-
公开(公告)号：CN107358626B
公开(公告)日：2020-05-15
申请号：CN201710581875.9
申请日：2017-07-17
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开了一种利用条件生成对抗网络计算视差的方法,先训练一个神经网络计算左右两张图片的视差，训练完成后，该神经网络作为条件生成对抗网络的生成器；然后训练另一个神经网络判断视差图的正确性，训练完成后，该神经网络作为条件生成对抗网络的判别器；在训练本发明的条件生成对抗网络时，生成器生成左右眼图像的视差图，判别器判别该视差图的正确率；根据判别器的判别结果，调节生成器网络的权值；训练完成后，生成器的网络权值调整到最佳，将生成器分离出来，此时的生成器就是能生成左右眼图像视差图的最佳神经网络。通过上述操作，得到的最佳神经网络结构较简单，再使用GPU加速计算，可以提高现有的匹配速度。
-
Patent Agency Ranking
公开(公告)号：CN107358626A
公开(公告)日：2017-11-17
申请号：CN201710581875.9
申请日：2017-07-17
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开了一种利用条件生成对抗网络计算视差的方法,先训练一个神经网络计算左右两张图片的视差，训练完成后，该神经网络作为条件生成对抗网络的生成器；然后训练另一个神经网络判断视差图的正确性，训练完成后，该神经网络作为条件生成对抗网络的判别器；在训练本发明的条件生成对抗网络时，生成器生成左右眼图像的视差图，判别器判别该视差图的正确率；根据判别器的判别结果，调节生成器网络的权值；训练完成后，生成器的网络权值调整到最佳，将生成器分离出来，此时的生成器就是能生成左右眼图像视差图的最佳神经网络。通过上述操作，得到的最佳神经网络结构较简单，再使用GPU加速计算，可以提高现有的匹配速度。
-
公开(公告)号：CN104778713B
公开(公告)日：2017-07-07
申请号：CN201510206329.8
申请日：2015-04-27
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开了一种图像处理方法，包括道路消失点检测步骤，道路消失点检测步骤包括如下步骤：对图像进行形态学梯度处理得到第一中间图像；对第一中间图像进行二值化处理得到第二中间图像；对第二中间图像进行形态学处理得到第三中间图像；对第三中间图像的每一行：将像素值进行累加得到行像素值和，将行像素值和最大对应的行作为图像的地平线位置；对第一中间图像中位于地平线位置以下的部分图像进行边缘检测得到第四中间图像；对第四中间图像进行直线检测获得第五中间图像，得到第五中间图像中的直线；从交点中确定道路消失点。本发明可以实现良好的道路识别与车前目标检测。
-
公开(公告)号：CN101685533B
公开(公告)日：2012-05-30
申请号：CN200910109433.X
申请日：2009-08-18
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开了一种眼底OCT图像的视神经纤维层自动分割方法，包括以下步骤：A、确定视网膜区域的内层轮廓u(s)＝[x(s)，y(s)]和外层轮廓v(s)＝[x(s)，y(s)]；B、以局部结构数据p(x，y)的方式描述出视网膜区域，并在构建水平集函数φ的基础上，建立基于局部结构数据p(x，y)的能量泛函：C、最小化能量泛函，求解出φ(x，y)＝0时的分界曲线将分界曲线m(s)与外层轮廓v(s)之间的区域确定为视神经纤维层区域。本发明提供的方法能对眼底OCT图像的视神经纤维层进行可靠、精确的分割。
-
公开(公告)号：CN101629965B
公开(公告)日：2011-05-11
申请号：CN200910109429.3
申请日：2009-08-18
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开了一种用于粒子图像测速中的多网格处理方法，包括以下步骤：设置图像的第一网格，获得待求方程组对应在第一网格下(对应高分辨图像)的方程组；迭代求解方程组，根据所得实际解得到方程误差；设置图像的尺寸较第一网格更粗的第二网格，将在第一网格下对方程组的求解尺度映射为在第二网格下对方程组的求解；迭代求解在第二网格下的高频计算误差；对第二网格下的高频计算误差进行尺度映射，得到在第一网格下的低频计算误差；用第一网格下的低频计算误差更新实际解。本发明的方法能大大加快粒子图像测速的处理过程，同时不会降低处理的可靠性和精度。
-
公开(公告)号：CN101685533A
公开(公告)日：2010-03-31
申请号：CN200910109433.X
申请日：2009-08-18
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开了一种眼底OCT图像的视神经纤维层自动分割方法，包括以下步骤：A.确定视网膜区域的内层轮廓u(s)＝[x(s)，y(s)]和外层轮廓v(s)＝[x(s)，y(s)]；B.以局部结构数据p(x，y)的方式描述出视网膜区域，并在构建水平集函数φ的基础上，建立基于局部结构数据p(x，y)的能量泛函：(公式见上式)；C.最小化能量泛函，求解出φ(x，y)＝0时的分界曲线m＝{(x，y)|φ(x，y)＝0}，将分界曲线m(s)与外层轮廓v(s)之间的区域确定为视神经纤维层区域。本发明提供的方法能对眼底OCT图像的视神经纤维层进行可靠、精确的分割。
-
-
-
-
-
Search Results
16
records
(took 0.025 seconds)
