-
公开(公告)号：CN109215049B
公开(公告)日：2020-11-06
申请号：CN201810788765.4
申请日：2018-07-18
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及计算机视觉领域，具体涉及一种基于多尺度三维先验信息的屋顶分割方法、系统与设备，旨在提高屋顶分割的准确度和精细度。本发明的屋顶分割方法，首先对航拍图像进行多尺度超像素分割，得到多尺度的分割图层；然后针对每个尺度的分割图层，计算基于混合暗通道先验的逐像素深度信息、对应分割区域的近邻对比度信息、对应分割区域的形状先验信息，并计算近邻对比度信息和形状先验信息的混合概率图；接下来利用概率图模型融合多个尺度的混合概率图得到最终概率图，并根据最终概率图结合自动阈值分割方法获得初始屋顶分割结果；最后根据初始屋顶分割结果，利用高阶条件随机场生成精确屋顶分割结果。本发明提高了屋顶分割的准确度和精细度。
-
公开(公告)号：CN108154488A
公开(公告)日：2018-06-12
申请号：CN201711438764.9
申请日：2017-12-27
Applicant: 西北工业大学 , 中国科学院自动化研究所
Abstract: 本发明提供了一种基于显著图像块分析的图像运动模糊去除方法，涉及图像处理领域，本发明生成超像素，利用基于密度的聚类算法融合成一个超像素，以超像素为单位进行兴趣图计算；获得所有图层的兴趣图后，将兴趣图按权重进行线性叠加，本发明将选取显著图像块的方法应用于去模糊算法的输入，与去模糊算法相结合，实现最终的图像恢复过程，最终得到图像前景区域更加自然的模糊去除结果。本发明有效恢复模糊图像中人眼感兴趣的前景部分，核估计速度大幅提高。
-
公开(公告)号：CN103279621A
公开(公告)日：2013-09-04
申请号：CN201310225943.X
申请日：2013-06-07
Applicant: 中国科学院自动化研究所
IPC: G06F17/50
Abstract: 本发明提出了一种装配体自动拆卸方法，包括如下步骤：S1、根据装配体的实际结构和形状生成与该装配体相应的数字化三维模型；S2、对所述模型进行形状分析以将其分割成多个部件，建立各部件的有向接触关系，并计算各部件之间的遮挡关系；S3、利用所述各部件的几何特征计算模型的层次结构，将模型划分为若干子装配体模型，并计算各子装配体模型的分解方向；S4、根据所述遮挡关系和模型层次结构计算模型的分解序列，该分解序列包括部件的分解次序和分解运动方向；S5、根据所述分解序列获得所述装配体的各部件的拆卸次序和拆卸方向，完成对所述装配体的物理拆卸。本发明能够使操作人员对复杂装配体进行高效的拆卸。
-
公开(公告)号：CN119722756A
公开(公告)日：2025-03-28
申请号：CN202411536288.4
申请日：2024-10-31
Applicant: 中国科学院自动化研究所
Abstract: 本公开提供了一种三维点云配准方法、装置及电子设备。该方法包括：从第一三维点云中提取至少一个第一平面；从第二三维点云中提取至少一个第二平面；获取第一平面的第一平面特征直方图和第二平面的第二平面特征直方图；根据第一平面特征直方图和第二平面特征直方图，对第一平面和第二平面进行匹配，得到满足预设条件的平面匹配对；根据平面匹配对，在四维平面空间中计算得到转换参数，转换参数表征与将第一平面和第二平面进行配准相关的参数；以及根据转换参数，对第一三维点云和第二三维点云进行配准。
-
公开(公告)号：CN114743013B
公开(公告)日：2024-12-10
申请号：CN202210307718.X
申请日：2022-03-25
Applicant: 中国科学院自动化研究所 , 北京邮电大学
IPC: G06V10/40 , G06V10/44 , G06T3/04 , G06N3/09 , G06N3/094 , G06N3/0455 , G06V10/74 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明提供一种局部描述子生成方法、装置、电子设备和计算机程序产品，所述方法包括：生成跨域数据集，跨域数据集包括多对图像对；根据跨域数据集的尺度特征图，获取特征级域自适应监督信息；根据特征级域自适应监督信息的密集描述子，获取像素级跨域一致性监督信息和描述子损失信息；基于特征级域自适应监督信息、像素级跨域一致性监督信息和描述子损失信息的结合，确定总损失，总损失用于网络的监督训练，获取局部描述子。本发明可增强局部描述子的不变性和鲁棒性，提高描述子在图像匹配任务上的精度。
-
Patent Agency Ranking
