-
公开(公告)号：CN115953447A
公开(公告)日：2023-04-11
申请号：CN202310062545.4
申请日：2023-01-18
Applicant: 南京邮电大学
Abstract: 本发明属于计算机视觉图像处理领域，公开了一种面向3D目标检测的点云一致性约束单目深度估计方法，方法包括：准备用于无监督单目深度估计的数据集；将训练集分批输入无监督单目深度估计模型，模型输出与输入图像对应的深度图、位姿变化，计算与输入图像对应的重投影图像和点云，进一步计算训练总损失，包括重投影损失、点云一致性损失、边缘平滑损失；使用总损失约束模型训练，优化得到最优的无监督单目深度估计模型；准备用于3D目标检测的数据集，生成伪点云文件；训练3D目标检测模型，得到最优3D目标检测模型。本发明深入挖掘纯图像方法，通过引入3D信息约束，提升了道路场景的深度估计及3D目标检测精度。
-
公开(公告)号：CN112801899B
公开(公告)日：2022-11-01
申请号：CN202110073332.2
申请日：2021-01-20
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了基于互补结构感知的内外循环驱动图像盲去模糊方法和装置，图像处理技术领域，方法包括：输入模糊图像并利用图像先验知识获得模糊图像的初始模糊核；基于L0+RDP正则化模型和初始化模糊核对模糊图像进行非盲去模糊的迭代处理；判断所述迭代处理是否达到预设最大迭代次数，若达到预设最大迭代次数时，停止迭代处理，获得最终的中间模糊核，利用最终的中间模糊核对输入的模糊图像进行非盲去模糊处理，获得去模糊的最终清晰图像。本发明的方法和装置在图像梯度L0稀疏先验的基础上引入了一个RDP函数作为正则项，能够在区分图像边缘陡度的情况下较好地保留图像边缘信息，提高去模糊结果的精度，进而能够更好地估计出模糊核和清晰图像。
-
公开(公告)号：CN114677576A
公开(公告)日：2022-06-28
申请号：CN202210253989.1
申请日：2022-03-15
Applicant: 南京邮电大学
IPC: G06V20/00 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种用于目标检测的自适应平衡训练损失的方法、装置及存储介质，方法包括：将训练样本输入检测模型，得到输出的用于计算损失的数据，包括预测框的位置、预测框的宽高以及预测框分类的得分；将损失平衡因子用于分类损失，对检测模型进行训练，优化计算得到分类损失平衡因子；将损失平衡因子用于边框回归损失，对检测模型进行训练，优化计算得到边框回归损失平衡因子；将所述分类损失平衡因子和边框回归损失平衡因子同时用于训练总损失，对检测模型进行训练，优化得到最优检测模型。实验结果证明，本发明设计出的损失平衡因子能有效平衡目标损失，提高检测器的平均精度，且数据集中的各个种类的检测精度都得到了不同程度的提升。
-
公开(公告)号：CN108898566B
公开(公告)日：2022-05-17
申请号：CN201810803845.2
申请日：2018-07-20
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种利用时空照度图的低照度彩色视频增强方法，首先计算视频帧的初始空间照度图，利用当前视频帧与其前k视频帧的初始空间照度图计算当前视频帧的时间相似性照度图，利用初始空间照度图和时间相似性照度图构造当前视频帧的结构权重矩阵，利用初始空间照度图、时间相似性照度图和结构权重矩阵构造最优照度图估计的代价最小化模型并求解，所得解为当前视频帧的最优照度图，最后对最优照度图做伽马校正，利用校正后的照度图求取增强后的当前视频帧；当所有视频帧都处理完毕后，将全部增强后的视频帧合并成输出的彩色视频。本发明能在有效增强低照度彩色视频照度的同时保持视频帧中主要结构，并使得增强后的视频具有连贯的照度。
-
公开(公告)号：CN110263706B
公开(公告)日：2021-07-27
申请号：CN201910530766.3
申请日：2019-06-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种雾霾天气车载视频动态目标检测和识别的方法，主要针对的是图像识别中的特定情况，雾霾天气下的车辆识别；搭建基于AOD‑Net的深度神经网络，设计神经网络损失函数；采集数据训练神经网络模型；使用训练好的模型对有雾图像进行端到端的去雾清晰化处理；另外，在清晰图像中的车辆检测时我们使用基于MultiNet多层卷积神经网络进行端到端的训练，使用可方便调整大小的候选区域方法，在神经网络中加入rezoom层。采用本发明达到对雾天图像直接检测处理的效果，能够在有雾图像下较为精准地分割识别道路与车辆，大大缩短计算时间，满足实际应用中对实时性的要求。
