-
公开(公告)号：CN110458844B
公开(公告)日：2022-02-15
申请号：CN201910659062.6
申请日：2019-07-22
Applicant: 大连理工大学
Abstract: 一种低光照场景的语义分割方法，属于计算机视觉技术领域。本发明将正常图像的语义分割问题当做源域问题，低光照图像的语义分割问题当做目标域问题，利用迁移学习中的特征迁移的方法，充分发挥正常场景图像的信息充足的优势，将正常场景中的有用信息提取出来，并将这些有用信息与低光照图像的特征信息进行转换的结合，获取更多的有助于语义分割的图像信息，从而训练深度神经网络。基于这一思想，在生成对抗网络的基础之上，利用迁移学习的方法，设计并实现了用于低光照场景直接语义分割的网络模型。利用这一模型，能够有效解决低光照图片的语义分割任务。
-
公开(公告)号：CN110458844A
公开(公告)日：2019-11-15
申请号：CN201910659062.6
申请日：2019-07-22
Applicant: 大连理工大学
Abstract: 一种低光照场景的语义分割方法，属于计算机视觉技术领域。本发明将正常图像的语义分割问题当做源域问题，低光照图像的语义分割问题当做目标域问题，利用迁移学习中的特征迁移的方法，充分发挥正常场景图像的信息充足的优势，将正常场景中的有用信息提取出来，并将这些有用信息与低光照图像的特征信息进行转换的结合，获取更多的有助于语义分割的图像信息，从而训练深度神经网络。基于这一思想，在生成对抗网络的基础之上，利用迁移学习的方法，设计并实现了用于低光照场景直接语义分割的网络模型。利用这一模型，能够有效解决低光照图片的语义分割任务。
-
公开(公告)号：CN109410129A
公开(公告)日：2019-03-01
申请号：CN201811136874.4
申请日：2018-09-28
Applicant: 大连理工大学
CPC classification number: G06T5/001 , G06N3/0454 , G06T5/40
Abstract: 本发明属于计算机视觉技术领域，提供了一种低光照图像场景理解的方法，设计基于深度学习技术的结合图像增强方法的场景理解的串联模型的框架，对于输入的低光照图片，先对图片进行增强的操作，在不改变图片中像素颜色信息的前提下提高图片亮度以及辨识度。在这种框架下，解决低光照图片中的场景理解任务。本发明提出的视觉增强网络能够在恢复细节的同时通过跳跃连接操作，结合低层的颜色和结构信息以及高层的语义信息，在保持图片颜色信息的基础上提高亮度，从而恢复图片细节。恢复后的图像将有效促进检测、分割等场景理解任务。从定性和定量上比较，本发明提出的方法在合成和真实的图片上都优于现有的图片增强方法。
-
-
Search Results
3
records
(took 0.019 seconds)
