-
公开(公告)号：CN105354578A
公开(公告)日：2016-02-24
申请号：CN201510712952.0
申请日：2015-10-27
Applicant: 安徽大学
Abstract: 本发明公开了一种多目标图像匹配方法，包括了以下步骤：步骤1，图像预匹配；步骤2，估算初始匹配特征区域的局部仿射变换；步骤3，定义任意两对局部特征匹配对间的局部仿射变换距离；步骤4，基于仿射变换距离定义仿射变换空间密度函数；步骤5，进行基于密度的仿射变换空间聚类，定位密度较大的所有簇；步骤6，结果呈现。有益的技术效果：本发明克服了现有基于优化的图像匹配算法中优化收敛速度慢且难以获得全局最优解及通常只能处理单目标物体匹配的问题，有效提高了多目标图像匹配的准确性和效率。
-
公开(公告)号：CN103096043B
公开(公告)日：2015-08-05
申请号：CN201310055823.X
申请日：2013-02-21
Applicant: 安徽大学
Inventor： 方贤勇
Abstract: 针对现有基于平行视频拼接技术的矿井安全监控方法的不足，本发明提供一种减少对视点的密集数量要求以及降低采样设备水平运动方向与视点方向拍摄技术要求的一种自由稀疏视点平行视频拼接的方法，通过采取虚拟变换以及同步帧校正与帧配准的两阶段策略，实现稀疏视点和自由视点旋转下的图像拼接。本发明有益的技术效果有：解决纵伸较大场景的自由角度监控问题，实现无变形、盲区和重叠区的大视域实时监控；本方法布局简单、易实施、更加经济和安全，只需少量摄像机就可以实现整个场景的清晰监控。
-
公开(公告)号：CN114067057B
公开(公告)日：2025-05-23
申请号：CN202111382077.6
申请日：2021-11-22
Applicant: 安徽大学
IPC: G06T17/00 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于注意力机制的人体重建方法、模型、装置。该重建方法包括如下步骤：步骤一：构建一个人体重建网络模型，所述人体重建网络模型包括特征提取模块、注意力模块、融合模块、参数推断模块和SMPL子模块；步骤二、获取多个包含人物的原始图像，对原始图像进行预处理进而构成训练数据集；步骤三、利用上步骤的训练数据集，通过最小化网络损失函数对所述人体重建网络模型进行训练；步骤四、将待处理的人体图像经过预处理后输入到完成训练的网络模型中，生成具有特定姿态的人体三维模型。本发明解决了现有方法难以根据存在遮挡的单幅人体图像，准确重建出具有准确姿势和形态的三维人体模型的问题。
-
公开(公告)号：CN118781739A
公开(公告)日：2024-10-15
申请号：CN202410922874.6
申请日：2024-07-10
Applicant: 安徽大学
Abstract: 本发明属于室内环境监测技术领域，具体涉及一种基于计算机视觉的室内环境检测用报警系统及方法。本发明通过对实时视频流分析，实现了对室内关键区域环境状态的自动检测与报警，有效提高室内环境的安全性，一旦检测到异常事件，便立即发出报警信号，为室内环境安全提供有力保障，另外还通过统计各个关键区域下报警信号的发出次数、持续时长以及恢复间隔，并进行汇总分析，为环境图像处理的优先级分配提供了依据，通过优先级分配模块，能够根据不同关键区域的重要性和紧急情况，合理分配处理资源，确保重要关注区域下的环境图像能够得到优先处理，确保重点关注区域在异常事件发生时能够第一时间发出报警信号，提醒相关管理人员及时介入干预。
-
公开(公告)号：CN118411535A
公开(公告)日：2024-07-30
申请号：CN202410477468.3
申请日：2024-04-19
Applicant: 安徽大学
IPC: G06V10/74 , G06V10/776 , G06N3/0895 , G06N3/084
Abstract: 本发明涉及图像匹配技术领域，更具体的，涉及基于半监督深度学习的双视角图像匹配方法及系统。本发明使用无监督训练模型对待匹配的目标图像对进行匹配；其中，在模型训练时引入了无监督数据，降低了对数据的要求，也简化了数据获取难度；在模型训练时设计了合理的损失函数，能够使模型从无监督数据中获取更多潜在的有效信息，并增强模型的训练效果、提升测试结果指标。本发明解决了现有解决双视角图像匹配问题的深度学习方法由于使用全监督学习框架而存在数据获取难度较高、训练结果和测试表现不佳的问题。
-
Patent Agency Ranking
公开(公告)号：CN115880317A
