-
公开(公告)号：CN115100419B
公开(公告)日：2023-02-21
申请号：CN202210851147.6
申请日：2022-07-20
Applicant: 中国科学院自动化研究所
IPC: G06V10/40 , G06V10/774
Abstract: 本发明提供一种目标检测方法、装置、电子设备及存储介质，涉及计算机视觉技术领域，包括：确定待检测图像和目标物体类别集，目标物体类别集用于表征需要从待检测图像中检测的不同目标物体类别；将目标物体类别集和待检测图像输入至目标检测模型，获取目标检测结果；目标检测结果包括待检测图像中与目标物体类别集对应的目标物体的目标类别和目标位置；目标检测模型是基于样本物体类别集、样本图像，以及样本图像中样本物体类别标签和样本物体位置标签训练得到的，样本物体类别集用于表征需要从样本图像中检测的不同样本物体类别。本发明方法结合额外输入的目标物体类别集，灵活控制所需检测的目标物体，能够更好地适配多样化的目标检测定制需求。
-
公开(公告)号：CN115100419A
公开(公告)日：2022-09-23
申请号：CN202210851147.6
申请日：2022-07-20
Applicant: 中国科学院自动化研究所
IPC: G06V10/40 , G06V10/774
Abstract: 本发明提供一种目标检测方法、装置、电子设备及存储介质，涉及计算机视觉技术领域，包括：确定待检测图像和目标物体类别集，目标物体类别集用于表征需要从待检测图像中检测的不同目标物体类别；将目标物体类别集和待检测图像输入至目标检测模型，获取目标检测结果；目标检测结果包括待检测图像中与目标物体类别集对应的目标物体的目标类别和目标位置；目标检测模型是基于样本物体类别集、样本图像，以及样本图像中样本物体类别标签和样本物体位置标签训练得到的，样本物体类别集用于表征需要从样本图像中检测的不同样本物体类别。本发明方法结合额外输入的目标物体类别集，灵活控制所需检测的目标物体，能够更好地适配多样化的目标检测定制需求。
-
公开(公告)号：CN112560823A
公开(公告)日：2021-03-26
申请号：CN202110199644.8
申请日：2021-02-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉和模式识别领域，具体涉及一种基于分布学习的自适应方差和权重的人脸年龄估计方法、系统、装置，旨在解决现有人脸年龄数据集类别不均衡及现有方法使用固定方差不足，导致人脸年龄估计结果跟真实值差距较大的问题。本方法包括对输入图像进行预处理，得到预处理图像；通过预训练的人脸年龄估计模型得到预处理图像中人脸的预测年龄；所述人脸年龄估计模型基于深度残差网络构建。本发明减小了人脸年龄估计结果跟真实值的差距。
-
公开(公告)号：CN111739115B
公开(公告)日：2021-03-16
申请号：CN202010583710.7
申请日：2020-06-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于领域，具体涉及了一种基于循环一致性的无监督人体姿态迁移方法，旨在解决现有的姿态迁移方法在跨身份人体姿态迁移任务中适应性差、生成图像质量较低的问题。本发明包括：获取一个人体图像和另一目标姿态并根据人体图象和目标姿态通过基于循环一致性的无监督对抗网络生成姿态迁移图像，所述基于循环一致性的无监督对抗网络通过无身份标签的训练图像以及设定的全局损失函数进行迭代训练。本发明提高了跨身份人体姿态迁移任务的适应性，提高了生成图像的质量。
-
Patent Agency Ranking
公开(公告)号：CN111783753B
公开(公告)日：2020-12-15
申请号：CN202010918791.1
申请日：2020-09-04
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉和模式识别领域，具体涉及一种基于语义一致水平条和前景修正的行人重识别方法，旨在解决现有的行人重实别方法重实别鲁棒性较差的问题。本发明方法包括：获取待识别的图像，作为输入图像；提取输入图像的特征，作为第一特征；基于第一特征，通过行人重识别模型中的行分类器分别获取输入图像中行人对应的前景特征作为第二特征，获取输入图像中行人各设定部位水平条区域的特征作为第三特征；将将第二特征与第三特征进行点对点相乘，并与第一特征拼接，得到第四特征；计算第四特征与图像库中各图像对应特征的欧式距离并排序，将排序结果作为重识别结果进行输出。本发明提高了行人重识别的鲁棒性。
