-
公开(公告)号：CN103377378B
公开(公告)日：2016-02-24
申请号：CN201210128317.4
申请日：2012-04-26
Applicant: 富士通株式会社
Abstract: 提供了一种生成组合分类器的方法和装置以及图像检索方法和装置。生成组合分类器的方法包括步骤：(a)基于多个训练样本集中的每个生成分类器，并将所生成的分类器添加到该训练样本集的相应分类器集合中；(b)针对每个分类器集合，生成该分类器集合中的分类器的线性组合以作为相应训练样本集的一级组合分类器；(c)生成一级组合分类器的线性组合以作为二级组合分类器；(d)根据最近生成的二级组合分类器或者针对多个训练样本集最近生成的分类器的线性组合对每个训练样本集中的训练样本的分类结果，更新相应训练样本集中的训练样本的权值，使得被误分类的训练样本的权值增大；(e)重复执行步骤(a)至(d)，直到满足预定截止条件为止。
-
公开(公告)号：CN103310221A
公开(公告)日：2013-09-18
申请号：CN201210071428.6
申请日：2012-03-16
Applicant: 富士通株式会社
Abstract: 本发明提供了图像处理装置、图像处理方法以及设备，以至少克服现有的监督式及半监督式图像处理技术存在的图像处理效果差的问题。图像处理装置包括：进行图像分割的图像分割单元；提取图像级和区域级视觉特征的特征提取单元；构建图像级和区域级加权图的加权图建立单元；构造代价函数的函数构造单元；通过求解代价函数的最优问题获得图像的软标签和区域的软标签的计算单元；以及根据上述软标签来进行图像处理的图像处理单元。图像处理方法用于执行能够实现上述图像处理装置的功能的处理。上述设备包括上述图像处理装置。应用本发明的上述技术，能够获得较好的图像处理效果，可以应用于图像处理领域。
-
公开(公告)号：CN102855462A
公开(公告)日：2013-01-02
申请号：CN201110192744.4
申请日：2011-07-01
Applicant: 富士通株式会社
Abstract: 本发明公开了确定人体动作周期及识别人体动作的方法和装置。所述确定视频中人体动作周期的方法包括：在预定的搜索范围内搜索人体姿态与当前帧相似的帧；如果在搜索范围内搜索到人体姿态与当前帧相似的帧，则将当前帧与所述人体姿态与当前帧相似的帧之间的时长作为视频中的人体动作周期。通过针对不同行为、不同个体来确定相应的人体动作周期，可以更为准确地提取时空特征，并实现更为准确的人体行为识别。
-
公开(公告)号：CN117830757A
公开(公告)日：2024-04-05
申请号：CN202211200230.3
申请日：2022-09-29
Applicant: 富士通株式会社
IPC: G06V10/774 , G06V10/764 , G06V10/46 , G06V40/10 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请公开一种信息处理装置、信息处理方法和计算机可读记录介质。该信息处理装置包括：模型调整单元，被配置成对预先训练的级联分离网络模型添加关键点模块，以获得添加有关键点模块的预先训练的级联分离网络模型，作为第二模型，其中，关键点模块用于基于第二模型的输入图像中预定对象的关键点特征对第二模型中的交互解码器的输入进行调整；以及第二模型训练单元，被配置成在使第二模型的参数之中的除交互解码器、关键点模块和交互分类层的参数之外的参数固定的情况下，利用第一训练图像集对第二模型进行训练，以获得用于对待预测图像进行预测的经训练的第二模型。
-
公开(公告)号：CN113453067B
公开(公告)日：2023-11-14
申请号：CN202010230229.X
申请日：2020-03-27
Applicant: 富士通株式会社
IPC: H04N21/44 , H04N21/472 , G06V20/40 , G06V10/75
Abstract: 本公开涉及一种视频处理装置、视频处理方法和机器可读存储介质。视频处理装置包括：获取单元，其基于动作视频剪辑得到初始标记帧；设置单元，其基于关于所述动作视频剪辑的信息来设置滑动窗；匹配单元，其将所述初始标记帧与所述动作视频剪辑在所述滑动窗中的每个帧进行相似度匹配；以及选择单元，其基于相似度匹配的结果，选择所述动作视频剪辑在所述滑动窗中的一个帧作为标记帧。该视频处理装置可以在周期动作片段中正确地捕捉某一次动作实例。
-
Patent Agency Ranking
