本发明涉及一种基于深度残差网络的视觉显著性检测方法，包括以下四部分：（1）搭建视觉显著性检测神经网络：包括以深度残差网络为基础网络结构，增加金字塔特征增强模块、基于空间金字塔池化的语义监督模块以及特征融合模块；（2）神经网络训练优化：包括多路损失函数设计和数据集增强；（3）完成对神经网络的训练；（4）使用训练好的神经网络对通用图像进行检测，输出显著性区域的图像。与现有神经网络显著性检测方法相比，本发明具有更好的显著性检测效果，对具有复杂纹理信息、各种颜色背景的图像也能检测出精确的显著性区域，检测结果更接近真实值、噪声更少、分辨率更高、边缘精细，帧率更高，能够满足实时性检测的要求。
📄 2020103893598
📂 G06V10_46
👤 浙江工业大学
📅 2020-05-10
一种手腕部参照骨特征区域自适应提取方法，包括以下步骤：步骤1：参照骨特征区域图像的提取和处理；步骤2：训练生成参照骨特征区域的自适应提取模型；步骤3：参照骨特征区域的自适应提取。本发明通过特征区域自适应的提取方法，准确地提取出手腕部参照骨的特征区域；在保证参照骨特征信息完整的基础上，减少了周边骨块、肌肉组织的干扰。该发明对所有参照骨均有较强的普适性，对骨龄的自动识别和临床医生评测骨龄都有重要意义。
📄 2019111976049
📂 G06V10_46
👤 浙江工业大学
📅 2019-11-29
本发明提供一种基于多尺度特征注意机制的快速显著性检测方法。本发明方法首先通过深度卷积网络对图像进行处理，获得基于不同卷积层的特征，包括较浅层特征和高级语义特征，然后分别对获得基于不同卷积层的特征进行处理，最后将处理后的较浅层特征和高级语义特征输入至解码器中，生成显著性检测图。本发明消除了大部分背景特征的干扰，增加了计算效率并有效地抑制背景信息，对高级语义特征使用金字塔扩张卷积更好的利用语义信息，并采用双解码器结能对特征进行进一步细化，最终生成的显著性图能够以明晰的边界完整的凸显图像中的显著性区域，并有效地抑制背景区域。
📄 2019109880940
📂 G06V10_46
👤 杭州电子科技大学
📅 2019-10-17
本发明提供一种基于多尺度特征融合的RGBD显著性检测方法。本发明首先构建了显著性检测模型，通过双流特征提取模块提取多级RGB图像特征和深度图像特征；通过多尺度特征池化模块和多尺度特征聚合模块进一步提取深层次特征。同时利用深度融合模块逐级融合来自于特征提取分支、多尺度特征池化模块和多尺度特征聚合模块的特征。显著性边界细化模块通过来自于RGB图像特征提取分支和深度图像特征提取分支的浅层特征进行边界约束，达到细化边界的目的；同时利用深度融合模块的输出特征进行全局约束，达到全局优化的目的。本发明实现了端到端的显著性预测，将边缘信息引入到了显著性检测中，可以充分有效地利用RGB图像信息和深度图像信息来预测显著性区域。
📄 2020100288372
📂 G06V10_46
👤 杭州电子科技大学
📅 2020-01-11
本发明公布了一种基于离散小波变换的对抗样本生成方法，现有的黑盒攻击方法需要通过大量地向模型进行查询来获取优化信息。本发明以原始图片作为输入，通过梯度估计方法与梯度下降方法相结合，迭代地在清晰样本中添加扰动，最终生成能够误导模型的对抗样本。为了提高攻击的效率，本方法使用离散小波变换分离样本的高频分量与低频分量，仅在低频分量中添加扰动，并且在估计低频分量梯度的过程中，动态地调整采样点数，降低生成对抗样本所需要的模型查询次数。本发明能够有效降低查询向目标DNN模型查询的次数。
📄 202010418979X
📂 G06V10_46
👤 杭州电子科技大学
📅 2020-05-18
本发明提供一种基于编解码结构的多模态显著性对象检测方法。本发明在已有的彩色图像算法模型的基础之上，将深度图像作为先验信息，补充到算法之中。本发明方法可分为两部分：一部分以彩色图像为输入，基于编解码结构的深度学习技术，实现显著性检测；另一部分用于处理深度图像，用轻量级的神经网络学习深度特征，并将特征信息补充到第一部分，从而提高整体模型的识别精度。本发明方法能够简单高效的利用深度图像，从中学习特征，增强算法的识别精度和稳定性，能够为现有部署的显著性检测算法提供快捷、低廉的更新手段。
📄 2020104947398
📂 G06V10_46
👤 杭州电子科技大学
📅 2020-06-03
