-
公开(公告)号:CN111950545A
公开(公告)日:2020-11-17
申请号:CN202010715197.2
申请日:2020-07-23
Applicant: 南京大学
Abstract: 本发明提供了一种基于MSDNet和空间划分的场景文本检测方法,包括选取MSDNet网络模型,确定初始预训练模型;搭建空间划分网络;搭建回归网络;构造分类loss;空间划分集成;使用concat-nms算法第一步后处理;使用box-fix算法第二步后处理;使用tensorflow深度学习框架对已有的数据进行训练;使用已训练好的模型进行场景文本检测。本发明提供的方法可以自由地根据硬件条件和速度要求来选择不同的模型输出端口,通过提出的concat-nms和box-fix算法,来生成任意长的和更精确的文本框,在场景文本检测方面取得了令人满意的实验结果。因此,相较于现有技术,本方法灵活性好、分类精度较高、模型训练简单且实用性高。
-
公开(公告)号:CN108876818A
公开(公告)日:2018-11-23
申请号:CN201810568489.0
申请日:2018-06-05
Applicant: 国网辽宁省电力有限公司信息通信分公司 , 南京大学 , 南京南瑞信息通信科技有限公司
IPC: G06T7/246
CPC classification number: G06T7/246 , G06T2207/10016 , G06T2207/20081
Abstract: 本发明公开了一种基于似物性和相关滤波的目标跟踪方法,包含:将帧中的目标区域进行扩展,构建训练样本并训练核相关滤波,每来新一帧的图像,计算当前帧中搜索区域的前向光流,结合搜索区域的颜色信息,通过边缘检测算法得到运动物体的边界,根据边缘检测产生的边缘图,由似物性方法产生目标的候选,调整候选窗口的四个边界使其更加贴合物体的真实边缘。在当前帧的搜索区域中,由核相关滤波检测到最大响应值对应的目标初始位置,并计算似物性方法得到候选的响应值,通过比较响应值得出当前帧的目标位置和大小并对模型进行更新。本发明能够有效处理快速运动和尺度变化等问题,从而实现鲁棒的跟踪。
-
公开(公告)号:CN107563396A
公开(公告)日:2018-01-09
申请号:CN201710681386.0
申请日:2017-08-10
Applicant: 南京大学
Abstract: 本发明公开了一种电力巡检中保护屏智能识别系统的构建方法,包括:步骤1,载入采集到的保护屏设备图像,识别图像中的标签区域;步骤2,实现图像旋转与缩放的矫正;步骤3,图像的预处理:对图像进行裁剪,获得新的图像;步骤4,对步骤3中获得的图像中的待识别像素区域生成高斯分布随机数,将采样的测试区域进行分类,保留正例像素区域;步骤5,利用二值化图像的列累加直方图寻找合适的行分割点,进而获得按行分块的图像;步骤6,获得单个的待识别压板开关的阈值化图像;步骤7,得到压板开关的每个部件的位置信息;步骤8,计算部件之间的相对位置关系进而判断出开关的状态,并将识别的状态反馈用户。
-
公开(公告)号:CN106997597A
公开(公告)日:2017-08-01
申请号:CN201710173134.7
申请日:2017-03-22
Applicant: 南京大学
CPC classification number: G06T2207/10016 , G06T2207/20081 , G06T2207/20156
Abstract: 本发明公开了一种基于有监督显著性检测的目标跟踪方法,包含:将当前帧的搜索区域分割为超像素并提取目标和背景的超像素特征,利用SVM学习目标的判别式表观模型。每来新一帧的图像,对搜索区域进行超像素分割,利用基于图模型的流形排序进行第一阶段的显著性检测。根据判别式表观模型计算新一帧图像中每个超像素属于目标的概率,调整分类结果并结合第一阶段的显著性检测选取随机游走的种子点,通过随机游走得到第二阶段显著图。将显著图与分类结果加权得出置信图,对置信图进行处理后用积分图法估计目标新的位置和尺度。本发明能够有效处理快速运动和形变等问题,从而实现鲁棒的跟踪。
-
公开(公告)号:CN106846489A
公开(公告)日:2017-06-13
申请号:CN201710034246.4
申请日:2017-01-18
Applicant: 南京大学
Abstract: 本发明公开了一种基于vtk处理obj文件的方法,步骤1:读取obj文件里面的面片,构造倒排索引表。步骤2:寻找共享顶点。步骤3:产生新的顶点。如果寻找到了共享顶点,则更新构建面片顶点id,转步骤5。如果没有找到,则产生新的位置一样的顶点,后转步骤4。步骤4:增加面片。产生了新的顶点,为了新旧顶点之间的连续性,需要增加一个连接新旧顶点的面片,并将新顶点加入顶点集。步骤5:后续顶点与后续面片,面片仍有后续顶点未处理,转步骤2。模型还有后续面片,转步骤1。步骤6:三角面片化,该步骤将所有面片拆分为三角面片组成。步骤7:曲面平滑。运用loop曲面细分算法,平滑模型。