公开(公告)日：2023-03-31
申请号：CN202211697131.0
申请日：2022-12-28
Applicant: 安徽大学 , 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
IPC: G06T7/11 , G06T7/00 , G06V10/26 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于医学影像处理领域，具体涉及一种基于多分支特征融合精炼的医学图像分割方法、系统、装置。该医学图像分割方法包括如下步骤：S1：通过PVT和ResNext101模型对医学图像进行特征提取；S2：将每一个对应层的两个特征进行融合得到融合特征；S3：充分挖掘各层融合特征中的全局上下文信息，输出各层融合特征对应的精炼特征；S4：构建各个精炼特征间的长距离相关性，对四个不同层次的精炼特征进行跨层精炼操作；S5：将步骤S1‑S4作为编码端的操作；在解码端的上采样过程中，将跨层精炼特征及最深层的精炼特征通过类似跳跃连接的方式与解码层相结合，输出医学图像的分割结果。本发明解决了现有医学图像分割方法精度、可靠性和鲁棒性不足的问题。
-
公开(公告)号：CN109712165B
公开(公告)日：2022-12-09
申请号：CN201811634200.7
申请日：2018-12-29
Applicant: 安徽大学
Abstract: 本发明公开了一种基于卷积神经网络的同类前景图像集分割方法，包括了以下步骤：步骤1，生成样本分割掩码；步骤2，构建训练数据集；步骤3，学习分割网络模型；步骤4，基于分割网络模型分割同类图像集中的其余图像；步骤5，再分割。通过上述方式，本发明能够利用待分割图像集所包含的图像之间强相关性，仅需要少量交互就可以将同类图像集中的前景分割出来。
-
公开(公告)号：CN115359428A
公开(公告)日：2022-11-18
申请号：CN202211048694.7
申请日：2022-08-29
Applicant: 安徽大学
Abstract: 本发明公开了一种多模态人群计数模型，包括以下步骤：利用编码器从多模态源信号中提取多模态特征；设置一个可学习的计数特征；级联多模态特征和计数特征，形成计数指导的融合特征；通过一个多头自注意力块，对计数指导的融合特征进行增强，形成增强特征；拆分增强特征，形成增强的多模态特征和增强的计数特征；将增强的多模态特征进行通道级联，利用预测头进行密度图的预测；使用多层感知机对增强的计数特征进行降通道操作，形成计数值；利用密度图真值对密度图进行监督，利用计数真值对密度图统计的计数值进行监督，利用计数真值对计数值进行监督；通过训练集的训练形成多模态人群计数模型。所述模型通过计数信息的指导，由多头自注意力实施多模态融合，提高人群计数精度。
-
公开(公告)号：CN110210277A
公开(公告)日：2019-09-06
申请号：CN201810498271.2
申请日：2018-05-22
Applicant: 安徽大学
Abstract: 由于运动目标和场景的复杂性与多变性，当前主流的运动目标检测算法检测结果中都难以完全避免检测出的运动目标不出现空洞现象，本发明提供一种运动目标空洞填充算法，针对空洞区域和附近被检测为前景的区域的性质，提出了基于超像素分割与显著性检测相结合的运动目标空洞填充算法，该方法通过给出的相似度函数能够找到精确的需要填充的区域，将这些区域与VIBE算法检测结果相加，得到比较理想的结果。实验结果表明，本发明方法可以将空洞区域很好地填充上。
-
公开(公告)号：CN109697692A
公开(公告)日：2019-04-30
申请号：CN201811634213.4
申请日：2018-12-29
Applicant: 安徽大学
Abstract: 本发明提供一种基于局部结构相似的特征匹配方法，用来解决图像配准过程中出现的由于噪声干扰而造成匹配结果不理想的问题。步骤包括：步骤1，对两张待匹配图像进行特征提取与初始匹配；步骤2，建立特征点的邻域仿射系数矩阵；步骤3，对初始匹配集中的每一个匹配，计算与之相关联的特征点的邻域仿射系数矩阵的差异；步骤4，对邻域仿射系数矩阵进行优化，获取局部结构差异程度；步骤5，根据每个匹配相关联的特征点的局部结构差异值，设定比较阈值，确定最终的特征匹配对作为待匹配图像的匹配关系结果。本发明在技术上克服了现有技术优化过程复杂并收敛慢的问题，有效提高匹配的效率。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.022 seconds)
