公开(公告)号：CN116681655A

公开(公告)日：2023-09-01

申请号：CN202310553305.4

申请日：2023-05-16

Applicant: 北京大学深圳研究生院

Inventor： 夏富坤 ,  钱刃 ,  刘洋 ,  丘文峰 ,  杨文帮 ,  李建华 ,  赵建川

IPC: G06T7/00 ,  G06V10/74 ,  G06V10/82 ,  G06N3/0464 ,  G06N5/04

Abstract: 一种基于残差代价卷的立体匹配方法及网络，根据提取得到的特征金字塔构建多个不同尺度的第一残差代价卷，每个第一残差代价卷的维度不同，采用残差异构聚合方式对这些残差代价卷进行信息融合，能够高效聚合异构代价表征，实现多态代价表征的信息交互，从而解决多尺度代价卷网络的信息冗余问题，使得双目立体匹配网络在精度和推理速度上取得更好的平衡，根据多个不同尺度的第一视差图进行误差修正，可以有效地提升立体匹配的质量。

公开(公告)号：CN116563321A

公开(公告)日：2023-08-08

申请号：CN202310419681.4

申请日：2023-04-10

Applicant: 北京大学深圳研究生院

Inventor： 钱刃 ,  丘文峰 ,  杨文帮 ,  李建华 ,  赵剑川 ,  赵勇 ,  王新安

IPC: G06T7/13 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出了一种深度边缘提取方法，基于预先训练的深度边缘提取网络对获取的待检测图片进行深度边缘提取，得到第一深度边缘图；通过损失函数对深度边缘检测网络进行训练，其中损失函数包括：第一损失函数、第二损失函数和超参数，第一损失函数用于约束训练样本的深度边缘真值图与深度边缘提取网络提取的训练样本的深度边缘图之间的损失，第二损失函数用于约束训练样本的纹理边缘图与深度边缘提取网络提取的训练样本的深度边缘图之间的损失，超参数用于调节第一损失函数和第二损失函数的权重，通过该边缘提取方法可以准确地得到待检测图像中的深度边缘，有效避免深度边缘图中的纹理边缘，提升需要深度边缘的视觉算法的性能。

公开(公告)号：CN116580044A

公开(公告)日：2023-08-11

申请号：CN202310381789.9

申请日：2023-04-11

Applicant: 北京大学深圳研究生院

Inventor： 钱刃 ,  杨文帮 ,  李建华 ,  丘文峰 ,  赵剑川 ,  赵勇 ,  王新安

IPC: G06T7/13 ,  G06T5/00 ,  G06T7/00 ,  G06V10/74 ,  G06V10/42 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于单目的遮挡区域检测方法及设备，包括获取一张第一待检测图像;采用编码方法对满足预设条件的第一待检测图像进行编码处理，以得到不同尺寸的至少第一特征图、第二特征图和第三特征图；采用解码方法对第一特征图、所述第二特征图和第三特征图进行解码处理，以得到与第一待检测图像尺寸相同的第四特征图；对第四特征图进行处理，以输出检测出遮挡区域的图像。该方法在编码阶段对第一待检测图像进行了连续下采样处理得到了不同尺度的多个特征图，在不同尺度的特征图上分别使用对应尺度的待检测图像进行引导滤波，让检测到的遮挡区域的边缘部分更加清晰，可根据单张图像准确判断出遮挡区域，能够精确定位遮挡区域的位置和大小。