-
公开(公告)号：CN112509036B
公开(公告)日：2022-06-07
申请号：CN202011387363.7
申请日：2020-12-01
Applicant: 北京航空航天大学
IPC: G06T7/70 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明提供一种位姿估计网络训练及定位方法、装置、设备、存储介质。方法包括：以真实样本图像为基准，对各真实样本图像中的样本对象的目标检测结果进行随机采样，获取各真实样本图像中的样本对象的至少一个随机采样样本图像；基于各真实样本图像中的样本对象的置信度图、在标准坐标系下的坐标图、在相机坐标系下的深度图，以及，样本对象的至少一个随机采样样本图像对位姿估计网络进行训练，得到训练好的位姿估计网络；在网络训练阶段，位姿估计网络用于基于输入的图像，估计所输入的对象的置信度图、所输入的对象在标准坐标系下的坐标图，以及，所输入的对象在相机坐标系下的深度图。本发明提出的方法提高了位姿估计网络的鲁棒性。
-
公开(公告)号：CN113239943B
公开(公告)日：2022-05-31
申请号：CN202110595282.4
申请日：2021-05-28
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于部件语义图的三维部件提取组合方法和装置。该方法的一具体实施方式包括：对目标图片进行部件级语义分割以生成至少一个部件分割图；对三维体素模型库中每个三维体素模型进行特征提取以生成多尺度立方体平均场描述子，得到至少一个多尺度立方体平均场描述子；基于该至少一个多尺度立方体平均场描述子，将该至少一个部件分割图中的每个部件分割图作为网络输入进行网络训练；将训练所得到的至少一个特征部件组合成目标体素模型。该实施方式提高了基于图片提取三维模型的精确度。
-
公开(公告)号：CN108537846B
公开(公告)日：2022-05-27
申请号：CN201810183686.0
申请日：2018-03-06
Applicant: 北京航空航天大学青岛研究院
IPC: G06T7/80
Abstract: 本发明公开了一种相机标定方法及设备，该方法包括：检测第一标定图像中的角点及第二标定图像中的角点。基于以所述角点为中心选取的特征像素块，计算获得所述角点的特征描述向量。基于每个角点的特征描述向量，将第一标定图像中的角点与第二标定图像中的角点进行匹配，获得第一标定图像的匹配特征点及第二标定图像中的匹配特征点。基于第一标定图像的匹配特征点和第二标定图像的匹配特征点，获得参数矩阵。本发明可以避免相近或者相似角点之间的误匹配，进一步提高了鱼眼相机的标定精度。
-
公开(公告)号：CN113781363A
公开(公告)日：2021-12-10
申请号：CN202111147792.1
申请日：2021-09-29
Applicant: 北京航空航天大学
Abstract: 本公开的实施例公开了去雾效果可调节的图像增强方法，包括：获取光强度小于预设阈值的雾图像，将雾图像输入雾图像条件编码器，通过多层卷积神经网络，得到条件特征图集合；从高斯空间以预设的标准差采样出长、宽为雾图像八分之一，通道数为雾图像八倍的噪声特征图；将噪声特征图输入流网络包括的第一可逆流层网络包括的分离层，以生成第一特征图；基于子网络集合、第一特征图和条件特征图集合，生成第二特征图；将第二特征图输入图像转换网络，以生成第三特征图；基于第二可逆流层网络集合、条件特征图集合和第三特征图，生成去雾图像。该实施方式提高了图像去雾的准确性，广泛应用于摄影、公共安全、自动驾驶等领域的计算机视觉系统。
-
公开(公告)号：CN110245659B
公开(公告)日：2021-08-13
申请号：CN201910423491.3
申请日：2019-05-21
Applicant: 北京航空航天大学
Abstract: 本发明实施例提供一种基于前背景相互关系的图像显著对象分割方法及装置，该方法包括：基于卷积神经骨干网络，获取训练图像对应的特征图，根据训练图像对应的特征图，得到前背景初始特征响应；根据前背景初始特征响应得到相互关注权重矩阵，根据相互关注权重矩阵更新前背景初始特征响应，得到前景特征图和背景特征图；基于交叉熵损失函数和合作损失函数，根据前景特征图和背景特征图对卷积神经骨干网络进行训练，得到前背景分割卷积神经网络模型；将待分割图像输入前背景分割卷积神经网络模型，得到前景预测结果和背景预测结果。本发明实施例从前景背景相互合作的角度来进行显著对象的分割，提高显著对象的分割效果。
