-
公开(公告)号：CN108053415A
公开(公告)日：2018-05-18
申请号：CN201711333790.5
申请日：2017-12-14
申请人： 广西科技大学
摘要： 本发明旨在提供一种基于改进非经典感受野的仿生轮廓检测方法，包括以下步骤：A、输入经灰度处理的待检测图像；B、预设包含多个方向参数的Gabor滤波函数，对待检测图像中的各个像素点分别进行经典感受野刺激响应，对应的方向作为该像素点的最优方向；C、利用log函数构建抑制核函数，通过抑制核函数构建距离权重函数；将各个像素点的经典感受野刺激响应与该像素点的距离权重函数进行卷积得到该像素点的抑制响应；D、将各个像素点的经典感受野刺激响应减去该像素点的抑制响应与预设的抑制强度的乘积，并计算得到该像素点的最终轮廓值。该检测方法克服现有技术的缺陷，具有符合视觉感受野的空间特性以及检测效果更好的特点。
-
公开(公告)号：CN118505734A
公开(公告)日：2024-08-16
申请号：CN202410647192.9
申请日：2024-05-23
申请人： 广西科技大学
IPC分类号： G06T7/13
摘要： 本发明旨在提供一种基于蝶形卷积的轻量化边缘检测方法，包括以下步骤：A、构建神经网络，神经网络结构具体如下：包括编码网络、解码网络；所述的编码网络包括四个BSCM模块；B、原始图像输入解码网络中，处理得到第一BSCM处理结果、第二BSCM处理结果、第一BSCM卷积结果、第三BSCM处理结果、第二BSCM卷积结果、第四BSCM处理结果；分别输入解码网络中；在各个BSCM模块中，输入结果经过蝶形卷积处理，提取出多尺度特征；C、解码网络对所有输入的结果进行融合后，得到最终输出结果。本发明在不进行预训练的情况下，也能高效工作，能够预测出拥有丰富细节纹理的高质量边缘。
-
公开(公告)号：CN118447044A
公开(公告)日：2024-08-06
申请号：CN202410574917.6
申请日：2024-05-10
申请人： 广西科技大学
IPC分类号： G06T7/13 , G06N3/0455
摘要： 本发明旨在提供一种基于低秩自适应的高性能边缘检测方法，包括以下步骤：A、构建神经网络，神经网络结构具体如下：包括编码网络、特征强化网络、解码网络；所述的编码网络基于Vision Transformer网络，其中第7、15、23个Transformer Block层的前后分别设有一个reshape模块；B、原始图像依次经过解码网络、特征强化网络、解码网络处理，得到最终输出结果。本发明调整了预训练主干的输出分布，简化后续的模块设计，极大提高了模型的性能，能够有效提高了边缘预测的细致程度，降低了边缘预测的复杂性。
-
公开(公告)号：CN117115190A
公开(公告)日：2023-11-24
申请号：CN202310907285.6
申请日：2023-07-24
申请人： 广西科技大学
IPC分类号： G06T7/13 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/0495
摘要： 本发明旨在提供一种基于仿生双向多尺度级联轻量化的实时边缘检测方法，包括以下步骤：A、构建神经网络，神经网络结构具体如下：包括编码网络和解码网络；所述的编码网络包括N组S2D模块和N组D2S模块，S2D模块和D2S模块组数相同；B、原始图像输入编码网络中，分为两路，第一路依次经过多组S2D模块处理；第二路先经过卷积层下采样处理，然后依次经过多组D2S模块处理；将第一路多组S2D模块的处理结果和第二路多组D2S模块的处理结果拼接，得到N个处理结果，输入解码网络中；C、解码网络对从编码网络输入的多个结果进行解码后，得到最终输出轮廓。本发明大为降低了参数规模和计算成本，同时具有较好的边缘检测性能。
-
公开(公告)号：CN116363380A
公开(公告)日：2023-06-30
申请号：CN202211075759.7
申请日：2022-09-05
申请人： 广西科技大学
IPC分类号： G06V10/44 , G06N3/0464 , G06N3/048 , G06V10/82 , G06V10/80