-
Patent Agency Ranking
公开(公告)号：CN112633149A
公开(公告)日：2021-04-09
申请号：CN202011527409.0
申请日：2020-12-22
Applicant: 南京邮电大学
Abstract: 本发明公开了一种域自适应雾天图像目标检测方法和装置，属于目标检测技术领域，方法包括如下步骤：对获取的目标检测数据集进行预处理；对骨干网络进行模型多尺度性能改造重建；利用预处理后的目标检测数据集训练改造后的骨干网络获得目标检测模型；对所述目标检测模型搭建域分类器；采用雾天图像和预处理后的目标检测数据集，训练搭建域分类器的所述目标检测模型获得域自适应检测模型；利用所述域自适应检测模型对待检测雾天图像进行目标检测。本发明的方法和装置具有检测精度高、实时性和应用性较强、漏检率低等优点，提升了检测模型在雾天场景中的表现。
-
公开(公告)号：CN108898566A
公开(公告)日：2018-11-27
申请号：CN201810803845.2
申请日：2018-07-20
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种利用时空照度图的低照度彩色视频增强方法，首先计算视频帧的初始空间照度图，利用当前视频帧与其前k视频帧的初始空间照度图计算当前视频帧的时间相似性照度图，利用初始空间照度图和时间相似性照度图构造当前视频帧的结构权重矩阵，利用初始空间照度图、时间相似性照度图和结构权重矩阵构造最优照度图估计的代价最小化模型并求解，所得解为当前视频帧的最优照度图，最后对最优照度图做伽马校正，利用校正后的照度图求取增强后的当前视频帧；当所有视频帧都处理完毕后，将全部增强后的视频帧合并成输出的彩色视频。本发明能在有效增强低照度彩色视频照度的同时保持视频帧中主要结构，并使得增强后的视频具有连贯的照度。
-
公开(公告)号：CN108537733A
公开(公告)日：2018-09-14
申请号：CN201810325131.5
申请日：2018-04-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多路径深度卷积神经网络的超分辨率重建方法，包括如下步骤：获得总训练集、总训练集图像预处理、测试集准备和用卷积神经网络的卷积层实现图像重建；本发明提出的多路径卷积神经网络结构，在原有的单路径神经网络基础上增加了多条支路，能够对不同尺度的图像特征用不同数量的卷积核处理，不增加总体参数量的同时在重建质量和视觉效果上较原先的方法均有提升。
-
公开(公告)号：CN104166962B
公开(公告)日：2018-06-15
申请号：CN201410365880.2
申请日：2014-07-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种使用散射核方法的锥束CT散射校正方法，其步骤为：步骤一：测量遮挡板下的散射信号；步骤二：自适应散射核参数的计算；步骤三：估计扩散函数的参数；步骤四：通过扩散函数对图像进行散射校正；步骤五：图像遮挡区域的修复；步骤六：锥束CT的重建。本发明不需要获取模型参数的先验数据，不增加图像获取及重建的复杂度，添加的设备复杂度不高，且不需要重复扫描被测物体，能高效的进行锥束CT散射校正。
-
公开(公告)号：CN103413277B
公开(公告)日：2017-04-05
申请号：CN201310362933.0
申请日：2013-08-19
Applicant: 南京邮电大学
Inventor： 邵文泽
Abstract: 基于L0稀疏先验的盲相机抖动去模糊方法属于数字图像处理技术领域，是一种对相机抖动造成的模糊图像进行去模糊的方法，能够估计各种空间不变的相机抖动模糊核（点扩散函数）；该方法不仅避免了当前变分贝叶斯估计方法计算复杂度高的问题，而且解决了当前最大后验估计方法缺乏严格最优化理论支撑的问题；首先，引入基于L0范数的显著边缘稀疏先验，利用迭代硬阈值收缩法实现显著边缘特征的隐性自动预测；其次，引入基于L0范数的相机抖动模糊核稀疏先验，利用迭代重新加权最小二乘法实现模糊核的快速估计；最后，利用基于超拉普拉斯先验的图像非盲去模糊方法，获得高质量去模糊图像；该方法流程图如附图1所示。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.023 seconds)
