-
公开(公告)号：CN105913377A
公开(公告)日：2016-08-31
申请号：CN201610172203.8
申请日：2016-03-24
Applicant: 南京大学
CPC classification number: G06T3/4038 , G06T5/50 , G06T2207/20104
Abstract: 本发明公开了一种保留图片相关性信息的图片拼接方法，包括以下步骤：步骤1，相关性分析：采集待拼接的图片得到图片集，并使每张图片获得一个类标签，再由t分布随机领域嵌入方法t?SNE方法将图片的相关性信息嵌入到初始展示面板分布中，得到t?SNE分布结果；步骤2，初始化展示面板子区域；步骤3，展示面板子区域划分：结合子区域优化及错误位置校正方法，确定每幅图片的朝向角θ、摆放位置、缩放尺度，并保证图片的相关性信息不被丢失；步骤4，无缝混合渲染：基于概率混合模型对展示面板子区域之间的边界区域进行无缝混合渲染，从而完成图片集中图片的剪切拼接。
-
公开(公告)号：CN109740682B
公开(公告)日：2020-07-28
申请号：CN201910016055.4
申请日：2019-01-08
Applicant: 南京大学
Abstract: 本发明公开了一种基于域转化和生成模型的图像识别方法，包括以下步骤：步骤1：构造从源域到目标域的转换模型；步骤2：构造从目标域到源域的转换模型；步骤3：构造二分类判别模型；步骤4：构造生成器；步骤5：构造分类类别为K+1的分类模型，K为类别数目；步骤6：根据步骤1,2,3,4,5得到基于源域和目标域的分类模型；步骤7：根据步骤6中得到的模型就可以得到待分类图像的分类结果。
-
公开(公告)号：CN109740682A
公开(公告)日：2019-05-10
申请号：CN201910016055.4
申请日：2019-01-08
Applicant: 南京大学
Abstract: 本发明公开了一种基于域转化和生成模型的图像识别方法，包括以下步骤：步骤1：构造从源域到目标域的转换模型；步骤2：构造从目标域到源域的转换模型；步骤3：构造二分类判别模型；步骤4：构造生成器；步骤5：构造分类类别为K+1的分类模型，K为类别数目；步骤6：根据步骤1,2,3,4,5得到基于源域和目标域的分类模型；步骤7：根据步骤6中得到的模型就可以得到待分类图像的分类结果。
-
公开(公告)号：CN105913377B
公开(公告)日：2018-10-16
申请号：CN201610172203.8
申请日：2016-03-24
Applicant: 南京大学
Abstract: 本发明公开了一种保留图片相关性信息的图片拼接方法，包括以下步骤：步骤1，相关性分析：采集待拼接的图片得到图片集，并使每张图片获得一个类标签，再由t分布随机领域嵌入方法t‑SNE方法将图片的相关性信息嵌入到初始展示面板分布中，得到t‑SNE分布结果；步骤2，初始化展示面板子区域；步骤3，展示面板子区域划分：结合子区域优化及错误位置校正方法，确定每幅图片的朝向角θ、摆放位置、缩放尺度，并保证图片的相关性信息不被丢失；步骤4，无缝混合渲染：基于概率混合模型对展示面板子区域之间的边界区域进行无缝混合渲染，从而完成图片集中图片的剪切拼接。
-
-
-
Search Results
4
records
(took 0.017 seconds)
