觉场景标志合成数据对多尺度特征融合网络模型进行第一训练，得到第一训练后的多尺度特征融合网络模型；基于预先标注的视觉场景标志对第一训练后的多尺度特征融合网络模型进行第二训练，得到训练好的多尺度特征融合网络模型。本申请实施例能够提升视觉场景标志检测与识别的精准度和速度。
-
公开(公告)号：CN104408092B
公开(公告)日：2018-01-09
申请号：CN201410645743.4
申请日：2014-11-14
Applicant: 中国科学院计算技术研究所
IPC: G06F17/30
Abstract: 本发明提供一种基于排序测度特征的图像检索方法，该方法基于分块属性值相似度和位置相似度对待检测图像的排序测度特征进行置换以得到该图像的多个排序测度特征，从图像库中检索出其排序测度特征与待检测图像的任一排序测度特征相同的图像。该方法不需要计算排序测度特征之间的相似度，而是以定长字符串的比较方式匹配排序测度特征，提高了比对和检索的速度，适用于大规模图像检索。而且基于分块属性值相似度和位置相似度来对排序测度特征进行置换，这种置换考虑的属性值大小的分布，弥补了原OM特征仅考虑属性值高低而不考虑属性值差别大小的不足。
-
公开(公告)号：CN106384127A
公开(公告)日：2017-02-08
申请号：CN201610811522.9
申请日：2016-09-08
Applicant: 中国科学院计算技术研究所
CPC classification number: G06K9/4604 , G06K9/6201 , G06K9/6228 , G06K9/6256
Abstract: 本发明提供了确定局部特征点的二进制描述子的方法，该方法根据预先训练的结果从特征点周围区域中提取最具有区分力的比较点对及比较属性，并可综合使用比较点对的多种属性来提取二进制描述子，具有更强的描述能力和区分能力，计算效率高，描述能力强，非常适合应用于大规模图像实时检索。
-
公开(公告)号：CN103390162A
公开(公告)日：2013-11-13
申请号：CN201310283875.2
申请日：2013-07-08
Applicant: 中国科学院计算技术研究所
IPC: G06K9/46 , G06K9/64 , H04N21/435
Abstract: 本发明提供一种台标检测方法，所述方法包括：对查询图像进行特征点定位，且对每个特征点提取HOG特征；对查询图像的每个特征点的HOG特征，在特征库中搜索其K个近邻，由每个特征点向对应于该K个近邻的K个投票位置进行投票。所述方法还包括：根据投票位置的得票数，确定所述查询图像中是否存在台标。所述检测方法兼顾效率与准确率，适用于多种应用场合。
-
公开(公告)号：CN101370138B
公开(公告)日：2011-02-09
申请号：CN200710120442.X
申请日：2007-08-17
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开了一种H.264上下文自适应编码残差系数的解码方法，包含以下步骤：首先根据设计的一种三维码表，解码非零系数的数目和拖尾系数数目的二元组；再解码拖尾系数的符号位；然后解码非拖尾的非零系数的幅值；最后解码最后一个非零系数前0的数目和每个非零系数前0的个数。其中的非零系数的数目和拖尾系数数目的二元组解码，根据三维码表，通过预取特定比特位数，至多进行一次比较就可以确定码字信息位长度，进而确定二元组内容。其中的非零系数的数目和拖尾系数数目的二元组解码和非拖尾的非零系数的幅值解码采用每次读取两个字节的方法取得前导0的个数。本方法可以有效提高CAVLC码流的解码速度。
-
Patent Agency Ranking
公开(公告)号：CN100426868C
公开(公告)日：2008-10-15
申请号：CN200510002494.8
申请日：2005-01-25
Applicant: 中国科学院计算技术研究所
IPC: H04N7/32
Abstract: 本发明公开了一种帧内图像的亮度预测编码方法，包括建立待预测块的参考像素点步骤和根据参考像素点进行待预测块的亮度预测步骤；在所述建立待预测块的参考像素点步骤中：当待预测块的正上块参考像素点可用时，直接用所述正上块参考像素点的像素值扩展得到所述待预测块的右上块参考像素点的像素值；当待预测块的正左块参考像素点可用时，直接用所述正左块参考像素点的像素值扩展得到所述待预测块的左下块参考像素点的像素值。本发明的优点在于：有效降低了帧内预测的复杂度，且视频质量不会明显降低；省去了对待预测块的右上块和左下块的参考像素点的可用性判断，在用硬件实现亮度预测编码时，有效降低内存需求和硬件实现的复杂度。
-
公开(公告)号：CN106384127B
公开(公告)日：2019-04-02
申请号：CN201610811522.9
申请日：2016-09-08
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了确定局部特征点的二进制描述子的方法，该方法根据预先训练的结果从特征点周围区域中提取最具有区分力的比较点对及比较属性，并可综合使用比较点对的多种属性来提取二进制描述子，具有更强的描述能力和区分能力，计算效率高，描述能力强，非常适合应用于大规模图像实时检索。
-
公开(公告)号：CN106682731A
公开(公告)日：2017-05-17
申请号：CN201710027447.1
申请日：2017-01-13
Applicant: 首都师范大学 , 中国科学院计算技术研究所
CPC classification number: G06N3/0454 , G06N3/08
Abstract: 本发明提供了一种卷积神经网络的加速方法及装置，涉及图像处理技术领域，其中，该方法包括：在卷积神经网络中设置半停模块；在所述卷积神经网络的预测过程中，当执行至所述半停模块时，计算所述预测过程当前的预测结果；判断当前的所述预测结果是否满足预设预测要求；当当前的所述预测结果满足所述预设预测要求时，停止所述预测过程，并将当前的所述预测结果作为所述卷积神经网络的最终预测结果，否则，继续执行所述预测过程。本发明提供的卷积神经网络的加速方法及装置，可以解决现有技术中存在的CNN运行速度慢，难以执行实时性要求较高的任务的技术问题。
-
公开(公告)号：CN104484869B
公开(公告)日：2017-02-22
申请号：CN201410646014.0
申请日：2014-11-14
Applicant: 中国科学院计算技术研究所
IPC: G06T7/00
Abstract: 本发明提供一种面向排序测度特征的图像匹配方法，该方法首先获取待检测图像的排序测度特征和采样特征序列；对待检测图像的采样特征序列进行哈希，并基于哈希的结果来从图像库的哈希表中选择多个候选图像；然后通过计算该待检测图像的排序测度特征和各个候选图像的排序测度特征的相似度，来确定与该待检测图像匹配的图像。该方法对于图像的排序测度特征采用分级匹配的方法，提高了排序测度特征的匹配速度，使得该特征用于大规模图像匹配成为可能。而且可以通过控制采样分块的数目，调整排序测度特征哈希表的所需的内存开销，使之能用于不同内存大小的计算平台。
-
公开(公告)号：CN103390162B
公开(公告)日：2016-08-10
申请号：CN201310283875.2
申请日：2013-07-08
Applicant: 中国科学院计算技术研究所
IPC: G06K9/46 , G06K9/64 , H04N21/435
Abstract: 本发明提供一种台标检测方法，所述方法包括：对查询图像进行特征点定位，且对每个特征点提取HOG特征；对查询图像的每个特征点的HOG特征，在特征库中搜索其K个近邻，由每个特征点向对应于该K个近邻的K个投票位置进行投票。所述方法还包括：根据投票位置的得票数，确定所述查询图像中是否存在台标。所述检测方法兼顾效率与准确率，适用于多种应用场合。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.078 seconds)
