一种结合语义边缘的深度估计方法

    公开(公告)号:CN114882091A

    公开(公告)日:2022-08-09

    申请号:CN202210476348.2

    申请日:2022-04-29

    Abstract: 本发明涉及一种结合语义边缘的深度估计方法,包括:获取待深度估计的图像;将所述图像输入至训练好的深度学习网络中得到深度预测图和语义边缘预测图;所述深度学习网络包括:共享特征提取模块、深度估计模块、边缘增强权重模块、深度边缘语义分类模块和语义边缘检测模块;所述共享特征提取模块用于提取所述图像中的特征信息,并传输给所述深度估计模块和语义边缘检测模块;所述深度估计模块通过所述语义边缘检测模块输出的语义边缘引导视差平滑,并通过图像双重构的方式进行深度估计;所述边缘增强权重模块基于所述深度估计模块输出的深度预测图的深度边缘形成所述语义边缘检测模块所需要融合的特征结果;所述深度边缘语义分类模块用于进行深度边缘语义分类预测;所述语义边缘检测模块用于输出图像的语义边缘分类预测。本发明能够提高准确度。

    一种身份信息的确定方法、装置、电子设备及存储介质

    公开(公告)号:CN113886791A

    公开(公告)日:2022-01-04

    申请号:CN202111219097.1

    申请日:2021-10-19

    Abstract: 本申请实施例所公开的一种身份信息的确定方法、装置、电子设备及存储介质,包括获取用户的待验证面部图像,若待验证面部图像与候选面部图像集合中的任一候选面部图像匹配,基于动态的目标生成第一图像序列;其中,第一图像序列中的每个第一图像包括目标,目标在每个第一图像中的位置是不同的。进而获取用户对应的第二图像序列,该第二图像序列中的每个第二图像是用户注视目标时采集的用户的面部图像,并根据第一图像序列和第二图像序列,确定用户的身份信息。基于本申请实施例通过基于动态的目标随机生成给用户注视的第一图像序列,可以有效防止他人利用静态图片、录制视频等手段欺骗认证系统,可以提高系统的安全性和可靠性。

    一种瞳孔中心位置数据的确定方法、装置及存储介质

    公开(公告)号:CN113729616A

    公开(公告)日:2021-12-03

    申请号:CN202111023640.0

    申请日:2021-09-01

    Abstract: 本申请实施例所公开的一种瞳孔中心位置数据的确定方法、装置及存储介质,包括获取眼球中心对应的眼球位置数据、瞳孔中心对应的瞳孔参考位置数据、第一瞳孔候选区域和第二瞳孔候选区域,从第一瞳孔候选区域中确定第一候选位置数据集合,从第二瞳孔候选区域中确定第二候选位置数据集合,基于眼球位置数据、瞳孔参考位置数据、第一候选位置数据集合和第二候选位置数据集合,确定瞳孔中心位置数据。本申请实施例基于双眼视线的内在关系从候选位置数据组集合中确定视线交汇的候选位置数据作为瞳孔中心位置数据,可以提升双眼视线估计精度。

    一种多路图像数据同步发送装置、接收装置和传输系统

    公开(公告)号:CN111698386B

    公开(公告)日:2021-07-09

    申请号:CN202010455596.X

    申请日:2020-05-26

    Abstract: 本发明涉及一种多路图像数据前端同步发送装置,包括:图像接入与合并传输模块,用于完成多路图像数据的同步接入与合并;图像帧编号添加模块,用于对合并后的图像数据依次添加图像帧编号;图像行/帧校验添加模块,用于对图像数据添加行/帧校验码;至少两条图像发送通道,用于完成多路图像的同步输出,其中,每条图像发送通道中传输的图像数据完全相同。本发明还涉及一种多路图像数据后端同步接收装置和一种多路图像数据的远距离同步传输系统。本发明对非压缩的多路图像数据能够提高同步传输可靠性。

    视线识别模型的训练方法、视线识别方法、装置及设备

    公开(公告)号:CN112766097A

    公开(公告)日:2021-05-07

    申请号:CN202110015600.5

    申请日:2021-01-06

    Abstract: 本发明涉及一种视线识别模型的训练方法、视线识别方法、装置及设备,方法包括获取样本图像集,样本图像集包括含有第一区域和第二区域的样本图像,将样本图像输入预设机器学习模型,进行视线识别处理,得到第一区域对应的第一视线信息以及第二区域对应的第二视线信息,基于第一视线信息,确定第二区域对应的第三视线信息,基于第二视线信息和第三视线信息,确定第一损失信息,根据第一损失信息,确定损失信息,基于损失信息调整预设机器学习模型中的模型参数,至损失信息满足预设条件,将满足预设条件时的预设机器学习模型作为视线识别模型。本发明可以在不增加视线识别模型规模的前提下,提高视线识别模型识别视线的精确性。

