-
公开(公告)号：CN114549492B
公开(公告)日：2024-05-31
申请号：CN202210183020.1
申请日：2022-02-27
Applicant: 北京工业大学
Abstract: 一种基于多粒度图像信息内容的图像质量评价方法，属于计算机视觉领域。针对图像局部纹理信息的质量评价模块，首先将单颗花粉图像集合中每张花粉颗粒图片针对不同方向进行纹理特征的提取，然后平均加权求和求每张花粉颗粒图片的总纹理特征分数，其次将其纹理评价指标平均加权求和作为单颗花粉基于图像纹理内容信息的质量评价得分，之后将所有花粉颗粒得分进行平均加权求和作为基于图像局部纹理信息的质量评价得分。最终，我们将图像全局内容信息的质量分数和图像局部纹理信息的质量分数进行加权求和来得到花粉图片的最终得分。本发明更关注花粉颗粒质量的效果，比以往只考虑基于粗粒度的图像内容信息质量评价结果更加准确。
-
公开(公告)号：CN115511814A
公开(公告)日：2022-12-23
申请号：CN202211139826.7
申请日：2022-09-20
Applicant: 北京工业大学
Abstract: 一种基于兴趣区域多纹理特征融合的图像质量评价方法属于计算机视觉领域。本发明有针对性的关注局部花粉颗粒的纹理信息作为整张图像的质量分数。该模型的流程模块包括图像预处理模块、局部花粉颗粒提取模块、多纹理特征量化指标提取模块和质量评价最终得分模块。结果显示，我们提出的流程和解决方案关注局部花粉颗粒感兴趣区域的效果，可以更好感知花粉数据的质量。
-
公开(公告)号：CN116934775A
公开(公告)日：2023-10-24
申请号：CN202310821345.2
申请日：2023-07-06
Applicant: 北京工业大学
IPC: G06T7/11 , G06T5/00 , G06T5/20 , G06T5/40 , G06V10/762 , G06V10/80 , G06T3/40 , G06N3/0464 , G06N3/0895
Abstract: 一种基于噪声指数指导的多尺度半监督目标分割方法，属于计算机视觉领域，针对现有的单一传统分割方法鲁棒性不强、特征捕获能力有限，以及深度学习方法U‑Net对上下文信息关注不足、全监督方法像素级标注复杂的问题。本发明涉及两个层面的信息融合：由于单一的传统分割方法特征捕获能力有限，因此可以融合多种传统方法得到更加准确的伪标签；由于深度学习网络U‑Net对上下文信息关注不足，可以在每个阶段的跳跃连接融合不同尺度的下采样特征图，这样融合的特征图将会携带多尺度背景信息，并保存细粒度目标位置信息，进而使网络关注更重要区域。
-
Patent Agency Ranking
公开(公告)号：CN114926635B
公开(公告)日：2024-06-11
申请号：CN202210427559.7
申请日：2022-04-21
Applicant: 北京工业大学
IPC: G06V10/26 , G06V10/56 , G06V10/44 , G06V10/42 , G06V10/46 , G06V10/764 , G06V10/766 , G06T7/33
Abstract: 本发明公开了与深度学习方法相结合的多焦图像中目标分割方法，先对多焦图像进行配准；再基于目标的颜色与轮廓进行粗分割得到一张只包含单个目标的局部图像并基于目标中心所在位置与所属图像形成目标的定位标签；提出两种评价尺度，分别为目标清晰度判断模块与目标需求性判断模块；综合清晰度判断模块与需求性判断模块的分数得到目标的分割价值系数；最后针对具有相同定位标签的目标，比较其分割价值系数，将具有分割价值的目标放入语义细分割模块来获取多焦图像中所有清晰需求的非重复目标，以解决单独使用传统方法中所存在的分割粗糙的问题和单独使用深度学习语义分割方法中存在的效率低下、效果差等问题。这样便兼顾了分割的效果与效率。
-
公开(公告)号：CN115546466A
公开(公告)日：2022-12-30
申请号：CN202211201019.3
申请日：2022-09-28
Applicant: 北京工业大学
