-
公开(公告)号：CN111161286B
公开(公告)日：2023-06-20
申请号：CN202010000472.2
申请日：2020-01-02
Applicant: 大连理工大学
IPC: G06T7/11 , G06T7/187 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，提供了一种交互式自然图像抠图方法，实现一种用户友好地简单交互式图像抠图框架，分为超像素划分、信息区域选取、用户划线、马尔科夫传播和CNN传播5个阶段。整体框架通过简单的用户交互实现准确、高效的图像蒙版生成，一些图像细节都可以准确地预测。马尔科夫链与深度学习的结合在有限邻域和全图上进行有效的标签传播与扩散，实现有限用户交互的最大化标注。本发明得到更为精准的抠图蒙版，同时又比依赖于三分图的抠图算法节省大量的运算时间，实现了图像抠图准确度与代价之间的有效平衡。
-
Patent Agency Ranking
公开(公告)号：CN111223041B
公开(公告)日：2022-10-14
申请号：CN202010029018.X
申请日：2020-01-12
Applicant: 大连理工大学
Abstract: 本发明属于计算机视觉技术领域，提供了一种全自动自然图像抠图方法，对于单幅图像的图像抠图来说，主要由高级语义特征和低级结构特征的提取、金字塔特征的过滤、空间结构信息的抽取、利用判别器网络的后期优化四部分构成。本发明可以在不需要任何辅助信息的情况下生成精准的蒙版遮罩，省去科研人员标注辅助信息的时间和用户使用时的交互时间。
-
公开(公告)号：CN112669325A
公开(公告)日：2021-04-16
申请号：CN202110012126.0
申请日：2021-01-06
Applicant: 大连理工大学
Abstract: 本发明属于计算机视觉技术领域，提供了一种基于主动式学习的视频语义分割方法，包括图像语义分割、主动式学习数据筛选以及标签传播三个模块；图像语义分割模块负责分割图像结果和提取数据筛选模块所需的高维特征；数据筛选模块在图像层面选取信息量较丰富的数据子集，并在像素层面上选择需要标注的像素块；标签传播模块实现图像到视频任务的迁移，快速补全视频的分割结果从而得到弱监督数据。本发明能快速生成弱监督数据集，减少数据制作成本，优化语义分割网络的性能。
-
公开(公告)号：CN112669325B
公开(公告)日：2022-10-14
申请号：CN202110012126.0
申请日：2021-01-06
Applicant: 大连理工大学
Abstract: 本发明属于计算机视觉技术领域，提供了一种基于主动式学习的视频语义分割方法，包括图像语义分割、主动式学习数据筛选以及标签传播三个模块；图像语义分割模块负责分割图像结果和提取数据筛选模块所需的高维特征；数据筛选模块在图像层面选取信息量较丰富的数据子集，并在像素层面上选择需要标注的像素块；标签传播模块实现图像到视频任务的迁移，快速补全视频的分割结果从而得到弱监督数据。本发明能快速生成弱监督数据集，减少数据制作成本，优化语义分割网络的性能。
-
公开(公告)号：CN111161286A
公开(公告)日：2020-05-15
申请号：CN202010000472.2
申请日：2020-01-02
Applicant: 大连理工大学
Abstract: 本发明属于计算机视觉技术领域，提供了一种交互式自然图像抠图方法，实现一种用户友好地简单交互式图像抠图框架，分为超像素划分、信息区域选取、用户划线、马尔科夫传播和CNN传播5个阶段。整体框架通过简单的用户交互实现准确、高效的图像蒙版生成，一些图像细节都可以准确地预测。马尔科夫链与深度学习的结合在有限邻域和全图上进行有效的标签传播与扩散，实现有限用户交互的最大化标注。本发明得到更为精准的抠图蒙版，同时又比依赖于三分图的抠图算法节省大量的运算时间，实现了图像抠图准确度与代价之间的有效平衡。
-
公开(公告)号：CN111223041A
公开(公告)日：2020-06-02
申请号：CN202010029018.X
申请日：2020-01-12
Applicant: 大连理工大学
Abstract: 本发明属于计算机视觉技术领域，提供了一种全自动自然图像抠图方法，对于单幅图像的图像抠图来说，主要由高级语义特征和低级结构特征的提取、金字塔特征的过滤、空间结构信息的抽取、利用判别器网络的后期优化四部分构成。本发明可以在不需要任何辅助信息的情况下生成精准的蒙版遮罩，省去科研人员标注辅助信息的时间和用户使用时的交互时间。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