摘要： 本发明旨在提供一种基于生物视觉双通路的边缘检测方法，包括以下步骤：A、构建双通路边缘检测网络，双通路边缘检测网络具体如下：包括第一通路网络FPN、第二通路网络SPN、解码网络DN；B、原始图像分别输入第一通路网络FPN、第二通路网络SPN中；最终经三个通路融合模块PFM处理得到三个结果分别输入DN中；C、解码网络DN解码后，输出结果即为最终输出轮廓。本发明能够有效提取边缘特征信息，从而得到更加准确的边缘图。
-
公开(公告)号：CN115272672A
公开(公告)日：2022-11-01
申请号：CN202210878114.0
申请日：2022-07-25
申请人： 广西科技大学
摘要： 本发明旨在提供一种模拟视觉系统平行分级处理机制的轻量化轮廓检测方法，包括以下步骤：A、构建神经网络结构，神经网络结构具体如下：编码网络、解码网络；B、原始图像输入神经网络中，先经过1*1卷积后，分别输入X型细胞模型、Y型细胞模型中；X型细胞模型、Y型细胞模型的输出结果分别经过1*1卷积后，进行相加融合，相加融合结果分别输入简单细胞模型和解码网络中；简单细胞模型的输出结果经过1*1卷积后，分别输入复杂细胞模型和解码网络中；复杂细胞模型的输出结果经过1*1卷积后，输入解码网络；由解码网络解码后输出最终轮廓。本发明在使用极少参数的情况下并能够达到与常规编‑解码轮廓检测网络相当的性能。
-
公开(公告)号：CN113076954B
公开(公告)日：2022-06-21
申请号：CN202110324705.9
申请日：2021-03-26
申请人： 广西科技大学
摘要： 本发明旨在提供一种基于视杆细胞暗适应的轮廓检测方法，包括：A、将待测图像由RGB颜色空间转到HSV颜色空间；B、对HSV图像的亮度进行亮度暗适应模拟，获得n幅不同适应时刻的亮度实际最大图像；C、将n幅亮度实际最大图分别转回RGB颜色空间，得到n幅不同适应时刻的适应过程图像；D、将得到的n幅不同时应时刻的适应过程图像进行加权融合，获得经暗适应后的彩色图像，并对其求取轮廓得到未细化的轮廓输出；E、将得到的未细化的轮廓图像利用最优方向经非极大抑制进行边缘细化，得到最终的轮廓图像输出。本发明通过整合不同适应时期的图像信息，得到一个目标信息更为完整的视网膜输出，从而提高了目标轮廓检测的精准性。
-
公开(公告)号：CN113673538A
公开(公告)日：2021-11-19
申请号：CN202110936730.2
申请日：2021-08-16
申请人： 广西科技大学
摘要： 本发明旨在提供一种生物启发式多级多层次反馈式轮廓检测方法，包括以下步骤：构建深度神经网络结构，结构如下：编码网络、解码网络；其中，编码网络包括VGG16、预处理模块P、反馈网络；VGG16网络以池化层为分界线，分为五个阶段；预处理模块P对应VGG16网络中五个阶段设有5个；反馈网络设有依次连接的四个横向反馈阶段；解码网络包括多个反馈模块F和加法层；原始图像依次经过编码网络、解码网络，获得最终输出轮廓。本发明保证了目标轮廓的完整性，能够有效解决轮廓不连续问题。
-
公开(公告)号：CN113538485A
公开(公告)日：2021-10-22
申请号：CN202110784619.6
申请日：2021-08-25
申请人： 广西科技大学
摘要： 本发明旨在提供一种学习生物视觉通路的轮廓检测方法，包括以下步骤：构建深度神经网络结构，深度神经网络结构具体如下：编码网络、解码网络、前馈融合模块；其中，编码网络为VGG16与FENet相结合的网络结构；原始图像依次经过编码网络、解码网络、前馈融合模块处理，获得最终输出轮廓。本发明能让编码器获得更丰富的轮廓特征信息，提升轮廓检测性能。
-
公开(公告)号：CN111968141A
公开(公告)日：2020-11-20
申请号：CN202010611779.6
申请日：2020-06-30
申请人： 广西科技大学
摘要： 本发明旨在提供一种基于多尺度叠加的非经典感受野轮廓检测方法，包括以下步骤：A、输入经灰度处理的待检测图像，对待检测图像中的各像素点分别按照各方向参数进行高斯一阶导函数滤波，得到各像素点的经典感受野响应及经典感受野最优方向；B、预设包含非经典感受野的最优方向及多个尺度参数的距离权重函数，计算得到各像素点的融合距离权重函数；C、预设抑制系数，计算得到各像素点的轮廓响应；D、对各像素点的轮廓响应使用非极大值抑制和双阈值处理，得到各个像素点的最终轮廓值，由各个像素点的最终轮廓值构成最终轮廓图。该轮廓检测方法克服现有技术缺陷，具有仿真性强、检测准确率高的特点。
-
-
-
-
-
-
-
-
-
搜索结果
46 条记录 (耗时 0.045 秒)
