-
公开(公告)号：CN107862698A
公开(公告)日：2018-03-30
申请号：CN201711230611.5
申请日：2017-11-29
Applicant: 首都师范大学 , 中国科学院计算技术研究所
CPC classification number: G06T7/11 , G06K9/6223 , G06T7/136 , G06T7/168 , G06T7/194 , G06T2207/10052 , G06T2207/20052
Abstract: 本发明公开了一种基于K均值聚类的光场前景分割方法及装置，方法包括：针对待处理的光场图像，提取重聚焦图像、极线平面图像和全清晰图像；采用结构张量方法对极线平面图像进行处理，获取极线平面深度信息；采用离散余弦响应方法对重聚焦图像进行处理，获取重聚焦信息；采用超像素分割技术讲全清晰图像分割的多个区域，针对每一个区域，获取区域颜色特征、区域几何特征、区域对应点特征和区域重聚焦特征；并采用K均值聚类计算区域之间的相似度；基于相似度，采用图割算法标记前景和背景，获取光场图像的前景分割结果。上述方法处理后的前景分割结果比现有技术中的前景分割结果更准确。
-
公开(公告)号：CN106682731A
公开(公告)日：2017-05-17
申请号：CN201710027447.1
申请日：2017-01-13
Applicant: 首都师范大学 , 中国科学院计算技术研究所
CPC classification number: G06N3/0454 , G06N3/08
Abstract: 本发明提供了一种卷积神经网络的加速方法及装置，涉及图像处理技术领域，其中，该方法包括：在卷积神经网络中设置半停模块；在所述卷积神经网络的预测过程中，当执行至所述半停模块时，计算所述预测过程当前的预测结果；判断当前的所述预测结果是否满足预设预测要求；当当前的所述预测结果满足所述预设预测要求时，停止所述预测过程，并将当前的所述预测结果作为所述卷积神经网络的最终预测结果，否则，继续执行所述预测过程。本发明提供的卷积神经网络的加速方法及装置，可以解决现有技术中存在的CNN运行速度慢，难以执行实时性要求较高的任务的技术问题。
-
公开(公告)号：CN107862698B
公开(公告)日：2019-01-08
申请号：CN201711230611.5
申请日：2017-11-29
Applicant: 首都师范大学 , 中国科学院计算技术研究所
Abstract: 本发明公开了一种基于K均值聚类的光场前景分割方法及装置，方法包括：针对待处理的光场图像，提取重聚焦图像、极线平面图像和全清晰图像；采用结构张量方法对极线平面图像进行处理，获取极线平面深度信息；采用离散余弦响应方法对重聚焦图像进行处理，获取重聚焦信息；采用超像素分割技术讲全清晰图像分割的多个区域，针对每一个区域，获取区域颜色特征、区域几何特征、区域对应点特征和区域重聚焦特征；并采用K均值聚类计算区域之间的相似度；基于相似度，采用图割算法标记前景和背景，获取光场图像的前景分割结果。上述方法处理后的前景分割结果比现有技术中的前景分割结果更准确。
-
公开(公告)号：CN101876895A
公开(公告)日：2010-11-03
申请号：CN200910082720.6
申请日：2009-04-28
Applicant: 中国科学院计算技术研究所
IPC: G06F9/44
Abstract: 本发明提供一种网格计算环境下应用软件的封装集成方法，所述网格计算环境包括网格操作系统，所述网格操作系统包括模块管理模块，该方法包括：在所述网格操作系统的模板管理模块中查找是否包含与所述应用软件相对应的模板；在所述模板管理模块未包含有所述模板时，提取所述应用软件中与作业提交与作业管理有关的公共逻辑，将所述公共逻辑进行描述以生成模板；将所生成的模板添加到所述的模板管理模块中；为所述模板生成模板实例。
-
-
-
Search Results
4
records
(took 0.04 seconds)
