本发明提出一种基于参考图的多匹配搜索和超分辨率重建方法，以参考图的多匹配搜索和超分辨率重建网络作为基于参考图像的超分辨率重建的深度网络，将低分辨率图像输入到参考图的多匹配搜索和超分辨率重建网络，重建网络输出高分辨率图像。该方法能够重建出有着更好纹理细节的高分辨率图像。
📄 2022107989175
📂 G06F16_583
👤 闽江学院
📅 2022-07-08
本公开提供了一种难样本挖掘方法、装置、设备、存储介质以及程序产品，涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域，可应用于图像识别场景下。该方法的一具体实施方式包括：获取目标垂类票据图像集；将目标垂类票据图像集中的目标垂类票据图像输入至结构化信息提取模型，得到目标垂类票据图像的字段检测框；将目标垂类票据图像和字段检测框输入至垂类挖掘模型，得到目标垂类票据图像对应的得分，其中，得分用于表征字段检测框与字段真实框之间的差异；基于得分从目标垂类票据图像集中选取难样本票据图像。该实施方式降低了挖掘难样本的成本。
📄 2021105715301
📂 G06F16_583
👤 北京百度网讯科技有限公司
📅 2021-05-25
本发明属于家教机领域，公开了一种纸质书本的页码识别方法、装置、家教机及存储介质，其方法包括：获取待识别页面图像；在数据库中查找与所述待识别页面图像匹配的存储页面；当所述存储页面为多个时，分别获取所述存储页面和所述待识别页面图像中相似图形的特征信息；根据所述相似图形的特征信息，在多个所述存储页面中确定出所述待识别页面图像对应的目标存储页面；根据所述目标存储页面识别出所述待识别页面图像的页码。本发明当根据待识别页面图像查找到多个存储页面时，通过比对相似图形的特征信息来确定目标存储页面，以降低相似页面的干扰，提高页码识别的准确度，解决现有技术中因绘本内容过于相似而出现页面识别不准的问题。
📄 2019108869728
📂 G06F16_583
👤 广东小天才科技有限公司
📅 2019-09-19
一种基于无监督域自适应哈希的图像检索方法，涉及图像检索技术领域，为了缩小源域和目标域的域差异，设计了类别级的原型对比学习，可以更好地指导哈希学习。在一个简洁的框架内成功的整合了域自适应和哈希学习，从而在无监督域自适应哈希环境下显著提高了检索性能。在技术上，通过在域共享空间中进行原型对比学习，再在源域和目标域的语义关系保持和哈希码的量化约束的限制下映射到汉明空间。提高了图像的检索性能，同时减少了检索的时间、空间消耗。
📄 2024102689277
📂 G06F16_583
👤 山东省计算中心(国家超级计算济南中心); 齐鲁工业大学(山东省科学院)
📅 2024-03-11
本发明涉及一种可自动筛选照片的景区自动拍照系统及景区自动拍照方法，确定预设拍摄区域后相机以预设频率拍摄照片，游客在选定匹配人脸特征的指定拍摄区域内面对相机拍摄照片，生成人脸照片管理库；游客上传自拍照片，自拍照片与人脸照片管理库中的照片人脸匹配，筛选出符合预设条件的照片，对应初始拍摄区域照片、初始光照照片、初始姿态照片计算位置匹配度、光照匹配度、姿态匹配度，以综合筛选参数筛选照片，处理后供游客筛选、获取。本发明通过对景区内游客自动拍照，并通过表情、位置、光照等信息的融合，实现自动筛选出游客满意度较高的照片的目的，便于游客在景区内拍照留念，更增加游客在景区内的游览体验，有利于景区的良性运作。
📄 2020111968524
📂 G06F16_583
👤 浙江工业大学
📅 2020-10-31
本发明公开了一种基于图结构匹配的图像检索方法，将查询图像的图结构输入到训练好的图神经网络，获取查询图像的节点特征以及节点之间相对和绝对位置，所述图神经网络包括特征提取模块、相对位置预测头和绝对位置预测头，特征提取模块用于提取图结构的节点特征，相对位置预测头和绝对位置预测头分别用于预测节点之间相对和绝对位置，通过计算分类损失和辅助损失，完成网络的训练。本发明提高了网络的训练效果，较大程度提高了图像检索的性能。
📄 2022114774905
📂 G06F16_583
👤 浙江工业大学
📅 2022-11-23
