-
公开(公告)号：CN117522771A
公开(公告)日：2024-02-06
申请号：CN202311220311.4
申请日：2023-09-20
申请人： 中国科学院自动化研究所
IPC分类号： G06T7/00 , G06V10/764
摘要： 本发明提供一种图像质量评价方法及装置，该方法包括：根据各样本图像的质量分数预测值大于样本图像中其他样本的质量分数预测值的概率，确定质量分数预测值的排序索引估计值，质量分数预测值通过IQA模型得到；根据各样本图像的质量分数标签值大于样本图像中其他样本的质量分数标签值之间的概率，确定质量分数标签值的排序索引估计值；根据质量分数预测值的排序索引估计值和质量分数标签值的排序索引估计值，确定SROCC，根据SROCC确定IQA模型的损失值；根据IQA模型的损失值，基于梯度反向传播算法对IQA模型进行训练，基于训练好的IQA模型得到待评价图像的质量分数预测值。本发明实现将SROCC用于IQA模型的训练。
-
公开(公告)号：CN116703753A
公开(公告)日：2023-09-05
申请号：CN202310525086.9
申请日：2023-05-10
申请人： 中国科学院自动化研究所
摘要： 本发明提供一种面向特定下游视觉任务的图像复原方法及装置，其中方法包括：将目标图像的图像特征输入训练好的智能体模型，得到参数调整量；基于参数调整量，对图像复原工具箱中的算法包含的多个调节参数进行调整；使用调整后的图像复原工具箱对目标图像进行处理得到复原图像，基于图像质量评估模型，获取复原图像对应的图像质量分数；将复原图像作为更新的目标图像，并重复上述步骤，直至达到设定终止条件，将获取的多个图像质量分数中的最大值对应的复原图像作为目标图像的图像复原结果输出。从而复原图像直接面向下游视觉任务的需求优化，能在下游视觉任务中获得更好的表现。
-
公开(公告)号：CN112203089A
公开(公告)日：2021-01-08
申请号：CN202011396914.6
申请日：2020-12-03
申请人： 中国科学院自动化研究所
IPC分类号： H04N19/115 , H04N19/146 , H04N19/91
摘要： 本发明属于数字图像处理技术领域，具体涉及了一种基于稀疏编码的码率控制的图像压缩方法、系统及装置，旨在解决现有遥感图像压缩码率不易控制且码率分配不合理，导致遥感图像压缩效率低，压缩后图像重建质量低的问题。本发明包括：将待编码图像划分为设定大小，并进行编码参数设定；提取图像块均值并进行量化和熵编码；每次更新图像实际编码码率后，与设定目标码率进行比较，并根据比较结果确定下一步操作；每次迭代编码时，选取复杂度较高的图像块进行稀疏编码，其数量由当前图像实际编码码率、设定目标码率和系数共同决定；在设定的编码码率下完成图像编码。本发明编码码率精准可控，分配合理并能动态调整，可以实现图像的高效、高质量压缩。
-
公开(公告)号：CN117058023A
公开(公告)日：2023-11-14
申请号：CN202310967661.0
申请日：2023-08-02
申请人： 中国科学院自动化研究所
IPC分类号： G06T5/00
摘要： 本发明提供一种ISP参数预测方法及装置，该方法包括：将待处理RAW图像输入特征提取器中，得到第一特征矩阵；将第一特征矩阵输入自注意力层，得到自注意力层输出的注意力图，将注意力图输入多尺度Swin Transformer模型，得到第二特征矩阵；将第二特征矩阵输入第一分支和第二分支，得到待处理RAW图像中每个像素对应的ISP参数最优值和置信分数；将像素对应的ISP参数最优值和置信分数相乘后计算平均值，得到待处理RAW图像对应的ISP参数最优值。本发明对任意RAW图像均可自动预测最优ISP参数，且预测参数适用于全局图像，提高成像质量和效率。
-
公开(公告)号：CN115908307A
公开(公告)日：2023-04-04
申请号：CN202211427497.6
申请日：2022-11-15
申请人： 中国科学院自动化研究所
IPC分类号： G06T7/00 , G06T5/00 , G06N3/0464 , G06N3/08 , G06V10/77 , G06V10/774
摘要： 本发明属于图像处理领域，具体涉及一种基于多阶段预训练的无参考图像质量检测方法及系统。本发明方法包括顺次通过第一特征提取器、第二特征提取器对待检测图像进行特征提取，获取图像特征；所述第一特征提取器为图像复原网络中的编码器，所述第二特征提取器为多个并行设置的结构一致的特征提取子网络，基于不同IQA数据集采用图像质量评估方法进行整体训练后获取；依据所述图像特征，通过图像质量检测网络，得到第二检测结果；所述图像质量检测网络基于跨数据集质量检测相关性和自注意力机制构建。本发明提高了对不同类别图像进行质量检测时准确性、泛化性。
-
公开(公告)号：CN112203089B
公开(公告)日：2021-02-23
申请号：CN202011396914.6
申请日：2020-12-03
申请人： 中国科学院自动化研究所
IPC分类号： H04N19/115 , H04N19/146 , H04N19/91
