-
公开(公告)号：CN115908723B
公开(公告)日：2023-06-16
申请号：CN202310221993.4
申请日：2023-03-09
Applicant: 中国科学技术大学
IPC: G06T17/00 , G06V10/40 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本公开提供了一种基于区间感知的极线引导多视图立体重建方法、装置、设备及存储介质，可以应用于计算机视觉技术领域和多视图立体重建技术领域。该方法包括重复执行以下操作直至满足预设条件：在确定循环轮次不满足预设条件的情况下，提取K个目标图像各自的特征图像得到本轮次的目标分辨率的K个特征图像；将本轮次的K个特征图像和本轮次的预设深度信息输入极线引导代价体模块得到本轮次的目标代价体；将本轮次的目标代价体输入三维卷积神经网络得到本轮次的概率量；将本轮次的概率量和本轮次的预设深度信息输入区间感知深度估计模块得到本轮次的预测深度图；将在循环轮次满足预设条件的情况下得到的本轮次的预设深度图确定为目标深度图。
-
公开(公告)号：CN115908723A
公开(公告)日：2023-04-04
申请号：CN202310221993.4
申请日：2023-03-09
Applicant: 中国科学技术大学
IPC: G06T17/00 , G06V10/40 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本公开提供了一种基于区间感知的极线引导多视图立体重建方法、装置、设备及存储介质，可以应用于计算机视觉技术领域和多视图立体重建技术领域。该方法包括重复执行以下操作直至满足预设条件：在确定循环轮次不满足预设条件的情况下，提取K个目标图像各自的特征图像得到本轮次的目标分辨率的K个特征图像；将本轮次的K个特征图像和本轮次的预设深度信息输入极线引导代价体模块得到本轮次的目标代价体；将本轮次的目标代价体输入三维卷积神经网络得到本轮次的概率量；将本轮次的概率量和本轮次的预设深度信息输入区间感知深度估计模块得到本轮次的预测深度图；将在循环轮次满足预设条件的情况下得到的本轮次的预设深度图确定为目标深度图。
-
公开(公告)号：CN114494609B
公开(公告)日：2022-09-06
申请号：CN202210340988.0
申请日：2022-04-02
Applicant: 中国科学技术大学
Abstract: 本申请公开了一种3D目标检测模型的构建方法、装置和电子设备，该方法和装置具体为对输入的点云场景进行处理，得到点云场景的多个点云特征；对多个点云特征进行采样处理，得到点云场景的多个关键点；基于多个关键点进行模型构建，得到3D目标检测模型。本方案根据具体点云场景中特定的信息自适应地进行关键点的采样，从而实现对前景物体更完整的覆盖和更准确且鲁棒的定位和识别。
-
公开(公告)号：CN114419349B
公开(公告)日：2022-07-15
申请号：CN202210322040.2
申请日：2022-03-30
Applicant: 中国科学技术大学
Abstract: 本申请提供图像匹配方法和装置，方法包括：获取针对目标场景在不同拍摄状态拍摄的第一图像和第二图像；对第一图像和第二图像分别提取粗粒度特征，得到第一图像和第二图像分别对应的粗粒度特征图；对第一图像和第二图像分别对应的粗粒度特征图分别进行邻域特征聚合，得到第一图像和第二图像分别对应的邻域聚合特征图；根据第一图像中每个像素点对应的邻域聚合特征与第二图像中每个像素点对应的邻域聚合特征，确定第一图像每个像素点与第二图像每个像素点的粗粒度特征相似度；根据确定的粗粒度特征相似度，确定第一图像与第二图像中的匹配像素对。本申请考第一图像和第二图像的每个像素点进行匹配，匹配准确度好，不会出现关键点检测缺失的情况。
-
公开(公告)号：CN114638839A
公开(公告)日：2022-06-17
申请号：CN202210536170.6
申请日：2022-05-18
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种基于动态原型学习的小样本视频目标分割方法，包括：获取待分割的视频目标；利用基于动态原型学习的小样本视频目标分割模型处理待分割的视频目标，获得视频目标分割结果。本发明提供的小样本视频目标分割方法，使用最优传输方法自适应学习动态原型，有效减少了噪声注意力，同时采用引导的方式对多层级特征图进行匹配，大幅减少了计算量；该方法可以充分提取少量支撑集样本中的目标信息，显著提高在质询集视频上的分割性能。本发明同时还公开了用于执行基于动态原型学习的小样本视频目标分割方法的电子设备、存储介质以及计算机程序产品。
-
Patent Agency Ranking
公开(公告)号：CN114612688A
公开(公告)日：2022-06-10
申请号：CN202210525739.9
申请日：2022-05-16
Applicant: 中国科学技术大学