本发明涉及基于较优视图和深度卷积神经网络的三维模型检索方法，本发明首先从多个视点提取三维模型的视图，并按照灰度熵的排序选取较优视图。其次通过深度卷积神经网络对视图集进行训练，从而提取视图的深度特征并进行降维。同时，对输入的自然图像提取边缘轮廓图，经过相似度匹配返回一组三维模型。最后，基于目标模型所属类别占检索结果比例对结果列表进行微调重排，返回最终的检索结果以实现三维模型检索，此方法有效选取了较优视图，降低了视图冗余，并使用深度特征对视图进行更高层的表达，有效提高了检索效果。
📄 2017111786045
📂 G06F16_583
👤 浙江工业大学
📅 2017-11-23
一种基于条件生成对抗网络的图像描述生成方法，包括以下步骤：步骤一、网络构建，该条件生成对抗网络框架由一个生成模型和一个判别模型两部分组成，生成模型和判别模型结构类似，但是参数独立训练更新；步骤二、数据集预处理；步骤三、网络训练，过程如下：步骤3.1：用随机权值初始化生成模型和判别模型参数；步骤3.2：训练生成模型；步骤3.3：训练判别模型；步骤3.4：用RMSprop下降算法最小化损失函数；步骤四、精度测试，经过上述步骤的操作，即可实现对测试图片的描述生成。本发明提供一种鲁棒性较好、对训练数据要求较低的基于条件生成对抗训练的图像描述生成方法。
📄 2019104675009
📂 G06F16_583
👤 浙江工业大学
📅 2019-05-31
一种基于半监督对抗生成网络的迁移检索方法，通过设计对抗生成网络进行跨数据域的哈希检索，其目标是将原始数据集和目标数据集映射到一个共同的汉明空间，使得在一个特定场景中图像检索通过半监督对抗生成网络的学习可迁移到另一场景的检索图像中，从而解决大数据时代下无法充分利用未标记的数据和检索模型只适合单一场景的问题。本发明有效提高图像检索的自动化和智能化水平。
📄 2018106893624
📂 G06F16_583
👤 浙江工业大学
📅 2018-06-28
一种无监督对抗训练的基于内容的图像检索方法，所述方法包括以下步骤：步骤一、网络构建，该无监督对抗网络框架由一个生成模型和一个判别模型两部分组成。生成模型和判别模型都是由三层的全连接网络构成；步骤二、数据集预处理；步骤三、网络训练，过程如下：步骤3.1：用随机权值初始化生成模型和判别模型参数；步骤3.2：训练生成模型；步骤3.3：训练判别模型；步骤四、精度测试。本发明提供一种鲁棒性较好、对训练数据要求较低、不需要大量标注信息的无监督对抗训练的基于内容的图像检索方法。
📄 2018101548134
📂 G06F16_583
👤 浙江工业大学
📅 2018-02-23
本发明公开了一种纺织品图像指纹检索方法。它括图像指纹获取、图像索引构建与图像检索；图像指纹获取包括获取待检测纺织品图像及纺织品图像库中所有纺织品图像的指纹，纺织品图像中多个重复出现的局部细粒度特征定义为纺织品图像的指纹部件，将提取出的指纹部件融合后生成的图像特征定义为纺织品图像的指纹；图像库中每个图像的指纹作为对应图像的特征，与图像名对应存储；再采用Cosine余弦距离计算待检测图像的指纹与图像库中的图像指纹特征之间的距离，将距离最近的图片取出，即为检索到的纺织品图像。本发明能够方便用户快速找到使用该指纹部件的纺织品图像，提高检索效率。通过指纹实现图像精准检索，提高了纺织品图像指纹检索的精度。
📄 2021101754379
📂 G06F16_583
👤 浙江工业大学
📅 2021-02-09
一种基于深度哈希学习优化的图像检索方法，包括以下步骤：步骤1、先构建多层全连接网络，每层全连接后面接tanh函数，最后网络输出做符号运算；步骤2、构建由分类损失函数、加权语义相似矩阵得到的语义保持性损失函数、量化损失函数和正则项的得到的带有离散正交约束的目标函数；步骤3、目标函数优化；步骤4、将得到的特征数据集分为查询集Q、待查集D两部分，并取待查集D中的一部分数据组成训练数据集P，将训练数据集P的深度特征和标签信息输入，并初始化权重系数和二值码，对步骤3依次迭代优化得到最优的网络权重系数，由步骤2得到深度哈希函数；步骤4、图像检索与精度测试。本发明精度较高、检索效率较高。
📄 201811538815X
📂 G06F16_583
👤 浙江工业大学
📅 2018-12-14
柿子坊 · 知识产权运营
柿子坊知识产权运营平台