-
公开(公告)号：CN108764049A
公开(公告)日：2018-11-06
申请号：CN201810398110.6
申请日：2018-04-27
Applicant: 南京邮电大学
CPC classification number: G06K9/00288 , G06K9/6201 , G06K9/6256
Abstract: 本发明公开了一种基于稀疏表示的人脸识别方法，包括以下步骤：步骤一：先输入训练样本矩阵，将所有训练样本与所有的对象类别级联起来，再输入一个测试样本；步骤二：将训练样本矩阵中的每个训练样本分别与测试样本进行校准，得到校准训练样本矩阵；步骤三：将校准训练样本矩阵进行标准化；步骤四：计算标准化后的校准训练样本矩阵中的每个训练样本与对应的标准图之间的误差，得到误差最小值；步骤五：计算测试样本与对应的标准图之间的剩余误差；步骤六：为所有的对象类别设置身份；步骤七：输出误差最小值对应的训练样本所对应的对象类别作为测试样本的对象类别。本发明的优点是：能更好地适应面部图像的非刚性视觉变化，识别精度和计算效率高。
-
公开(公告)号：CN110188768A
公开(公告)日：2019-08-30
申请号：CN201910384869.3
申请日：2019-05-09
Applicant: 南京邮电大学
Abstract: 一种实时图像语义分割方法及系统，所述方法包括：编码器基于分解卷积操作和并行分解卷积操作提取输入图像的图像特征，得到低分辨率的深层语义特征图并输出至解码器；所述解码器基于分解卷积操作和并行分解卷积操作对所述低分辨率的深层语义特征图进行细节精调，并将细节精调后的低分辨率的深层语义特征图上采样到所述输入图像大小，恢复输入图像的空间信息并向分割类别映射，最终生成与输入图像具有相同分辨率的语义分割结果图。上述的方案，可以在使用有限的计算资源进行实时图像语义分割时，提高分割的准确性。
-
公开(公告)号：CN109727249A
公开(公告)日：2019-05-07
申请号：CN201811500778.3
申请日：2018-12-10
Applicant: 南京邮电大学
IPC: G06T7/10
Abstract: 本发明揭示了一种新的用于图像语义分割的深度卷积神经网络架构，包含骨干网与上下文融合网络两个部分。充分利用卷积网络中各卷积层特征信息，将浅层与深层上下文信息进行结合，从而得到更好的图像语义分割效果。与深层卷积特征相比，浅层卷积特征能保留较好的图像底层细节信息，而深层特征能够提取高层语义信息，把两者的卷积特性结合起来可同时兼顾图像中局部和全局的上下文特征，又决定了最终分割准确率的高低，为此本发明该网络架构可以对网络中浅层与深层的特征进行精炼提取。实验结果表明，与传统的深度卷积网络模型相比，该方法在分割的精度以及效率上都有了明显的提高。
-
公开(公告)号：CN110084274B
公开(公告)日：2022-09-06
申请号：CN201910247530.9
申请日：2019-03-29
Applicant: 南京邮电大学
Abstract: 一种实时图像语义分割方法及系统、可读存储介质和终端，所述方法包括：编码器对输入的原始特征图像利用基于特征通道的拆分和重排的卷积单元进行卷积操作以提取图像特征并输出至解码器；所述解码器采用注意力金字塔网络模型对所述编码器的输出特征图像进行密集的特征提取，并将所提取的特征向分割类别进行映射，最后将分割结果上采样到输入的原始特征图像分辨率。上述的方案，在使用有限的计算资源进行实时图像语义分割时，提高分割的准确性。
-
公开(公告)号：CN109086768A
公开(公告)日：2018-12-25
申请号：CN201810768753.5
申请日：2018-07-13
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种卷积神经网络的语义图像分割方法，通过结合网络架构中部分分层特征融合和全连接的条件随机场处理实现语义图像分割。具体包括步骤：构建由卷积层、池化层、上采样层、损失函数组成的网络架构模型，且模型中每一分层的步长大小，卷积核大小以及输出的特征图个数按规格定制；对网络架构中浅层与深层的信息进行融合，并将融合后的特征进行上采样至原图分辨率大小；对上采样输出的特征图像采用全连接的条件随机场进行后处理优化分割。本发明方案的应用，通过不同分层的特征融合，充分利用了各层信息，提高了最终的准确率；结合全连接的CRF对网络输出结果进行后处理，处理了各像素点之间的联系，使得图片分割的结果更加精确和平滑。
-
Patent Agency Ranking
