一种用于立体匹配的特征提取方法，将经过校正的、尺寸为W*H*C的原始图像输入到特征提取网络中；通过预处理模块和Resnet提取多个特征图；通过最大值池化操作，对提取到的多个特征图进行不同大小的最大值池化，构建特征金字塔；利用堆叠结构进行特征融合并压缩金字塔尺度范围，得到下一个金字塔，经过多次压缩，直至输出单一的尺度特征。对输出的单一的尺度特征，进行3*3的卷积；通过跳跃连接，将Resnet最后一层特征输出与特征输出在通道维度上进行拼接，然后通过3*3卷积与1*1卷积，构造特征体。本发明能够被用来提取足够的丰富特征，适用于深度立体匹配网络的特征输入。
📄 202010693071X
📂 G06K9_46
👤 三峡大学
📅 2020-07-17
本发明提出了一种车辆颜色识别方法，具体是一种基于超像素分割的车辆颜色识别方法。该方法首先根据已知的车窗位置确定车辆颜色识别区域，并用局部迭代聚类算法SLIC分割颜色识别区域，进一步通过一种空间均匀采样的方法进行超像素采样并构造HSV直方图颜色特征，最后训练一个SVM分类器进行车辆颜色识别。通过使用本发明的车辆颜色识别方法，可以有效改善车辆颜色识别的准确率和效率。
📄 2018110086365
📂 G06K9_46
👤 浙江工业大学
📅 2018-08-29
基于神经网络复杂场景树木检测方法，包括如下步骤：步骤1，构建树冠高度模型；步骤2，生成待检测样本；步骤3，神经网络树木检测。本发明针对现有森林遥感技术大多针对纯森林场景下而在复杂场景下树木分割精度受影响的情况，引入基于PointCNN的神经网络模型来检测包含建筑等事物的复杂场景下树木信息，提高该场景下树木检测精度，该方法能够获得较好的结果。
📄 2019108060817
📂 G06K9_46
👤 浙江工业大学
📅 2019-08-29
本发明提供一种水果可溶性固形物在线检测方法及系统，其中，方法包括以下步骤：S1：将目标水果在线方位进行分类，获取每一类方位的图像和透射光谱；S2：根据所述方位的图像和透射光谱，建立目标水果方位分类模型和对应方位类别的可溶性固形物含量光谱检测模型；S3：采集待检测水果的在线方位图像，利用所述目标水果方位分类模型判断待测水果所属方位类别，并且利用相应方位类别的可溶性固形物含量光谱检测模型对待测水果进行检测，解决了工业化生产中由于自动上果造成水果检测方位不确定，从而导致水果可溶性固形物在线检测误差较大的问题，本发明提供的方法不仅检测速度快，且检测精度高。
📄 2019113937053
📂 G06K9_46
👤 西南大学
📅 2019-12-30
本发明公开了一种基于优选空间的SIFT特征快速提取方法，包括步骤：获取确定优选特征空间的学习样本集；根据学习样本集确定优选特征空间；优选特征空间中的特征空间层按照特征空间层的配准特征数量依次排列；基于优选特征空间，对已知图像以及待匹配图像进行SIFT特征提取和匹配；当已知图像以及待匹配图像的配准特征数量满足预设要求时，待匹配图像匹配成功。先确定学习样本集对应的优选特征空间，优选特征空间中的特征空间层按照特征空间层的配准特征数量依次排列，然后基于优选特征空间，对已知图像以及待匹配图像进行SIFT特征提取和匹配。本申请把SIFT特征的提取与匹配集中在优选特征空间进行，可以显著提高SIFT特征提取与匹配效率。
📄 2021105585026
📂 G06K9_46
👤 吉林大学
📅 2021-05-21
本发明公开了一种基于双混合唇形特征提取的智能轮椅人机交互方法，涉及唇形识别技术的特征提取与识别控制领域。本发明首先对唇部进行DT_CWT滤波，由于DT_CWT具有近似平移不变性，所以DT_CWT滤波后会使在ROI内不同位置的相同唇形的特征值之间差值较小，克服唇部因在ROI位置偏移而导致唇形识别错误的影响；然后再对DT_CWT提取的唇部特征向量进行DCT变换，使经DT_CWT变换后提取的唇部特征集中在DCT变换后的较大系数中，使特征矢量包含唇部最大的信息量，并且同时达到降维的效果。该方法大大地提高了唇形识别率，提高了唇形识别系统鲁棒性。
📄 201310396167X
📂 G06K9_46
👤 重庆邮电大学
📅 2013-09-03
