-
公开(公告)号：CN107730503B
公开(公告)日：2020-05-26
申请号：CN201710818219.6
申请日：2017-09-12
Applicant: 北京航空航天大学
Abstract: 本发明实施例提供一种三维特征嵌入的图像对象部件级语义分割方法与装置，所述方法包括：获取目标二维图像的三维特征信息；根据所述目标二维图像的三维特征信息和所述目标二维图像的二维特征信息，对所述目标二维图像进行部件级语义分割。本申请的技术方案，在对图像进行部件级语义分割时，不仅考虑了图像的二维特征信息，同时考虑了图像的三维特征信息，进而提高了图像部件级语义分割的准确性。
-
公开(公告)号：CN109919110A
公开(公告)日：2019-06-21
申请号：CN201910189770.8
申请日：2019-03-13
Applicant: 北京航空航天大学
IPC: G06K9/00
Abstract: 本发明实施例提供一种视频关注区域检测方法、装置及设备，该方法包括：获得时空联合模型，时空联合模型用于获得视频帧图像中的关注区域，关注区域由时域特征和空域特征表征；时空联合模型根据学生模型生成，学生模型包括用于获得时域特征的时域子模型和用于获得空域特征的空域子模型，时域子模型是根据学生模型对应的时域教师模型生成，空域子模型是根据学生模型对应的空域教师模型生成；将待检测的视频帧图像输入时空联合模型，得到待检测的视频帧图像的关注区域。本发明可以在保证关注区域检测精度的基础上降低模型的复杂度。
-
公开(公告)号：CN109741331A
公开(公告)日：2019-05-10
申请号：CN201811578893.2
申请日：2018-12-24
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种图像前景物体分割方法，针对图像前景物体不同区域的特征，构建基于边界关注的图像前景物体分割卷积神经网络，该网络首先利用特征提取骨干网络进行图像特征提取，然后利用边界定位子网络得到边界特征和选择性置信图，同时利用内部感知子网络得到内部特征及不变性置信图，利用过渡补充子网络得到前景物体边界和内部之间的过渡补充特征，三路子网络的输出通过边界关注的特征马赛克选择方式得到前景物体分割结果；接下来，对基于边界关注的图像前景物体分割卷积神经网络进行训练，将图像输入已训练的上述卷积神经网络中，实现图像前景物体分割。本发明能够有效将前景物体分割为一个整体，同时对边缘细节处理得很好，且处理图像速度快。
-
公开(公告)号：CN108846796A
公开(公告)日：2018-11-20
申请号：CN201810654230.8
申请日：2018-06-22
Applicant: 北京航空航天大学青岛研究院
Abstract: 本申请实施例提供一种图像拼接方法，该方法获取鱼眼相机采集的第一鱼眼图像和第二鱼眼图像并按照所述鱼眼相机的成像模型的半径参数，构建逻辑球面。其中，所述第一鱼眼图像和所述第二鱼眼图像分别由所述鱼眼相机中光轴位于同一直线上且相背设置的第一鱼眼镜头和第二鱼眼镜头采集获得。通过确定所述第一鱼眼图像和所述第二鱼眼图像分别与所述成像模型的投影映射关系。基于所述第一鱼眼图像和所述第二鱼眼图像分别与所述成像模型的投影映射关系，将所述第一鱼眼图像以及所述第二鱼眼图像反向映射到所述逻辑球面，以获得球面拼接图像。将所述球面拼接图像进行球面展开处理，获得360度全景图像。本发明可以适用于对任何图像内容的全景图像拼接。
-
公开(公告)号：CN107730503A
公开(公告)日：2018-02-23
申请号：CN201710818219.6
申请日：2017-09-12
Applicant: 北京航空航天大学
Abstract: 本发明实施例提供一种三维特征嵌入的图像对象部件级语义分割方法与装置，所述方法包括：获取目标二维图像的三维特征信息；根据所述目标二维图像的三维特征信息和所述目标二维图像的二维特征信息，对所述目标二维图像进行部件级语义分割。本申请的技术方案，在对图像进行部件级语义分割时，不仅考虑了图像的二维特征信息，同时考虑了图像的三维特征信息，进而提高了图像部件级语义分割的准确性。
-
Patent Agency Ranking
公开(公告)号：CN104657418B
公开(公告)日：2018-01-19
申请号：CN201410801991.3
申请日：2014-12-18
Applicant: 北京航空航天大学
IPC: G06F17/30
Abstract: 本发明涉及一种基于隶属度传播的复杂网络模糊社团挖掘方法，首先，建立社团种子节点的选取框架，以社团种子节点的基本特征为依据，确定种子节点选取的测试顺序；然后，根据真实世界中各种复杂网络的客观规律，构建网络节点之间的隶属度传播模型，该模型将种子节点的社团隶属度传播至非种子节点；在此基础上，以优化社团划分结果的模块度为目标，确定社团种子节点的选取准则；最后，当社团种子节点选取完毕后，通过调整节点社团属性以及合并社团的方式，对模块度进行进一步优化，并修正各节点的社团隶属度，得到最终的模糊社团挖掘结果。本发明在稳定性、鲁棒性、有效性方面具有一定优势；该方法具备在计算开销与整体性能之间进行折衷的灵活性。
-
公开(公告)号：CN105354826A
公开(公告)日：2016-02-24
申请号：CN201510643147.7
申请日：2015-10-04
Applicant: 北京航空航天大学
IPC: G06T7/00
Abstract: 本发明涉及一种图像对象共定位及无关样本判定方法，包括以下步骤：输入可能包含同一类物体的图片集，对给定的图片集进行对象性分析，生成对象区域集合；对于区域集合高层语义特征；生成区域特征后，对特征矩阵进行分析，构建全连接的图结构关系；构建比率能量函数对连通图进行统筹规划，构建优化方程，并将每张图片的区域得分限制在0到1之间；利用牛顿迭代法计算优化方程的全局最优解，得到每一张图片的每一个区域的最终得分；根据划分阈值，将区域集合总得分小于阈值的图片作为无关样本排除；选取每张图片的得分最高的区域作为最终的共定位结果。本发明在多类别图像对象协同检测方面有良好的表现，可应用于图像数据库管理，图像对象识别等领域。
-
公开(公告)号：CN113781363B
公开(公告)日：2024-03-05
申请号：CN202111147792.1
申请日：2021-09-29
Applicant: 北京航空航天大学
IPC: G06T5/77 , G06T5/50 , G06T5/60 , G06N3/0464
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：CN113642515B
公开(公告)日：2023-11-24
申请号：CN202111007502.3
申请日：2021-08-30
Applicant: 北京航空航天大学
IPC: G06V40/10 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本公开的实施例公开了基于姿态关联的行人识别方法与装置、电子设备和介质。该方法的一具体实施方式包括：获取行人图像和自身类别，将行人图像和自身类别输入预先训练的ResNet和预先训练的HR‑Net中，得到第一特征图和热度图；将热度图经过上采样扩大范围，融合为掩码图；将第一特征图和掩码图输入部件内部关联模块中，以生成第二特征图；对第二特征图进行横向和方块的划分，得到特征集合，对热度图进行关键点式的划分，得到关键点特征集合；将特征集合和关键点特征集合输入部件外部关联模块，得到全局特征和局部特征，根据全局特征和局部特征，得到图像表征和分类结果。该实施方式提高了行人识别的准确率。
-
公开(公告)号：CN110991460B
公开(公告)日：2023-11-21
申请号：CN201910984822.0
申请日：2019-10-16
Applicant: 北京航空航天大学
IPC: G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.061 seconds)