摘要： 本发明属于数字图像处理技术领域，具体涉及了一种基于稀疏编码的码率控制的图像压缩方法、系统及装置，旨在解决现有遥感图像压缩码率不易控制且码率分配不合理，导致遥感图像压缩效率低，压缩后图像重建质量低的问题。本发明包括：将待编码图像划分为设定大小，并进行编码参数设定；提取图像块均值并进行量化和熵编码；每次更新图像实际编码码率后，与设定目标码率进行比较，并根据比较结果确定下一步操作；每次迭代编码时，选取复杂度较高的图像块进行稀疏编码，其数量由当前图像实际编码码率、设定目标码率和系数共同决定；在设定的编码码率下完成图像编码。本发明编码码率精准可控，分配合理并能动态调整，可以实现图像的高效、高质量压缩。
-
公开(公告)号：CN118747730A
公开(公告)日：2024-10-08
申请号：CN202410641051.6
申请日：2024-05-22
申请人： 中国科学院自动化研究所
IPC分类号： G06T7/00 , G06V10/80 , G06V10/774 , G06V10/764 , G06N3/0455 , G06N3/08
摘要： 本发明提供一种图像质量评估方法、装置、电子设备及存储介质，该方法包括：获取待评估图像和待评估图像的用户评估需求提示信息；将待评估图像和用户评估需求提示信息输入至图像质量评估模型，得到图像质量评估模型输出的待评估图像的图像质量评分；图像质量评估模型是根据图像样本及对应的用户评估需求提示信息样本训练得到的；用户评估需求提示信息样本包括图像样本对应的图像质量评估分数标签。本发明可以有针对性地对待评估图像进行图像质量评估和评分，提升图像质量评估的场景适应性，同时，可以在不用模型微调的情况下，通过极少量的提示信息对未知的评估需求达到很好的迁移能力，大大降低了图像质量评估模型在全新评估需求的迁移成本。
-
公开(公告)号：CN114170112A
公开(公告)日：2022-03-11
申请号：CN202111548137.7
申请日：2021-12-17
申请人： 中国科学院自动化研究所
摘要： 本申请实施例公开了一种修复图像的方法、装置以及存储介质。其中，该方法包括：根据待修复图像预测目标掩膜图像，所述目标掩膜图像包括与所述待修复图像的像素一一对应的权重，任一所述权重大于或者等于0且小于或者等于1，根据所述目标掩膜图像对所述待修复图像进行编码，得到所述待修复图像的编码特征图，所述编码特征图的每个特征值均是所述待修复图像的相应特征值与所述目标掩膜图像中对应的权重相乘得到，对所述编码特征图解码得到所述待修复图像对应的修复图像，解决了提取的待修复图像的特征准确性的问题，即提取的待修复图像的特征准确性较好。
-
公开(公告)号：CN118072079A
公开(公告)日：2024-05-24
申请号：CN202410123207.1
申请日：2024-01-29
申请人： 中国科学院自动化研究所 , 人民中科(北京)智能技术有限公司
IPC分类号： G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/049 , G06N3/0464 , G06N3/048 , G06N3/084
摘要： 本发明提供一种基于脉冲神经网络的小目标物体识别方法及装置，该方法包括：获取待测物体图像；基于双流融合模型对待测物体图像进行分类识别，得到分类识别结果；双流融合模型基于脉冲神经网络和残差网络构建得到，双流融合模型通过以样本物体图像为训练样本，以融合特征为训练特征训练得到；融合特征基于脉冲神经网络输出特征和残差网络输出特征确定，脉冲神经网络和残差网络分别包括多个依次排列的残差块，脉冲神经网络的当前残差块输入的特征为脉冲神经网络的上一个残差块输出的特征和残差网络中与上一个残差块对应的残差块输出的特征之和。本发明所述方法能够提取更丰富的图像特征信息，可提升小目标物体的识别精度。
-
公开(公告)号：CN114219936A
公开(公告)日：2022-03-22
申请号：CN202111266514.8
申请日：2021-10-28
申请人： 中国科学院自动化研究所 , 人民中科(济南)智能技术有限公司
IPC分类号： G06V10/25 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明提供一种目标检测方法、电子设备、存储介质和计算机程序产品，方法包括获取包含待检测目标的待检测图像；将所述待检测图像输入至目标检测模型，进行目标检测，获得所述目标检测模型输出的目标检测结果，所述目标检测模型是基于候选框及其对应的正负标签训练得到的，所述正负标签是基于所述候选框与所述候选框对应的真实框的交并比，以及动态变化的交并比阈值确定得到的。本发明通过动态变化的交并比阈值，动态变化候选框的正负标签，以使最后分配给候选框的正负标签为准确标签，从而提高候选框的标签分配准确度，进而提高目标检测模型的召回率，最终实现高性能的目标检测。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.029 秒)
