-
公开(公告)号：CN110942095A
公开(公告)日：2020-03-31
申请号：CN201911178510.7
申请日：2019-11-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种显著物体区域检测方法及系统，所述检测方法包括：通过采用多层卷积网络从待检测图像中进行特征抽取，获得多层级特征图；对多层级特征图进行显著值非线性回归处理，得到初级显著图；对所述初级显著图进行三次双线性插值处理，获得与所述待检测图像匹配的终极显著图。本发明通过采用多层卷积网络进行特征图抽取获得多层级特征图，进而进行显著值非线性回归处理得到初级显著图，通过三次双线性插值处理得到所述待检测图像匹配的终极显著图，从而实现端到端的特征抽取，可提高抽取图像显著物体区域的效率。
-
公开(公告)号：CN110322512A
公开(公告)日：2019-10-11
申请号：CN201910576543.0
申请日：2019-06-28
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉和机器人技术领域，特别涉及一种结合小样本实例分割和三维匹配的物体位姿估计方法，旨在为了解决现有六自由度物体位姿估计方法对背景杂乱、前景物体遮挡鲁棒性弱，需要训练样本数量大的问题，本发明基于有限样本扩容变换得到的大量训练样本，训练得到实例分割模型，使用训练好的实例分割模型对包含待测目标物体场景的彩色图像进行实例分割，依据实例分割结果获取目标物体的深度图像点云和目标物体三维模型，通过预设的三维匹配方法将目标物体图像点云和目标物体三维模型进行匹配，并确定出目标物体的六自由度位姿。本发明能够在训练样本有限、背景杂乱、前景物体遮挡条件下，有效进行六自由度物体位姿估计，鲁棒性好。
-
公开(公告)号：CN104484751A
公开(公告)日：2015-04-01
申请号：CN201410771966.5
申请日：2014-12-12
Applicant: 中国科学院自动化研究所
IPC: G06Q10/06
CPC classification number: G06Q10/0631 , G06Q10/06316
Abstract: 本发明公开了一种生产计划与资源配置动态优化方法及装置。所述方法包括：对生产工艺流程、生产资源、优化目标和约束规则进行抽象化描述，建立生产计划模型；依据生产计划模型，利用优化算法对生产计划进行优化，得到最优的资源配置和时间进度计划；对优化后的生产计划进行审核和调整，得到更优的生产计划；对生产计划进行拆分，以生产任务单的形式下达到具体的项目组；依据任务单展开生产作业，并采集现场数据、问题反馈；根据采集到的现场数据与由优化算法得到的结果进行对比和分析，并将结果进行反馈，用来对生产计划模型进行学习、调整。
-
Patent Agency Ranking
公开(公告)号：CN113256581B
公开(公告)日：2022-09-02
申请号：CN202110555658.9
申请日：2021-05-21
Applicant: 中国科学院自动化研究所
IPC: G06T7/00 , G06T7/11 , G06T5/50 , G06V10/774 , G06V10/762 , G06V10/46 , G06T5/00
Abstract: 本发明属于零件表面损伤检测技术领域，具体涉及一种基于视觉注意建模融合的缺陷样本自动标注方法及系统，旨在解决现有技术中无法实现精密零件样本表面缺陷的自动标注问题，方法包括对输入的原始样本图像进行超像素分割，将图像自动分割成若干个具有预设特征的图像区域；对每个图像区域分别计算基于视觉注意建模融合的显著图，并利用标记阵列分割方法将该显著图中的显著区域分割出来以作为缺陷候选区域；提取缺陷候选区域的特征，并进行聚类，得到若干个不同类别的缺陷样本，根据少量标签或已知的标签定义规则对每个缺陷样本进行标注，也可通过人机交互对未知类别进行手动标注；通过本发明可大大减少人工标注的工作量，标注效率高、准确度好。
-
公开(公告)号：CN113256581A
公开(公告)日：2021-08-13
申请号：CN202110555658.9
申请日：2021-05-21
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于零件表面损伤检测技术领域，具体涉及一种基于视觉注意建模融合的缺陷样本自动标注方法及系统，旨在解决现有技术中无法实现精密零件样本表面缺陷的自动标注问题，方法包括对输入的原始样本图像进行超像素分割，将图像自动分割成若干个具有预设特征的图像区域；对每个图像区域分别计算基于视觉注意建模融合的显著图，并利用标记阵列分割方法将该显著图中的显著区域分割出来以作为缺陷候选区域；提取缺陷候选区域的特征，并进行聚类，得到若干个不同类别的缺陷样本，根据少量标签或已知的标签定义规则对每个缺陷样本进行标注，也可通过人机交互对未知类别进行手动标注；通过本发明可大大减少人工标注的工作量，标注效率高、准确度好。
-
公开(公告)号：CN104050674A
公开(公告)日：2014-09-17
申请号：CN201410301797.9
申请日：2014-06-27
Applicant: 中国科学院自动化研究所
IPC: G06T7/00
Abstract: 本发明为一种显著性区域检测方法及装置。所述方法包括：利用基于局部同质性分析的分割方法将输入图像预分割为多个分割区域；对每一分割区域计算局部显著值和全局显著值，所述局部显著值是通过计算不同特征在多尺度近邻的对比度获得，所述全局显著值是通过度量不同特征的空间分布以及区域间的隔离性获得；利用每一分割区域的局部显著图和全局显著图中包含的信息量大小自动调节局部显著值与全局显著值在最终显著值中所占权重，对局部和全局显著值加权求和，获得每个分割区域的最终显著值，从而得到每个分割区域的最终显著图；所述局部显著图和全局显著图为所述局部显著值和全局显著图所表示的图；根据所述最终显著图从所述输入图像抽取显著区域。
-
公开(公告)号：CN111539428A
公开(公告)日：2020-08-14
申请号：CN202010374248.X
申请日：2020-05-06
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于多尺度特征整合和注意力机制的旋转目标检测方法、系统、装置，旨在解决旋转目标检测方法检测精度较低、鲁棒性差的问题。本系统方法包括：获取待检测的图像；采用特征金字塔网络提取图像的多尺度特征，并进行处理、缩放、整合，得到整合多尺度的特征图I；分别对I进行处理，得到前景特征图、背景特征图，并与I进行矩阵逐点相乘运算，得到前景显著性特征图、背景显著性特征图；通过预设第一方法得到注意力特征图，并通过区域建议网络获取待检测目标的候选区域；根据候选区域的位置，并结合注意力特征图，通过旋转目标检测网络得到检测结果。本发明提高了检测的精度及鲁棒性。
-
公开(公告)号：CN104050674B
公开(公告)日：2017-01-25
申请号：CN201410301797.9
申请日：2014-06-27
Applicant: 中国科学院自动化研究所
IPC: G06T7/00
Abstract: 本发明为一种显著性区域检测方法及装置。所述方法包括：利用基于局部同质性分析的分割方法将输入图像预分割为多个分割区域；对每一分割区域计算局部显著值和全局显著值，所述局部显著值是通过计算不同特征在多尺度近邻的对比度获得，所述全局显著值是通过度量不同特征的空间分布以及区域间的隔离性获得；利用每一分割区域的局部显著图和全局显著图中包含的信息量大小自动调节局部显著值与全局显著值在最终显著值中所占权重，对局部和全局显著值加权求和，获得每个分割区域的最终显著值，从而得到每个分割区域的最终显著图；所述局部显著图和全局显著图为所述局部显著值和全局显著图所表示的图；根据所述最终显著图从所述输入图像抽取显著区域。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.01 seconds)
