本发明公开一种基于局部特征强化和重排序的图像检索方法、介质及设备。本发明构建特征提取模型,通过引入一种局部特征强化编码器,提取了特征图中感兴趣区域的局部几何结构信息,使感兴趣区域中的特征得到更高的权重,降低非重要区域对全局特征的干扰,使得编码器更能准确提取图像中的重要内容。本发明引入一种特征融合模块,通过特征融合得到兼顾局部和全局的融合特征图。加入重排序技术,使模型可以根据图像库的信息更新查询图像和图像库图像的特征向量,使查询图像特征向量与图像库特征向量更为适配,提升了检索结果的准确率。本发明在ROxford5K数据集、RParis6K数据集和Revisitop1m数据集上进行了训练及评估,相较于以往方法,本发明有更好的效果。
📄 2024109796195
📂 G06V10_74
👤 杭州电子科技大学
📅 2024-07-22
智慧国土物联网云监测方法和人工智能机器人系统,包括:第一位置获取步骤,第一数据获取步骤,第二位置获取步骤,第二数据获取步骤,变化度计算步骤。上述方法和人工智能机器人系统,能提高现有技术的国土监测的实时性、效率、范围。
📄 2020103212125
📂 G06V10_74
👤 华南师范大学
📅 2020-04-22
本发明请求保护一种实现场景结构预测、目标检测和车道级定位的方法,涉及自动驾驶、深度学习、计算机视觉等领域。首先本发明构建了一种车道级定位、场景结构预测和目标检测的神经网络,通过场景结构预测值和目标检测预测值与其真实值间的损失构建损失函数数学模型;通过图像和地图制作数据集并对网络进行训练;将网络部署于汽车上输出检测结果;最后将输出的场景结构通过匹配方法与地图进行检索匹配,矫正汽车的定位误差,实现车道级定位。该网络可以通过图像和地图制作数据集并对网络进行闭环训练且仅需要图像信息和地图信息就能完成场景结构预测、目标检测功能和车道级定位。场景结构预测结果里包含的道路结构可用于自动驾驶中。
📄 2021114032597
📂 G06V10_74
👤 重庆邮电大学
📅 2021-11-24
本发明涉及一种基于并行强化的图像特征匹配方法,属于计算机视觉技术领域。首先,设计了一个强化注入块,不仅利用通道注意力机制动态细化特征权重,而且通过增强网络能力来保留重要细节,以缓解过度平滑问题。其次,为了缓解CNN忽视弱局部上下文的潜在问题,提出了一种并行融合块来整合浅层和深层特征,保留局部细节并增强全局上下文。
📄 2024113016533
📂 G06V10_74
👤 闽江学院
📅 2024-09-18
本发明涉及一种基于运动过滤和调整的特征匹配方法,属于计算机视觉技术领域。提出了一种运动过滤和调整网络,以减轻捕获上下文时异常值的影响。具体来说,首先,设计一个运动过滤块来去除离群点并迭代地捕获上下文。然后,设计了一个正则化和调整块来估计并调整具有额外位置信息的精确运动场。本发明方法能有效地捕获上下文以及估计准确的运动场;本发明方法可应用于姿态估计、点云配准、图像拼接和运动分割等多个领域。
📄 2024112986848
📂 G06V10_74
👤 闽江学院
📅 2024-09-18
本发明涉及侵权视频分析的技术领域,公开了一种高鲁棒的侵权视频分析识别方法,所述方法包括:对待侵权分析视频进行分割得到视频帧序列,提取视频帧序列中视频帧的直方图特征,根据直方图特征确定视频帧序列的分簇数量进行分簇处理,确定每一簇视频帧序列的关键帧;将每一簇视频帧序列的关键帧转化关键帧向量;将待侵权分析视频的关键帧向量序列与视频库中的视频关键帧向量序列进行鲁棒相似性度量,得到侵权分析识别结果。本发明构建鲁棒统计量表征并过滤待侵权视频中存在的异常数据分布,利用鲁棒统计量对关键帧向量序列进行校正以及鲁棒相似性度量,得到不考虑关键帧向量时序顺序的鲁棒相似性度量结果,实现高鲁棒的侵权视频分析识别。
📄 2024104979128
📂 G06V10_74
👤 原创卫士(无锡)科技有限公司
📅 2024-04-24
本发明公开一种顾及纹理和结构特征的平面先验优化密集匹配系统及方法,属于影像密集匹配技术领域,本发明包括以下步骤:场景纹理特征提取;场景结构特征提取;顾及纹理特征和结构特征的平面先验优化的多视密集匹配;多特征约束的深度信息分块融合,生成最终的密集点云。本发明不仅改善了弱纹理区域的密集点云质量,还能利用场景分割实现大场景的稠密重建,能够降低计算机资源和加快稠密重建速度。采用基于场景纹理特征和结构特征的平面先验辅助优化弱纹理区域的深度信息,实现弱纹理区域的深度信息的准确计算,提高密集点云的融合质量,从而得到更为精确可靠的密集点云。