Abstract: 本发明提供一种对抗样本生成方法，包括：基于空间注意力机制，对与当前轮迭代对应的图像特征数据进行第一处理，得到与当前轮迭代对应的图像的第一图像特征向量；对与当前轮迭代对应的图像的图像特征数据进行第二处理，得到与当前轮迭代对应的图像的第二图像特征向量；对由分散度函数和特征通道权重函数构成的函数组进行求导，基于求导后的函数组，根据与当前轮迭代对应的图像的第二图像特征向量和与当前轮迭代对应的图像的第一图像特征向量，得到与当前轮迭代对应的图像的梯度值，根据与当前轮迭代对应的图像的梯度值和与当前轮迭代对应的图像，得到与下一轮迭代对应的图像；将满足预定迭代条件的图像确定为对抗样本。本发明还提供一种电子设备。
-
公开(公告)号：CN112562849A
公开(公告)日：2021-03-26
申请号：CN202011445147.3
申请日：2020-12-08
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种基于层次结构和共现结构的临床自动诊断方法及系统，方法包括：收集基本数据，并对基本数据进行预处理，其中，基本数据至少包括：患者的电子健康记录、患者的诊断代码集合和诊断代码之间的层次结构；基于预处理后的基本数据对临床记录文本特征建模；基于预处理后的基本数据对诊断代码语义表示建模；基于临床记录文本特征建模结果和诊断代码语义表示建模结果对诊断代码分层分配建模，得到临床自动诊断结果。本发明通过引入对层次结构的建模，可以使用高级别的诊断结果来指导低级别的诊断代码的分配，从而解决了分布不均衡的问题，同时通过共现结构捕获诊断代码之间的相关性能够进一步提高临床自动诊断的准确率。
-
公开(公告)号：CN114693983B
公开(公告)日：2022-09-30
申请号：CN202210595693.8
申请日：2022-05-30
Applicant: 中国科学技术大学
IPC: G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/82
Abstract: 本发明提供了一种基于图像‑实例对齐网络的训练方法和跨域目标检测方法。其中，该训练方法包括：将源域图片输入目标检测主干网络，得到初始化类别原型和待训练目标检测主干网络；将源域图片和目标域图片输入待训练目标检测主干网络，得到特征图和候选框区域特征；将特征图输入自适应前景感知的注意力模块，得到域标签概率和前景感知域标签概率；将候选框区域特征和初始化类别原型输入类别感知的原型对齐模块，得到候选框区域特征矩阵和初始化类别原型矩阵，利用候选框区域特征矩阵对初始化类别原型矩阵进行更新，得到滑动平均后的类别原型矩阵；对待训练目标检测主干网络联合训练，调整待训练目标检测主干网络的网络参数。
-
公开(公告)号：CN114612688B
公开(公告)日：2022-09-09
申请号：CN202210525739.9
申请日：2022-05-16
Applicant: 中国科学技术大学
Abstract: 本发明提供一种对抗样本生成方法，包括：基于空间注意力机制，对与当前轮迭代对应的图像特征数据进行第一处理，得到与当前轮迭代对应的图像的第一图像特征向量；对与当前轮迭代对应的图像的图像特征数据进行第二处理，得到与当前轮迭代对应的图像的第二图像特征向量；对由分散度函数和特征通道权重函数构成的函数组进行求导，基于求导后的函数组，根据与当前轮迭代对应的图像的第二图像特征向量和与当前轮迭代对应的图像的第一图像特征向量，得到与当前轮迭代对应的图像的梯度值，根据与当前轮迭代对应的图像的梯度值和与当前轮迭代对应的图像，得到与下一轮迭代对应的图像；将(56)对比文件程旭.基于空间感知的多级损失目标跟踪对抗攻击方法《.通信学报》.2021,Yantao Lu等.Enhancing Cross-taskTransferability of Adversarial Exampleswith Dispersion Reduction《.ResearchGate》.2019,
-
公开(公告)号：CN114550307B
公开(公告)日：2022-09-09
申请号：CN202210423969.4
申请日：2022-04-22
Applicant: 中国科学技术大学
IPC: G06V40/20 , G06V10/774 , G06V10/762 , G06V10/764 , G06K9/62
Abstract: 本发明提供了一种动作定位模型的训练方法，包括：操作1，对样本视频集中样本视频的样本特征数据进行聚类分析，得到第一伪标签集；操作2，利用样本视频集和第一伪标签集对初始动作定位模型进行训练，得到第一动作定位模型；操作3，根据第一动作定位模型和当前前景特征更新第一伪标签集，得到第二伪标签集；操作4，在确定第二伪标签集不满足预设条件的情况下，利用样本视频集和第二伪标签集对第一动作定位模型进行训练，得到第二动作定位模型；操作5，循环执行操作3和操作4以循环更新伪标签集，直到得到的第i伪标签集满足预设条件时，结束训练，得到最终动作定位模型。本发明还提供了一种动作定位模型的训练装置、动作定位方法。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.04 seconds)
