-
公开(公告)号：CN115392474A
公开(公告)日：2022-11-25
申请号：CN202210671735.1
申请日：2022-06-14
Applicant: 南京理工大学 , 北京空间飞行器总体设计部
IPC: G06N20/00 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种基于迭代优化的局部感知图表示学习方法，在每次迭代过程中，通过将全局统计标签图和个体标签分布图进行融合，为每个图像样本动态地构建不同的标签图，实现标签节点之间相关性的自适应。对每个图像学习特定的节点特征表示，同时利用过去的预测结果作为指导，来预测图像的多标签。并且，在迭代优化的模型框架中，通过构建重复的网络模块，实现了多标签预测结果的从粗糙到精细的优化过程。本发明采用上述的一种基于迭代优化的局部感知图表示学习方法，可以实现更加鲁棒的多标签预测。
-
公开(公告)号：CN115115654A
公开(公告)日：2022-09-27
申请号：CN202210670321.7
申请日：2022-06-14
Applicant: 北京空间飞行器总体设计部 , 南京理工大学
Abstract: 本发明公开了一种基于显著性和近邻形状查询的物体图像分割方法，步骤如下：S1、在CPU中输入图像I，进行M个尺度的过分割；S2、针对步骤S1划分的每个尺度的区域集合，基于区域上下文和封闭性先验，计算显著性，并将多个尺度的结果进行加权融合，得到图像的显著性图；S3、将得到的显著性图进行划分，通过设置三级阈值T1、T2、T3；S4、根据显著性特征图的相似性查找近邻分割形状，计算得到形状概率图；S5、将形状概率图和颜色概率图融合，通过优化求解Graph Cut问题，得二值分割结果。本发明采用上述的一种基于显著性和近邻形状查询的物体图像分割方法，使形状模型更好地拟合实例形状，具有更优的物体分割性能。
-
公开(公告)号：CN115115654B
公开(公告)日：2023-09-08
申请号：CN202210670321.7
申请日：2022-06-14
Applicant: 北京空间飞行器总体设计部 , 南京理工大学
Abstract: 本发明公开了一种基于显著性和近邻形状查询的物体图像分割方法，步骤如下：S1、在CPU中输入图像I，进行M个尺度的过分割；S2、针对步骤S1划分的每个尺度的区域集合，基于区域上下文和封闭性先验，计算显著性，并将多个尺度的结果进行加权融合，得到图像的显著性图；S3、将得到的显著性图进行划分，通过设置三级阈值T1、T2、T3；S4、根据显著性特征图的相似性查找近邻分割形状，计算得到形状概率图；S5、将形状概率图和颜色概率图融合，通过优化求解Graph Cut问题，得二值分割结果。本发明采用上述的一种基于显著性和近邻形状查询的物体图像分割方法，使形状模型更好地拟合实例形状，具有更优的物体分割性能。
-
公开(公告)号：CN115392474B
公开(公告)日：2023-08-22
申请号：CN202210671735.1
申请日：2022-06-14
Applicant: 南京理工大学 , 北京空间飞行器总体设计部
IPC: G06N20/00 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种基于迭代优化的局部感知图表示学习方法，在每次迭代过程中，通过将全局统计标签图和个体标签分布图进行融合，为每个图像样本动态地构建不同的标签图，实现标签节点之间相关性的自适应。对每个图像学习特定的节点特征表示，同时利用过去的预测结果作为指导，来预测图像的多标签。并且，在迭代优化的模型框架中，通过构建重复的网络模块，实现了多标签预测结果的从粗糙到精细的优化过程。本发明采用上述的一种基于迭代优化的局部感知图表示学习方法，可以实现更加鲁棒的多标签预测。
-
-
-
Search Results
4
records
(took 0.043 seconds)