-
公开(公告)号：CN111783753A
公开(公告)日：2020-10-16
申请号：CN202010918791.1
申请日：2020-09-04
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉和模式识别领域，具体涉及一种基于语义一致水平条和前景修正的行人重识别方法，旨在解决现有的行人重实别方法重实别鲁棒性较差的问题。本发明方法包括：获取待识别的图像，作为输入图像；提取输入图像的特征，作为第一特征；基于第一特征，通过行人重识别模型中的行分类器分别获取输入图像中行人对应的前景特征作为第二特征，获取输入图像中行人各设定部位水平条区域的特征作为第三特征；将将第二特征与第三特征进行点对点相乘，并与第一特征拼接，得到第四特征；计算第四特征与图像库中各图像对应特征的欧式距离并排序，将排序结果作为重识别结果进行输出。本发明提高了行人重识别的鲁棒性。
-
公开(公告)号：CN111738174A
公开(公告)日：2020-10-02
申请号：CN202010592997.X
申请日：2020-06-25
Applicant: 中国科学院自动化研究所 , 中国科学技术信息研究所
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于深度解耦的人体实例解析方法、系统，旨在为了解决漏检和误检影响实例人体解析识别精度的问题，本发明方法包括：获取输入图像中候选区域的实例检测框和特征；所述候选区域为人体实例的候选区域；所述人体实例包括人体整体实例、人体部件实例；基于所述候选区域的特征，获取候选区域对应实例的实例掩模和实例特征；基于各候选区域对应的实例检测框、实例掩模、实例特征，通过层级式聚类算法进行人体整体-人体部件关联聚类，获取人体实例解析结果。本发明可以提升实例人体解析的识别精度并减少人体实例的漏检和误检。
-
公开(公告)号：CN101777185B
公开(公告)日：2012-04-25
申请号：CN200910242339.1
申请日：2009-12-09
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开一种融合描述式和判别式建模的目标跟踪方法，包括以下步骤：1.t＝1，在第1帧图像中的被跟踪目标及其邻近背景上随机抽取多尺度小图像块集合并训练两对二类支持向量机和一类支持向量机作为被跟踪目标的模型；2.在第t+1帧图像中随机抽取多尺度小图像块集合并通过被跟踪目标的模型确定第t+1帧图像中小图像块属于被跟踪目标的置信度，用新一帧图像中小图像块的置信度及其中心坐标构造置信图；在置信图上用均值移动算法获得被跟踪目标在新一帧图像中的新位置；根据图像块置信度和被跟踪目标的新位置，对当前帧中的小图像块分类，并根据分类结果更新被跟踪目标的模型；3.若未到视频文件的结尾，递增t，返回步骤2；4.终止。
-
公开(公告)号：CN101777184B
公开(公告)日：2012-01-04
申请号：CN200910237840.9
申请日：2009-11-11
Applicant: 中国科学院自动化研究所
IPC: G06T7/20
Abstract: 本发明为基于局部距离学习和排序队列的视觉目标跟踪方法，包括：步骤1：用目标框和背景框在第一帧图像中选定目标及其附近背景，在各框中随机采样得到表示目标及其局部背景的两个小图像片集；学习各目标小图像片的局部距离度量函数并建立其排序队列，计算该排序队列的纯净度并建立目标模型；步骤2：对下一帧图像随机采样得到一个新的小图像片集；计算目标模型中各小图像片与所有新小图像片的距离并建立一个排序队列；根据新小图像片在各排序队列中的位置计算其置信度并建立置信图；步骤3：利用置信图确定新一帧图像中目标的位置；步骤4：更新目标小图像片集和背景小图像片集；步骤5：更新目标模型及局部距离度量函数和纯净度，返回步骤2。
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.042 seconds)