-
公开(公告)号:CN103440654B
公开(公告)日:2016-08-10
申请号:CN201310379001.7
申请日:2013-08-27
Applicant: 南京大学
IPC: G06T7/00
Abstract: 本发明公开了LCD异物缺陷检测方法,包含如下步骤:图像缩放:利用双线性插值算法将图像缩放;标签检测:检测出标签位置,消除标签,得到图像OI;图像重建:利用奇异值分解方法对图像OI进行重建得到重建图像CI,并用图像OI减去重建图像CI获取差图DI;点状异物缺陷检测:对获取的差图DI进行阈值化缺陷分割,并通过轮廓检测统计轮廓数量并计算缺陷的总面积,判断是否存在点状异物缺陷;区域状异物缺陷检测:将差图DI分成num个窗口,对每个窗口进行区域异物缺陷检测,统计每个窗口中的平均灰度值和方差;线状异物缺陷检测:对差图DI使用边缘检测算法进行边缘检测,判断是否发生线状异物缺陷。
-
公开(公告)号:CN103984948A
公开(公告)日:2014-08-13
申请号:CN201410242917.2
申请日:2014-06-03
Applicant: 南京大学
Abstract: 本发明公开了一种基于人脸图像融合特征的软双层年龄估计方法,包括:一、获得待估计人脸图像;二、对图像进行预处理;三、提取融合特征x;四、判断软双层年龄估计方法是否已存在:若是到第六步;若否则转第五步;五、学习软双层年龄估计方法:对训练图像提取融合特征,将训练图像划分为两个阶段,学习得到二元分类器F(x),在年龄边界设置重叠区域,扩大每个阶段的年龄范围,分别学习得到回归模型Y(x)和A)x);六、将融合特征x输入软双层年龄估计方法:首先运用二元分类器F(x),然后根据分类结果选择应用回归模型Y(x)或者A(x),得到估计年龄值y;七、对估计年龄值进行修正处理。
-
公开(公告)号:CN103440654A
公开(公告)日:2013-12-11
申请号:CN201310379001.7
申请日:2013-08-27
Applicant: 南京大学
IPC: G06T7/00
Abstract: 本发明公开了LCD异物缺陷检测方法,包含如下步骤:图像缩放:利用双线性插值算法将图像缩放;标签检测:检测出标签位置,消除标签,得到图像OI;图像重建:利用奇异值分解方法对图像OI进行重建得到重建图像CI,并用图像OI减去重建图像CI获取差图DI;点状异物缺陷检测:对获取的差图DI进行阈值化缺陷分割,并通过轮廓检测统计轮廓数量并计算缺陷的总面积,判断是否存在点状异物缺陷;区域状异物缺陷检测:将差图DI分成num个窗口,对每个窗口进行区域异物缺陷检测,统计每个窗口中的平均灰度值和方差;线状异物缺陷检测:对差图DI使用边缘检测算法进行边缘检测,判断是否发生线状异物缺陷。
-
公开(公告)号:CN103390063A
公开(公告)日:2013-11-13
申请号:CN201310328671.6
申请日:2013-07-31
Applicant: 南京大学
Abstract: 本发明公开了基于蚁群算法和概率超图的相关反馈图像检索方法,包括训练和检索两个阶段;所述训练阶段包括如下步骤:提取图像底层特征;字典学习;图像库图像高层表示;所述检索阶段包括以下步骤:提取示例图像的底层特征;示例图像高层表示;构造亲和力矩阵;初始化或更新信息素矩阵:对图像库中每一示例图像的检索结果,标注正相关图像和负相关图像,进一步计算语义信息素矩阵;计算亲和力增强概率:利用蚁群算法增强亲和力矩阵;构建超图;返回此轮检索结果,检索结束,或更新信息素矩阵开始下一轮检索。本发明为图像检索引入了高效、准确的图像检索技术,具有较高的使用价值。
-
公开(公告)号:CN103116762A
公开(公告)日:2013-05-22
申请号:CN201310091623.X
申请日:2013-03-20
Applicant: 南京大学
IPC: G06K9/62
Abstract: 本发明公开了基于自调制字典学习的图像分类方法,包含如下步骤:训练阶段:步骤1,局部特征抽取;对于训练图像集中的每一幅训练图像进行局部特征描述子抽取生成训练图像集的局部特征集合;步骤2,自调制字典学习;步骤3,训练图像表示:包含特征稀疏编码和图像空间聚合两个子步骤。步骤4,分类模型学习;步骤5,局部特征抽取;步骤6,待分类图像表示;步骤7,模型预测。本发明为字典学习引入了合理的顺序机制,设计了一套自调制机制的字典学习方法,并结合图像分类进行分析验证,最终提高图像分类的准确度。
-
-
-
-
-
-
-
-
-