本发明公开了一种含有亮斑干扰的铭牌文字识别处理方法，其按如下步骤：(1)对采集的包含亮斑的铭牌图像进行中值滤波降噪；(2)对图像进行阈值分割以及中值滤波；(3)将图像进行区域重建。本发明含有亮斑干扰的铭牌文字识别处理方法具有可行性高、效果明显等优点。
📄 2017111703983
📂 G06K9_46
👤 杭州电子科技大学
📅 2017-11-22
本发明涉及一种结合深度可信度估计的深度图像显著性检测方法。相对于平面图像，立体图像中所包含的深度特征对于目标物体的显著性检测提供了更有效的信息。本发明包括深度可信度评价因子计算、预处理和深度显著性检测；深度可信度评价因子用来客观的描述深度图所包含目标区域深度信息的可信度；深度图可信度越好，提取目标物体的有用信息越多。此外，图像中距离人眼较近但非显著物体所在的区域对于显著性检测会造成一定影响；针对该情况提出一种预处理方式来降低地面等这类背景区域的干扰；最后，结合深度可信度评价因子进行基于深度紧凑性和对比度的显著性计算得到最终显著结果图。本发明获得的深度显著图质量较高，与视觉注意机制保持良好一致。
📄 2018101219315
📂 G06K9_46
👤 杭州电子科技大学
📅 2018-02-07
本发明公开了一种基于点击特征预测的图像分类方法。本发明步骤如下:1、借助有文本点击信息的图像数据集；利用分词技术及词频-逆向文件频率算法构建每张图片的文本点击特征向量；2、在源点击数据集下，以最小化点击特征预测误差为目标，构建带位置约束的非线性词嵌入模型，从而实现基于视觉特征的点击特征预测，并利用融合的深度视觉与预测点击特征对不含点击信息的任一目标图像集分类；3、构建多任务、跨模态迁移深度学习框架，在同时最小化分类与预测损失下，利用源点击数据集、目标数据集训练深度视觉与词嵌入模型；4、通过反向传播算法对步骤2中的网络参数进行训练，直至整个网络模型收敛。本发明使得预测的点击特征更为准确。
📄 2018101990596
📂 G06K9_46
👤 杭州电子科技大学
📅 2018-03-12
本申请实施例提供一种用于定位多目标特征点的深度学习模型的构建方法及装置，涉及人工智能领域，包括获取堆叠沙漏网络、检测网络、定位网络以及输出网络；组合堆叠沙漏网络、检测网络、定位网络以及输出网络得到多任务学习网络模型；在多任务学习网络模型中设置加权目标函数、预设训练条件以及与输入数据对应的超参数，得到第一训练模型；对第一训练模型进行训练，得到第二训练模型和与第二训练模型相对应的训练信息；在训练信息满足预设训练条件时，保存第二训练模型为用于定位目标特征点的深度学习模型。实施这种实施方式，能够通过建立一种新的深度学习模型来提高对多目标特征点(或称为关键点)的识别精度。
📄 2019104806289
📂 G06K9_46
👤 电子科技大学中山学院
📅 2019-06-03
本发明涉及一种实现图像翻转不变性的方法，属于图像处理领域，包括以下步骤：S1：对图像中所有的特征描述符进行聚类并生成视觉词汇；S2：根据这些视觉词汇，建立索引结构模型来保存特征描述符；S3：利用包含最多特征描述符的视觉词汇分析主要关键点的分布；S4：确定对象是否翻转，并进行匹配。本方法具有较高的匹配效率和较高的匹配精度。
📄 2020108022644
📂 G06K9_46
👤 重庆邮电大学
📅 2020-08-11
本发明公开了一种新型的高仿圆形印章鉴别方法，包括以下步骤：步骤S1：开始；步骤S2：通过HSI色彩模型提取、0tsu算法二值化和融合防伪线的分割优化去噪算法得到印章印迹；步骤S3：Canny边缘检测算法提取轮廓；步骤S4：Harris角点检测算法提取SURF特征提取范围；步骤S5：Harris‑SURF算法建立特征描述；步骤S6：RANSAC算法特征点筛选；步骤S7：提取印章轮廓防伪线，再和多算法融合鉴别。本发明通过融合防伪线的图像去燥算法得到圆形印章印迹，印迹通过Canny边缘检测算法得到特征轮廓；处理后的印迹利用Harris算法提取角点，以角点为中心缩小SURF特征点搜索范围，并用RANSAC算法对特征集进行二次过滤；最后对轮廓进行分段比较。本发明配准速度快，鉴别准确率高。
📄 2021106970726
📂 G06K9_46
👤 内江师范学院
📅 2021-06-23
柿子坊 · 知识产权运营
柿子坊知识产权运营平台