公开(公告)号：CN109034162B
公开(公告)日：2022-07-26
申请号：CN201810769340.9
申请日：2018-07-13
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种图像语义分割方法，包含编码和解码两部分，其中编码端基于经典的FCN的模型包含了一系列的卷积操作和最大池化操作来提取特征，且卷积后特征图的通道数加倍，最大池化后特征图的长和宽减半；解码端先把编码端卷积层提取的特征图进行不同倍数的上采样，然后和解码端两倍上采样的特征图连接，再进行卷积提取综合特征。这样浅层的信息和深层的信息能较好的融合，最终网络输出一个21维且和原图大小相同的矩阵。本发明技术方案的提出并应用，重新定义了网络结构，通过结合解码端和解码端的特征图，充分地利用了网络的上下文信息，在一定程度上提高了最终的准确率；并且保留了分割图相对原始图像的分辨率大小。
-
公开(公告)号：CN108764049B
公开(公告)日：2021-11-16
申请号：CN201810398110.6
申请日：2018-04-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于稀疏表示的人脸识别方法，包括以下步骤：步骤一：先输入训练样本矩阵，将所有训练样本与所有的对象类别级联起来，再输入一个测试样本；步骤二：将训练样本矩阵中的每个训练样本分别与测试样本进行校准，得到校准训练样本矩阵；步骤三：将校准训练样本矩阵进行标准化；步骤四：计算标准化后的校准训练样本矩阵中的每个训练样本与对应的标准图之间的误差，得到误差最小值；步骤五：计算测试样本与对应的标准图之间的剩余误差；步骤六：为所有的对象类别设置身份；步骤七：输出误差最小值对应的训练样本所对应的对象类别作为测试样本的对象类别。本发明的优点是：能更好地适应面部图像的非刚性视觉变化，识别精度和计算效率高。
-
公开(公告)号：CN109086768B
公开(公告)日：2021-10-29
申请号：CN201810768753.5
申请日：2018-07-13
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种卷积神经网络的语义图像分割方法，通过结合网络架构中部分分层特征融合和全连接的条件随机场处理实现语义图像分割。具体包括步骤：构建由卷积层、池化层、上采样层、损失函数组成的网络架构模型，且模型中每一分层的步长大小，卷积核大小以及输出的特征图个数按规格定制；对网络架构中浅层与深层的信息进行融合，并将融合后的特征进行上采样至原图分辨率大小；对上采样输出的特征图像采用全连接的条件随机场进行后处理优化分割。本发明方案的应用，通过不同分层的特征融合，充分利用了各层信息，提高了最终的准确率；结合全连接的CRF对网络输出结果进行后处理，处理了各像素点之间的联系，使得图片分割的结果更加精确和平滑。
-
公开(公告)号：CN110188768B
公开(公告)日：2022-10-14
申请号：CN201910384869.3
申请日：2019-05-09
Applicant: 南京邮电大学
Abstract: 一种实时图像语义分割方法及系统，所述方法包括：编码器基于分解卷积操作和并行分解卷积操作提取输入图像的图像特征，得到低分辨率的深层语义特征图并输出至解码器；所述解码器基于分解卷积操作和并行分解卷积操作对所述低分辨率的深层语义特征图进行细节精调，并将细节精调后的低分辨率的深层语义特征图上采样到所述输入图像大小，恢复输入图像的空间信息并向分割类别映射，最终生成与输入图像具有相同分辨率的语义分割结果图。上述的方案，可以在使用有限的计算资源进行实时图像语义分割时，提高分割的准确性。
-
公开(公告)号：CN110084274A
公开(公告)日：2019-08-02
申请号：CN201910247530.9
申请日：2019-03-29
Applicant: 南京邮电大学
Abstract: 一种实时图像语义分割方法及系统、可读存储介质和终端，所述方法包括：编码器对输入的原始特征图像利用基于特征通道的拆分和重排的卷积单元进行卷积操作以提取图像特征并输出至解码器；所述解码器采用注意力金字塔网络模型对所述编码器的输出特征图像进行密集的特征提取，并将所提取的特征向分割类别进行映射，最后将分割结果上采样到输入的原始特征图像分辨率。上述的方案，在使用有限的计算资源进行实时图像语义分割时，提高分割的准确性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.018 seconds)
