-
公开(公告)号：CN108492267B
公开(公告)日：2022-05-03
申请号：CN201810222590.0
申请日：2018-03-16
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于图正则化的矩阵填充图像修复方法，包括以下步骤：步骤1：将待修复图像X分成I个搜索区域M，将每个搜索区域分成J个图像块K；步骤2：在第Mi个搜索区域中寻找p个与第Kj个图像块最为相似的图像块形成数据矩阵F；步骤3：计算数据矩阵F的图拉普拉斯矩阵与图正则化项；步骤4：将据矩阵F输入到基于图正则化的矩阵填充算法；步骤5：运用交替方向法求解基于图正则化的矩阵填充算法优化问题；步骤6：完成该搜索区域j个图像块处理后，通过整合图像块复原该搜索区域图像；若所有搜索区域都处理结束，跳到步骤7，否则跳到步骤2；步骤7：直至恢复出完整的图像。本发明有图像修复效果好的优点。
-
公开(公告)号：CN109508742A
公开(公告)日：2019-03-22
申请号：CN201811338455.9
申请日：2018-11-12
Applicant: 南京邮电大学
Abstract: 基于ARM平台和独立循环神经网络的手写数字识别方法。包括如下步骤，S1、根据TensorFlow框架构建IndRNN模型；S2、将MNIST训练集导入IndRNN模型进行训练；S3、在ARM平台安装TensorFlow，在PC端上利用FlashFXP通过SFTP over SSH连接方式将训练好的IndRNN模型移植到ARM平台；S4、采集设备采集手写数字照片，并进行预处理；S5、预处理后的照片通过IndRNN模型处理分类识别，最终在SSH终端显示识别结果。本发明利用TensorFlow进行深度学习和人工智能具有开发简单、建模速度快、准确率高的优点。ARM嵌入式平台具有成本低、稳定性好、实时性高等诸多优点。
-
公开(公告)号：CN108805222A
公开(公告)日：2018-11-13
申请号：CN201810430232.9
申请日：2018-05-08
Applicant: 南京邮电大学
IPC: G06K9/68
CPC classification number: G06K9/6835
Abstract: 本发明涉及一种基于ARM平台的深度学习手写数字识别方法，属于图像识别领域，具体步骤为：构建softmax深度学习神经网络模型；利用MNIST训练集训练模型；将深度学习模型移植到ARM平台；摄像头拍摄的手写数字照片预处理；识别并输出结果。本发明利用TensorFlow进行深度学习，具有开发简单、建模速度快、识别准确率高的优点，且ARM嵌入式平台具有成本低、稳定性好、实时性高等诸多优点。
-
公开(公告)号：CN108492267A
公开(公告)日：2018-09-04
申请号：CN201810222590.0
申请日：2018-03-16
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于图正则化的矩阵填充图像修复方法，包括以下步骤：步骤1：将待修复图像D分成i个搜索区域M，将第Mi个搜索区域分成j个图像块K；步骤2：在第Mi个搜索区域中寻找p个与第Kj个图像块最为相似的图像块形成数据矩阵F；步骤3：计算数据矩阵F的图拉普拉斯矩阵与图正则化项；步骤4：将据矩阵F输入到基于图正则化的矩阵填充算法；步骤5：运用交替方向法求解基于图正则化的矩阵填充算法优化问题；步骤6：完成该搜索区域j个图像块处理后，通过整合图像块复原该搜索区域图像；若所有搜索区域都处理结束，跳到步骤7，否则跳到步骤2；步骤7：直至恢复出完整的图像。本发明有图像修复效果好的优点。
-
-
-
Search Results
4
records
(took 0.016 seconds)