-
Patent Agency Ranking
公开(公告)号：CN110570490B
公开(公告)日：2021-07-30
申请号：CN201910840719.9
申请日：2019-09-06
Applicant: 北京航空航天大学
IPC: G06T11/00
Abstract: 本发明实施例提供的显著性图像生成方法及设备，选取孪生网络中目标域单个样本图像作为第一图像和孪生网络中源域图像数据集中的任一图像作为第二图像，并通过第一图像和第二图像训练第一特征提取模块、第二特征提取模块、第一显著性图生成模块、第二显著性图生成模块和判别模块，使得生成的第一显著性图和所述第二显著性图符合显著性预测标准，并将第一特征提取模块和第一显著性图生成模块组成显著性图像生成模型，通过将目标图像输入到所述显著性图像生成模型后，生成所述目标图像的显著性图像，提高了生成目标图像显著性图的效率。
-
公开(公告)号：CN110097068B
公开(公告)日：2021-07-30
申请号：CN201910043726.6
申请日：2019-01-17
Applicant: 北京航空航天大学
IPC: G06K9/62
Abstract: 本发明提供一种相似车辆的识别方法和装置，该方法包括：获取待识别车辆的图像，将待识别车辆的图像输入到预先获取的全局模型，获取待识别车辆的车辆特征图像，全局模型为基于卷积神经网络，采用车辆图像集中已标注的车辆全局特征图像和已标注的车辆局部特征图像训练得到的，车辆特征图像包括车辆的唯一标识，根据待识别车辆的车辆特征图像，从多个相似车辆中确定待识别车辆。通过该方法，能够根据车辆的车辆特征图像，准确地区分相似车辆，提高车辆识别的准确率。
-
公开(公告)号：CN110197213B
公开(公告)日：2021-06-04
申请号：CN201910424840.3
申请日：2019-05-21
Applicant: 北京航空航天大学
IPC: G06K9/62
Abstract: 本发明提供一种基于神经网络的图像匹配方法、装置和设备。该基于神经网络的图像匹配方法包括：将待匹配图像组输入神经网络模型，得到该待匹配图像组对应的特征向量；其中，该待匹配图像组包括至少两个待匹配图像；将该待匹配图像组对应的特征向量输入到神经网络模型全连接层的权重矩阵，得到图像匹配模型；将目标图像输入至该图像匹配模型，在该待匹配图像组中除该目标图像之外的其它待匹配图像中，确定与该目标图像匹配的至少一个匹配图像；其中，该目标图像为该待匹配图像组中的任一图像。该方法可以提高图像匹配的准确度。
-
公开(公告)号：CN110135428B
公开(公告)日：2021-06-04
申请号：CN201910303671.8
申请日：2019-04-11
Applicant: 北京航空航天大学
IPC: G06K9/34
Abstract: 本申请提供一种图像分割处理方法和装置，方法包括：获取图像，图像中包括待处理的分割对象；对所述分割对象进行组件分割处理，得到所述分割对象的第一分割结果；根据所述第一分割结果和所述分割对象的组件属性信息，确定组件分割次序；根据所述组件分割次序，对所述第一分割结果和所述图像进行特征融合处理，得到融合特征；根据所述融合特征，确定所述分割对象的第二分割结果；对所述第二分割结果进行合并处理，得到所述分割对象的最终分割结果。充分考虑了构成分割对象的各组件的组件属性信息对组件分割结果的影响，同时利用第一分割结果中各组件对应的分割精度，来指导对分割对象进行的组件分割处理，组件分割过程具有自适应性，分割精度高。
-
公开(公告)号：CN111966851A
公开(公告)日：2020-11-20
申请号：CN202010720455.6
申请日：2020-07-24
Applicant: 北京航空航天大学
IPC: G06F16/538 , G06F16/55 , G06F16/583
Abstract: 本公开的实施例公开了基于少量样本的图像识别方法和系统。该方法的一具体实施方式包括：获取图像集合；对图像集合进行特征提取，得到图像特征集合；根据至少一个基础类别特征，确定每一类支撑样本特征和查询样本特征的相似度；根据相似度对图像集合进行分类，得到分类结果；控制具有显示功能的终端设备将分类结果进行显示。实现了更加精准的图像分类，使显示的分类结果更加吸引用户，增加网络流量。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.059 seconds)