    量化卷积神经网络的生成方法、装置、设备及存储介质

    公开(公告)号:CN112434793A

    公开(公告)日:2021-03-02

    申请号:CN202011322985.1

    申请日:2020-11-23

    Abstract: 本申请涉及量化卷积神经网络的生成方法、装置、设备或存储介质,该方法包括:获取已训练的全精度卷积神经网络和待训练的量化卷积神经网络;基于已训练的全精度卷积神经网络,对待训练的量化卷积神经网络进行循环迭代,得到已训练的量化卷积神经网络;在每一次迭代过程中:获取已训练的全精度卷积神经网络基于输入数据进行前向传播后的第一输出值;对当前待训练的量化卷积神经网络的当前全精度权值参数进行量化,得到当前量化权值参数;当前量化权值参数用于前向传播得到第二输出值;当前全精度权值参数用于权值更新。如此,利用已训练的全精度卷积神经网络,指导量化卷积神经网络的训练,可以提升训练完成后量化卷积神经网络的精度。

    一种基于点云的语义实例确定方法、装置、电子设备及存储介质

    公开(公告)号:CN111192265B

    公开(公告)日:2020-12-01

    申请号:CN201911360880.2

    申请日:2019-12-25

    Abstract: 本申请公开了一种基于点云的语义实例确定方法、装置、电子设备及存储介质,所述方法包括:将点云输入训练后的编码模块,得到多个点集中每个点集对应的包含集合补充信息和集合关系信息的特征信息;所述编码模块包含区域特征补充模块和区域关系推理模块;所述多个点集中的点的并集为所述点云,至少有两个点集中存在交集;基于训练后的语义实例确定模块对所述每个点集对应的包含集合补充信息和集合关系信息的特征信息进行语义和实例的确定,得到所述点云中每个点的语义标签和实例标签;所述语义标签用于表征所述每个点所属的类别;所述实例标签用于表征所述每个点所属的实例,可以降低稀疏区域的点云分割的错误率。

    双目相机自标定方法及系统

    公开(公告)号:CN111862234A

    公开(公告)日:2020-10-30

    申请号:CN202010711704.5

    申请日:2020-07-22

    Abstract: 本发明提供一种双目相机自标定方法及系统,包括:1)获取左右原始图像;2)校正左右原始图像;3)从左右校正图像中提取特征点并匹配;4)统计左右图像纵坐标偏差的平均值,若大于对应阈值则修正估计第一参数组,反复迭代修正,直至小于对应阈值;5)找到静态物体;6)处于移动状态时,追踪静态物体的视差及车轮运动信息;7)得到车轮运动距离与静态物体的三维距离变化值的距离偏差,若大于对应阈值则修正估计第二参数组,反复迭代校正,直至小于对应阈值,完成自标定。本发明利用实时图像追踪和车体运动信息,对内外参进行优化标定,完成图像校正工作,为车体提供准确的三维识别数据。

    基于双目显微视觉的测量方法、装置、系统及介质

    公开(公告)号:CN111612731A

    公开(公告)日:2020-09-01

    申请号:CN202010249788.5

    申请日:2020-04-01

    Abstract: 本申请公开了一种基于双目显微视觉的测量方法、装置、系统及介质,该方法包括获取双目显微视觉系统中经相机标定后的左右相机对应的初始左右图像;基于对极几何约束关系,进行图像校正得到左右图像;对左右图像进行下采样,对所得的左采样图像集中最小分辨率对应层的采样图像中的像素点进行立体匹配以及匹配点传播,并进行逐层采样和立体匹配更新以及插值处理,得到稠密视差结果;之后根据相机参数和稠密视差结果对待测对象进行测量。本申请实施例解决现有技术中宏观尺度下的测量方法等对微观尺度的不适用性和准确性低的问题,所提供的测量方法非常适用于显微场景下的双目测量,能够获得良好的准确性和显微测量精度。

    一种多目立体相机的校准及深度图像处理方法

    公开(公告)号:CN111402309A

    公开(公告)日:2020-07-10

    申请号:CN202010149137.9

    申请日:2020-03-05

    Abstract: 本发明提供一种多目立体相机的校准及深度图像处理方法,包括:在多目相机设备中选取基准相机和待修正相机,并获取相应的基准相机图像和对待修正相机图像;根据所述基准相机图像和对待修正相机图像对所述待修正相机的内参量和外参量进行优化;得到最终的深度图像。本发明的方法利用匹配特征的深度计算结果实现对相机参量的优化,使多个深度图像的交界部分过渡平滑,可以根据优化的参量对未重合部分的深度图像进行进一步的精化调整,并且通过不同双目间的相互约束,保证最终深度结果一致性与稳定性。

Patent Agency Ranking