-
公开(公告)号：CN113744215A
公开(公告)日：2021-12-03
申请号：CN202110975331.7
申请日：2021-08-24
Applicant: 清华大学 , 强联智创(北京)科技有限公司
Abstract: 本发明提出一种三维断层扫描图像中树状管腔结构中心线的提取方法和装置，涉及图像处理领域，该方法包括获取待处理的三维断层扫描图像，并分别进行过分割预处理和特征提取预处理，将过分割预处理后的图像通过过分割网络得到第一过分割的图像，并对其进行细化以获得第一中心线图像；将特征提取预处理后的图像通过特征提取网络提取图像中每个像素点对应的深度特征；以第一中心线图像上的每个像素点为结点，根据每个结点的空间特征和深度特征构建第一图模型，并将其通过图卷积网络获得初始中心线，并通过最小生成树算法进行优化，输出树状管腔结构中心线的提取结果。通过本发明能够准确地提取中心线，提升了中心线提取的稳定性与鲁棒性。
-
公开(公告)号：CN113569638A
公开(公告)日：2021-10-29
申请号：CN202110703121.2
申请日：2021-06-24
Applicant: 清华大学
Abstract: 本申请提出了一种由平面指纹估计手指三维姿态的方法，涉及人机交互和触摸屏幕交互技术领域，其中，由平面指纹估计手指三维姿态的方法包括：采集待测试的平面指纹图像；将待测试的平面指纹图像输入预设的深度神经网络模型中，输出预测的姿态角。采用上述方案的本发明解决了现有方法传感器分辨率低，姿态估计精度有限的技术问题，也解决了现有方法需要额外引入硬件，给实际应用场景带来阻碍的问题，同时还解决了现有方法需要采集完整的展开指纹，给方案实际落地带来困难的问题，实现了增强指纹识别应用安全性和可靠性，丰富触屏信息输入，提高用户体验，促进指纹交互式应用的目的。
-
公开(公告)号：CN113569631A
公开(公告)日：2021-10-29
申请号：CN202110667459.7
申请日：2021-06-16
Applicant: 清华大学
Abstract: 本申请提出了一种单目非接触指纹透视扭曲矫正方法，该方法包括：获取非接触指纹图像，对非接触指纹图像进行预处理，得到预处理后的图像和掩膜；将预处理后的图像和掩膜输入梯度估计网络中，输出预测的表面梯度值；通过双线性插值将梯度值恢复为原始大小，得到正常的梯度值；使用正常的梯度值进行深度图的重建，得到三维手指模型；根据三维手指模型对非接触指纹图像进行展开以进行扭曲矫正。本申请解决了投影成像造成的透视扭曲降低非接触指纹识别率的技术问题，通过单幅非接触指纹图像进行三维重建和透视扭曲校正，不需要复杂的采集设备或者多次采集结果，大大降低了对设备硬件的要求，提升了非接触指纹的识别性能，更适用于实际生产生活中。
-
公开(公告)号：CN113516662A
公开(公告)日：2021-10-19
申请号：CN202110024480.5
申请日：2021-01-08
Applicant: 清华大学
Abstract: 本申请提出一种基于多分辨率融合的点云分割方法和装置，涉及计算机视觉与机器学习技术领域，其中，方法包括：获取待分割图像，通过预测器对待分割图像进行点云分割，获取原始点云分割结果；对待分割图像进行降采样，获取低分辨率图像特征；通过预测器对低分辨率图像特征进行点云分割，获取低分辨率点云分割结果；对低分辨率点云分割结果进行上采样的优化更新处理，获取与原始点云分割结果相同分辨率的目标点云分割结果，并将原始点云分割结果和目标点云分割结果进行融合处理，并输出点云分割结果。由此，解决现有点云分割框架中，对低分辨率信息利用不充分的问题，将低分辨率点云分割结果直接用于分割结果的预测，提高点云分割准确性。
-
公开(公告)号：CN113326932A
公开(公告)日：2021-08-31
申请号：CN202110500225.3
申请日：2021-05-08
Applicant: 清华大学
Abstract: 本发明公开了一种基于物体检测的物体操作指令跟随学习方法及装置，该方法包括：构建物体操作指令数据集；获取目标场景中所有物体的物体检测框和对应的检测框参数，以及物体检测框的图像特征；通过比对网络将物体检测框的图像特征与物体操作指令数据集中的物体操作指令的文本特征进行比对，得到物体操作指令对应的抓取物体、参考物体和放置方位；根据得到的抓取物体、参考物体、放置方位以及物体检测框对应的检测框参数，生成抓取位置、抓取角度以及放置位置。该方法解决了现有物体抓取方法无法接受人类指令约束的问题，可以将指令跟随和物体抓取结合在一起，实现物体操作指令跟随任务。