📄 2024108219434
📂 G06V10_74
👤 济宁学院
📅 2024-06-25
本发明公开一种基于残差网络的图像感知哈希方法及系统,属于信息安全领域;包括S1,用残差网络对图像组进行第一阶段训练,得到哈希序列;S2,读取第一阶段训练结束的权重,利用这些权重进行第二阶段的训练,并通过损失函数Lf2调整该网络,拉大原图与近似图像之间的距离,最终使得网络具备区分原图与近似图像的能力,弥补了现有技术中的不足。
📄 202211702774X
📂 G06V10_74
👤 南京信息工程大学
📅 2022-12-28
本发明公开了一种色纺织物图像相似度方法,包括:制备色纺织物样本,构建待测图像数据库;选取两幅待测图像,分别将每幅图像的三通道以不同的方式排列为多种三维点阵,并投影至空间直角坐标系中;分别计算xy平面、yz平面和xz平面的法向量方向上各空间点阵中心3×3邻域的局部二值模式特征,构建图像的跨通道LBP多维特征图谱;构建图像的局部特征向量;计算色相H、饱和度S、明度V三个分量的梯度方向谱;计算每个梯度方向谱的三阶矩特征,构建图像的全局特征向量;将特征向量归一化,利用向量欧氏距离分别计算两幅图像的局部特征差异和全局特征差异;将局部特征差异和全局特征差异进行加权求和,转换为百分比形式,得到图像的总体相似度。
📄 2022101925979
📂 G06V10_74
👤 武汉理兆源信息科技有限公司
📅 2022-03-01
本发明公开了一种基于多特征相似度融合的红外和可见光图像匹配方法,包括以下步骤:对给定的红外和可见光图像进行轮廓提取,并检测轮廓上的显著角点作为特征点;利用特征点左右轮廓信息计算其主方向;对于每一个特征点,确定该点的特征描述参数,构造其PIIFD特征描述符;再依据该点与其它特征点的位置关系构造全局上下文特征描述符;对于两幅图像中的每一对特征点,计算两种特征描述符的相似度,根据特征点的位置分布特性进行加权融合,通过对比各对特征点的相似度实现特征匹配,并剔除异常匹配点对。本发明有效克服实际应用中红外和可见光图像之间拍摄视角、成像分辨率差异大,特征点描述和匹配困难的问题,提高图像特征点匹配的准确率。
📄 2021110744412
📂 G06V10_74
👤 安徽工业大学
📅 2021-09-14
本发明基于EPI_Volume的LF_SURF光场图像特征匹配方法,具体按照以下步骤实施:步骤1、将第一张光场图像读入至MATLAB软件中得到光场图像五维矩阵[s,t,u,v,3];步骤2、计算得到四维水平EPI_Volume矩阵、四维垂直EPI_Volume矩阵;步骤3、进行SURF特征点检测得到光场图像精确特征点;步骤4、每个光场图像精确特征点生成128维特征描述向量;步骤5、将第一张光场图像的特征点与第二张光场图像的特征点按照欧式距离进行相似性度量进而完成特征点匹配;步骤6、根据特征匹配的精确率对特征匹配的正确性进行验证。本发明基于EPI_Volume的LF_SURF光场图像特征匹配方法,克服了现有的光场图像特征检测方法检测出的特征点不稳定,计算复杂度高,没有对特征点进行描述做进一步匹配的问题。
📄 2020101314694
📂 G06V10_74
👤 西安理工大学
📅 2020-02-28
本发明基于深度学习的相似图像匹配方法,具体按照以下步骤实施:通过该目标检测网络输出目标图像中各个物体对应的检测框、检测精度;步骤2、解析处理得到目标图像中任意两个物体的相对位置关系;步骤3、构建目标图像场景目标位置关系的图模型;步骤4、重复步骤1至3对候选数据集中的每一张样本图像建立场景目标位置关系的图模型,将样本图像场景目标位置关系的图模型与所有目标图像场景目标位置关系的图模型一一进行场景匹配,确定选择出与目标图像相似度最高的三张样本图像。本发明基于深度学习的相似图像匹配方法,能够有效解析目标图像中各个物体之间的空间位置关系,准确匹配目标图像的相似图像。
📄 2020101314798
📂 G06V10_74
👤 深圳江越科技有限公司
📅 2020-02-28