IPC: G06V10/24 , G06V10/25 , G06V10/764 , G06V10/80
Abstract: 一种基于多尺度显著特征融合的弱监督图像目标定位方法，属于计算机视觉领域。为了解决小目标图像ROI标注工作繁杂、CAM激活不足两个问题，本发明重点关注优化弱监督下分类网络输出类激活图的研究。本发明涉及两个层面的信息融合：①由于卷积神经网络中最底层的特征图语义信息弱但位置信息强，故可与最高层特征图进行融合得到分类网络最终的特征图；②由于分类网络对不同尺度ROI的敏感度不同，其得到的类激活图也有所不同，所以融合不同激活图中互补的对象信息能够完善图像中目标区域的定位，进而产生更准确的伪标签用于分割任务。
-
公开(公告)号：CN118644670A
公开(公告)日：2024-09-13
申请号：CN202311297475.7
申请日：2023-10-09
Applicant: 北京工业大学
IPC: G06V10/26 , G06V10/764 , G06V10/25 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 一种基于高显著特征逐步失活的弱监督语义分割方法，属于计算机视觉领域。首先将图像分为三个不同尺度：包括分类网络和分割网络。其中分类网络输入的是中尺度图像，功能是生成CAM图，训练过程中通过使用改进的PDA方法减小CAM中高显著特征的激活值，从而减少最具鉴别性区域的贡献，使得分类网络更关注其他区域的同时不会忽略最具鉴别性区域的特征，然后通过加权后的特征图进行分类，以此扩大分类网络生成的CAM图的显著区域，从而得到更准确的CAM图，最终分类网络的输出是优化的CAM图。分割网络的输入是三个不同尺度的图像，其基于U‑Net网络，由3个编码器和1个解码器组成。在解码阶段，网络将三个尺度的特征进行融合，获得更好的分割性能。
-
公开(公告)号：CN114926635A
公开(公告)日：2022-08-19
申请号：CN202210427559.7
申请日：2022-04-21
Applicant: 北京工业大学
IPC: G06V10/26 , G06V10/56 , G06V10/44 , G06V10/42 , G06V10/46 , G06V10/764 , G06V10/766 , G06T7/33
Abstract: 本发明公开了与深度学习方法相结合的多焦图像中目标分割方法，先对多焦图像进行配准；再基于目标的颜色与轮廓进行粗分割得到一张只包含单个目标的局部图像并基于目标中心所在位置与所属图像形成目标的定位标签；提出两种评价尺度，分别为目标清晰度判断模块与目标需求性判断模块；综合清晰度判断模块与需求性判断模块的分数得到目标的分割价值系数；最后针对具有相同定位标签的目标，比较其分割价值系数，将具有分割价值的目标放入语义细分割模块来获取多焦图像中所有清晰需求的非重复目标，以解决单独使用传统方法中所存在的分割粗糙的问题和单独使用深度学习语义分割方法中存在的效率低下、效果差等问题。这样便兼顾了分割的效果与效率。
-
公开(公告)号：CN114549492A
公开(公告)日：2022-05-27
申请号：CN202210183020.1
申请日：2022-02-27
Applicant: 北京工业大学
Abstract: 一种基于多粒度图像信息内容的图像质量评价方法，属于计算机视觉领域。针对图像局部纹理信息的质量评价模块，首先将单颗花粉图像集合中每张花粉颗粒图片针对不同方向进行纹理特征的提取，然后平均加权求和求每张花粉颗粒图片的总纹理特征分数，其次将其纹理评价指标平均加权求和作为单颗花粉基于图像纹理内容信息的质量评价得分，之后将所有花粉颗粒得分进行平均加权求和作为基于图像局部纹理信息的质量评价得分。最终，我们将图像全局内容信息的质量分数和图像局部纹理信息的质量分数进行加权求和来得到花粉图片的最终得分。本发明更关注花粉颗粒质量的效果，比以往只考虑基于粗粒度的图像内容信息质量评价结果更加准确。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