-
Patent Agency Ranking
公开(公告)号：CN110070120B
公开(公告)日：2021-08-27
申请号：CN201910289229.4
申请日：2019-04-11
Applicant: 清华大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于判别采样策略的深度度量学习方法及系统，其中，该方法包括：获取训练集图片，通过深度采样网络对训练集图片进行采样得到采样样本；通过深度度量网络对采样样本进行打分，根据打分结果调整深度采样网络的采样策略；通过调整后的深度采样网络对训练集图片进行采样，得到训练样本，利用训练样本对深度度量网络进行训练，以使深度度量网络获得精准的相似度度量。该方法通过学习一个具有判别采样策略的采样网络，自适应地挑选出较优的训练样本，从而增强所学深度度量的描述能力。
-
公开(公告)号：CN109189973B
公开(公告)日：2021-07-30
申请号：CN201811004958.2
申请日：2018-08-30
Applicant: 清华大学
Abstract: 本发明公开了一种基于策略梯度的大规模图像检索方法及装置，其中，方法包括：接收输入图像；将输入图像送入新的深度哈希网络中，其中，新的深度哈希网络包括卷积神经网络与带有非线性激活函数的全连接的策略层，且使用卷积神经网络学习得到图像的深度表达，并通过带有非线性激活函数的全连接的策略层将每个特征表达转化成一个K维度的向量，每一个维度代表着进行二值操作的概率；通过端到端训练新的深度哈希网络，以最大化相似度保持所得到的奖励的期望。该方法通过采用策略梯度的方法得到一个最优化的深度哈希框架，从而提高大规模图像数据库上的检索精度。
-
公开(公告)号：CN110070487B
公开(公告)日：2021-05-11
申请号：CN201910265191.7
申请日：2019-04-02
Applicant: 清华大学
Abstract: 本发明公开了一种基于深度强化学习的语义重构人脸超分方法及装置，其中，方法包括以下步骤：通过卷积神经网络对待重构人脸图像进行像素级约束，以得到人脸图像整体结构信息；利用深度强化学习从人脸图像整体结构信息中选取多个待修复人脸区域；通过增强网络对多个待修复人脸区域中的每个待修复人脸区域进行逐步修复，以得到多个修复后的人脸区域；通过人脸识别网络和双向一致性网络对多个修复后的人脸区域进行人脸的类别语义信息和人脸的表观信息的约束，以得到待重构人脸图像的人脸重构结果。该方法利用深度强化学习使得生成的高清人脸既恢复丰富的表观信息也保留人脸的语义信息，从而可以有效提高人脸超分的性能和精确度。
-
公开(公告)号：CN112766421A
公开(公告)日：2021-05-07
申请号：CN202110272409.9
申请日：2021-03-12
Applicant: 清华大学
Abstract: 本申请提出一种基于结构感知的人脸聚类方法和装置，其中，该方法包括：获取多个待处理人脸图像，并基于预先训练的卷积神经网络模型提取每个所述待处理人脸图像的人脸特征，并根据每个所述待处理人脸图像的人脸特征构建K近邻图；将所述K近邻图输入至预先训练的边分数预测模型，获得所述K近邻图之中各边的分数；其中，所述边分数预测模型是利用结构保留子图采样策略对K近邻图进行采样，并利用采样得到的子图对图卷积神经网络进行训练而得到的；根据所述K近邻图之中各边的分数，对所述K近邻图进行第一次剪枝操作，获得针对所述多个待处理人脸图像的人脸聚类。解决相关技术中人脸聚类准确度不足的技术问题。
-
公开(公告)号：CN112581503A
公开(公告)日：2021-03-30
申请号：CN202011558911.8
申请日：2020-12-25
Applicant: 清华大学
Abstract: 本发明提出一种多视角下的多目标检测与跟踪方法，属于计算机视觉领域。本发明实现多摄像机同步对公共区域内的多目标进行检测与跟踪，一方面对目标在单个摄像机下的监控进行逐帧在线跟踪，生成置信度很高的跟踪轨迹片段；另一方面对不同视角下的同一目标进行无监督方式的聚类，根据聚类结果以及每个相机下的跟踪轨迹片段来生成更加准确的跟踪轨迹。本发明在给定多摄像机公共监控的一片区域，能够对公共区域内的目标进行联合检测与跟踪，方法简便，跟踪效果好，有很高的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
322
records
(took 0.03 seconds)