公开(公告)号：CN111914946A
公开(公告)日：2020-11-10
申请号：CN202010835090.1
申请日：2020-08-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于图像识别领域，具体涉及了一种针对离群点移除方法的对抗样本生成方法、系统和装置，旨在解决现有的基于深度学习的分类模型训练所采用的对抗样本无法在移除离群点的方法下使图像分类出错，导致训练出的分类模型鲁棒性差精确度低的问题。本发明包括：获取带有类别标签的训练数据集，将三维点云数据输入分类模型并计算分类损失，分别计算分类损失关于三维点云数据的梯度和关于移除离群点的三维点云数据的梯度，并将两种梯度融合乘以缩放因子生成融合扰动，将融合扰动施加到三维点云数据中反复迭代生成对抗样本。本发明生成的对抗样本在移除离群点的情况下仍然能造成图像分类错误，提高了训练出来的模型的鲁棒性和分类精确度。
-
公开(公告)号：CN111612770A
公开(公告)日：2020-09-01
申请号：CN202010440471.X
申请日：2020-05-22
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于医学图像处理和深度学习领域，具体涉及一种基于主动筛选的半监督病灶检测网络的病灶检测系统、方法、装置，旨在解决现有的病灶检测网络训练难度大、检测精度较低的问题。本系统包括：检测模块，配置为获取待检测的CT图像，通过预训练的病灶检测网络获取病灶的检测结果；所述病灶检测网络基于U-Net卷积神经网络构建。本发明降低了病灶检测网络的训练难度，提高了检测精度。
-
公开(公告)号：CN111612075A
公开(公告)日：2020-09-01
申请号：CN202010444152.6
申请日：2020-05-22
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于联合特征重组和特征混合的兴趣点、描述符提取方法、系统、装置，旨在解决现有的兴趣点、描述符提取方法检测提取精度较低的问题。本系统方法包括：获取待提取的图像，作为输入图像，并通过特征提取网络提取该图像的多尺度特征图；对各特征图进行像素重组，通过卷积、非线性映射，得到得分图，并通过非最大抑制得到兴趣点；对输入图像中各像素点，获取其在多尺度特征图相应位置的特征向量进行连接，并通过连接层对连接后的特征向量进行过滤并压缩，得到各像素点对应的描述符。本发明提高了兴趣点、描述符检测提取的精度。
-
公开(公告)号：CN111476835A
公开(公告)日：2020-07-31
申请号：CN202010437242.2
申请日：2020-05-21
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于领域，具体涉及了一种多视角图像一致性的无监督深度预测方法、系统、装置，旨在解决深度预测中监督方法费时费力，而无监督方法预测结果精度低的问题。本发明包括：基于无监督密集深度网络以及无监督姿态网络构建图像深度预测网络；获取多个不同视图的图像簇集合作为训练样本集合；结合图像簇中不同视角图像的颜色一致性、深度一致性及深度平滑损失构建总损失函数；进行无监督的深度预测网络的训练；通过训练好的网络获取输入图像的预测深度。本发明避开了监督学习方法中需要的高质量大规模数据集和相应真值深度标注，降低成本、提高效率，同时结合了多视图的颜色一致性、深度一致性和深度平滑损失，实现了高精度无监督的深度预测。
-
公开(公告)号：CN109242855A
公开(公告)日：2019-01-18
申请号：CN201810794383.2
申请日：2018-07-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及计算机视觉领域，具体涉及一种基于多分辨率三维统计信息的屋顶分割方法、系统及设备，旨在提供一种快速、鲁棒的屋顶分割方法。本发明的屋顶分割方法包括：从多视角航拍图像获取高精度深度及稠密三维点云信息；根据三维点云信息提取不同分辨率的三维点云特征统计信息，利用全局能量优化对三维点云场景进行语义分类，得到建筑物的点云；将建筑物的点云作为初始先验，对多视角航拍图像进行精细建筑物分割；基于深度信息的建筑物过渡区域计算，从精细建筑物分割结果中去除建筑物侧面对精细屋顶分割的干扰，得到精细屋顶分割结果。本发明实现了快速、鲁棒、通用地进行屋顶分割，而且有效去除了建筑物侧面过渡区域的影响，提高了分割精细度。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.043 seconds)