本发明公开了一种基于卷积神经网络的360度图像显著目标检测方法，包括如下步骤：S1、图像转换；S2、搭建特征金字塔网络；S3、采用四个特征聚合模块，每个模块由一个特征转换子模块完成立方体投影特征向等距形特征转换并与原等距形图像特征组合后，使用一个空洞卷积池化金字塔子模块实现特征的优化，从而得到多层次的聚合特征；S4、将多层次的聚合特征连接并馈送到注意力集成模块，通过推断空间和通道注意机制自适应地选择可靠空间和通道信息与原特征融合得到最终特征并完成显著目标检测。该方法使用图像映射关系基于等距形360度图像构建对应的立方体投影图像，使用双种类图像作为输入解决了单一等矩形图像输入造成的球面到平面投影的不良失真问题。
📄 2022105869910
📂 G06V10_46
👤 杭州电子科技大学
📅 2022-05-27
本公开的实施例公开了障碍物信息生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：对滑动窗口中的各个道路图像进行减速带关键点跟踪检测，以生成检测关键点坐标序列；基于检测关键点坐标序列，生成目标减速带关键点坐标；基于目标减速带关键点坐标，对滑动窗口中的各个道路图像进行车辆抖动检测，以生成车辆抖动检测信息；对车辆抖动检测信息包括的图像静态关键点坐标组序列和对应的当前车辆位姿矩阵序列进行修正处理，以生成修正后位姿矩阵序列和修正后图像静态关键点坐标组序列；基于修正后位姿矩阵序列和修正后图像静态关键点坐标组序列，生成障碍物信息。该实施方式可以提高生成的障碍物信息的准确度。
📄 2023105120988
📂 G06V10_46
👤 禾多科技(北京)有限公司
📅 2023-05-08
本申请提供了一种骨龄预测方法、装置、电子设备及存储介质，属于人工智能技术领域。该方法包括：获取目标骨骼图像；通过第一关键点检测模型对目标骨骼图像进行关键点检测，得到第一目标骨骼关键点；根据第一目标骨骼关键点对目标骨骼图像进行第一姿态矫正处理，得到标准骨骼图像；通过图像分割模型对标准骨骼图像进行分割处理，得到初步骨骼前景图；通过第二关键点检测模型对标准骨骼图像进行关键点检测，得到第二目标骨骼关键点；根据第二目标骨骼关键点对初步骨骼前景图进行第二姿态矫正处理，得到标准骨骼前景图；将标准骨骼前景图输入至骨龄预测模型进行骨龄预测，得到骨龄预测数据。本申请能够提高骨龄预测的准确性。
📄 202210165029X
📂 G06V10_46
👤 平安科技(深圳)有限公司
📅 2022-02-22
本发明公开一种优化词袋模型的图像分类方法，所述方法包括：提取图像局部特征；对局部特征聚类生成视觉字典；计算视觉单词显著性生成显著性字典；根据显著性字典对图像局部特征进行加权局部约束线性编码；对编码系数矩阵进行空间金字塔池化生成图像向量表示；将得到的图像向量表示输入到HIK交叉核函数SVM分类器中进行分类。本发明提出的显著性字典考虑了视觉单词之间的内在关系，减少了视觉字典中的冗余信息，提升了视觉字典的显著性和判别力。另外提出的加权局部约束线性编码，在将局部特征用视觉单词表示的过程中，考虑了K近邻单词之间的位置关系，为单词设置了权重，减小了重构误差，提升了分类性能。
📄 202111087243X
📂 G06V10_46
👤 燕山大学
📅 2021-09-16
本发明涉及一种分布式图像信号处理系统，包括：实时拟合机构，用于将第一类型分块的各个边缘像素点各自分别对应的多个外扩像素点拟合成所述第一类型分块的外扩图像分块；布局解析器件，用于对每一个第一类型分块执行以下操作：当所述第一类型分块对应的外扩图像分块中存在构成某一第二类型分块的像素点的数量大于等于设定数量阈值时，判断所述第一类型分块对应的未成年人当前处于安全状态，否则，判断其当前处于危险状态。通过本发明，能够采用未成年人成像分块外扩以及针对性的未成年人成像分块与游泳圈体成像分块的重叠幅度检测机制，对未成年人周围不存在游泳圈体的危险场景进行实时鉴定，从而避免溺水事故发生。
📄 2021111919880
📂 G06V10_46
👤 江阴市人人达科技有限公司
📅 2021-10-13
本发明公开了一种基于递归解码器的显著性检测方法，主要解决现有技术显著性检测结果准确率低，显著性主体判断错误与边缘模糊的问题。其实施方案为：1)获取数据集与检测标签；2)构建检测模型；3)构建损失函数；4)训练检测模型；5)推理并获得检测结果。本发明构建的显著性检测模型，通过多次全尺度特征融合与边缘强化，实现了多尺度特征的充分利用与解码结果的细节补充，有效提升了显著性检测结果的准确率，避免了检测结果中显著性主体判断错误的发生，解决了解码结果存在边缘模糊的问题。
📄 2022106206483
📂 G06V10_46
👤 中南大学
📅 2022-06-02
柿子坊 · 知识产权运营
柿子坊知识产权运营平台