公开(公告)号：CN111340056B
公开(公告)日：2023-09-08
申请号：CN201811553508.9
申请日：2018-12-18
Applicant: 富士通株式会社
Abstract: 提供了信息处理方法以及信息处理设备。信息处理设备能够被用于检测包含重复模式的图像文件中的异常，并且包括处理器，该处理器被配置为：利用预先训练好的自编码器对作为检测目标的图像文件的当前区域编码，以获得当前区域的隐藏变量；从图像文件中获取当前区域的相似区域，并利用自编码器对每个相似区域编码而获取每个相似区域的隐藏变量；基于所获取的相似区域的隐藏变量修改当前区域的隐藏变量；利用自编码器对修改后的隐藏变量解码，以获得当前区域的重构区域；以及比较当前区域与重构区域，并基于比较结果判断当前区域是否存在异常。
-
公开(公告)号：CN110766152B
公开(公告)日：2023-08-04
申请号：CN201810844262.4
申请日：2018-07-27
Applicant: 富士通株式会社
IPC: G06N3/08 , G06V10/82 , G06V10/762 , G06V10/774
Abstract: 本公开涉及一种用于训练深度神经网络的方法和装置。根据本公开的一个实施例，该方法包括以下步骤：针对训练集中的每个训练样本图像，使用深度神经网络根据训练样本图像生成相应的估计深度图；基于训练样本图像的训练样本深度图和估计深度图计算训练样本图像的损失；以及基于所计算的损失优化神经网络的参数，其中，损失包括基于训练样本深度图中的至少一个平面区域和估计深度图中的对应区域的对比计算的损失项。使用该方法和装置得到的训练后的深度神经网络能够在使用单幅输入图像的情况下，提高估计深度图的准确度。
-
公开(公告)号：CN109785376B
公开(公告)日：2023-02-28
申请号：CN201711128851.4
申请日：2017-11-15
Applicant: 富士通株式会社
Abstract: 本发明公开了一种深度估计装置的训练方法、深度估计设备及存储介质。所述方法包括：向n个所述装置中的每个装置输入n个样本图像，输入至所述装置的n个样本图像的顺序被设置成使得各个装置所接收的第1个样本图像彼此不同，n为大于等于2的整数；利用所述装置所包含的第一神经网络，基于n个样本图像来估计第1个样本图像的深度图和从拍摄其他样本图像的相机的坐标系变换至拍摄第1个样本图像的相机的坐标系的变换矩阵；基于所述变换矩阵来构建使得n个装置相互关联的第一损失函数；以及通过使包括所述第一损失函数的总体损失函数最小化来确定所述装置的参数。
-
公开(公告)号：CN109559271B
公开(公告)日：2023-02-28
申请号：CN201710883474.9
申请日：2017-09-26
Applicant: 富士通株式会社
Abstract: 本发明涉及对深度图像进行优化的方法和装置。该对深度图像进行优化的方法包括：输入步骤，输入关于一个场景的多个彩色图像以及对应的深度图像；相机姿态估计步骤，基于输入的深度图像来估计相机姿态作为初始相机姿态；相机姿态优化步骤，基于多个彩色图像对所述初始相机姿态进行优化来获得优化的相机姿态；三维模型构建步骤，基于多个彩色图像和所获得的优化的相机姿态来构建三维模型；投影步骤，基于优化的相机姿态，将所构建的三维模型投影到二维坐标空间来生成每个彩色图像对应的投影深度图像；以及深度图像优化步骤，将所生成的投影深度图像和对应的输入的深度图像进行融合得到优化的深度图像。根据本发明的方法可以得到更精确的深度图像。
-
公开(公告)号：CN108510536B
公开(公告)日：2021-09-21
申请号：CN201710111586.2
申请日：2017-02-28
Applicant: 富士通株式会社
IPC: G06T7/55
Abstract: 本发明公开了一种多视点图像的深度估计方法和深度估计设备。该方法包括：将同一场景的多个图像中的每个图像作为当前图像执行如下处理：获得当前图像中每个像素的初始深度值；将当前图像划分为多个超像素；基于所述初始深度值，根据预定约束条件，得到多个超像素的平面参数；以及基于超像素的平面参数，生成超像素中每个像素的深度值；其中，所述预定约束条件包括：共连接约束，所述共连接约束与彼此不遮挡的相邻超像素上的临近点的深度值差异有关。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.029 seconds)
