“孙垚棋”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果337个，建议您升级VIP下载更多相关专利

[发明专利]基于非局部信息注意力机制的交叉视角地理定位方法-CN202211700267.2在审
发明人：薛轶天;张强;颜成钢;王廷宇;高宇涵;孙垚棋;陈楚翘;王鸿奎;朱尊杰;殷海兵;张继勇;李宗鹏;赵治栋 -专利权人：杭电（丽水）研究院有限公司
申请日： 2022-12-28 - 公布日： 2023-04-18 - 主分类号： G06V10/22 文献下载
摘要：本发明公开了基于非局部信息注意力机制的交叉视角地理定位方法。将非局部信息的注意力机制应用到交叉视角地理定位任务中。通过非局部信息的注意力机制模型融合全局信息，结合上下文的特征信息，缓解局部特征在训练中视野不够大、部分信息丢失、关键特征抓取不准等问题。并且在一定程度上改善了交叉视角地理定位任务中同一地理建筑不同视角特征分布差异较大的问题，优化训练模型，从而提高匹配检索和分类的准确率以及效率，并且非局部信息的注意力机制可以很方便地嵌入到很多现有模型中，进一步提高模型性能。
基于局部信息注意力机制交叉视角地理定位方法

[发明专利]一种基于无监督学习的多房间室内户型图重建方法-CN202211700300.1在审
发明人：颜成钢;汪奇挺;朱尊杰;张文豪;魏宇鑫;高宇涵;孙垚棋;陈楚翘;王鸿奎;王廷宇;殷海兵;张继勇;李宗鹏;赵治栋 -专利权人：杭电（丽水）研究院有限公司
申请日： 2022-12-28 - 公布日： 2023-04-18 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种基于无监督学习的多房间室内户型图重建方法，首先使用形态学侵蚀对多房间场景进行单房间检测，得到单房间点云；然后提取单个房间中的所有壁面点云；通过强化学习拟合壁面线段，得到单房间的线段集合；最后根据得到单房间的线段集合完成结构重建。本发明在对场景中的重建时，消除了房间之间的干扰，保证了重建后结果的完整性。本发明使用形态学方法保留壁面点云，使用强化学习提取线段，消除了平面拟合方法中室内家具对线段拟合的影响。
一种基于监督学习房间室内户型重建方法

[发明专利]一种基于深度学习的图像质量评价方法-CN201910610718.5有效
发明人：颜成钢;陈子阳;朱嘉凯;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2019-07-08 - 公布日： 2023-04-18 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于深度学习的图像质量评价方法，包括如下步骤：步骤1：提取结构性特征图；步骤2：提取自然性特征图；步骤3：提取自由能特征图；步骤4：根据每张图对应的所有特征图设计神经网络框架。计算图像梯度做为图像的结构性特征，其次基于自然性特性提取图像的归一化特性做为自然性特征，最后基于大脑的自由能原理，对输入图像和大脑对它的预测图像之间的差异做为图像的高级特征。在特征提取完之后，利用一组无失真图像学习出一个模型并利用该模型来预测图像的质量。失真图像的质量被定义为它的模型与学习到的无失真模型之间的距离。
一种基于深度学习图像质量评价方法

[发明专利]一种利用多任务互补提高深度估计准确性的方法-CN202010355040.3有效
发明人：颜成钢;张杰华;楼杰栋;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2020-04-29 - 公布日： 2023-04-18 - 主分类号： G06T7/593 文献下载
摘要：本发明公开了一种利用多任务互补提高深度估计准确性的方法。本发明方法使用SFM系统得到的稀疏的深度图像作为辅助输入，与RGB图像一同输入到卷积神经网络，作为辅助线索提高深度估计的准确性。将稀疏的深度图像和RGB图像当作有噪声的数据，通过去噪编码器对输入数据进行编码，提取其中的特征，将提取的四组特征串联后进行共享，解决了单独的RGB图像以基于卷积神经网络的方法进行深度估计时没有可靠且鲁棒的线索的问题；将编码后的特征通过解码器重建为精确的深度图，得到了更加精确的深度估计结果。
一种利用任务互补提高深度估计准确性方法

[发明专利]一种结合梯度和纹理特征的单目图像深度估计方法-CN201911030699.5有效
发明人：孔清;颜成钢;史治国;刘彦禹;管飞;孙垚棋;张继勇;张勇东;沈韬 -专利权人：杭州电子科技大学
申请日： 2019-10-28 - 公布日： 2023-04-18 - 主分类号： G06T7/529 文献下载
摘要：本发明公开了一种结合梯度和纹理特征的单目图像深度估计方法。本发明包含以下步骤：步骤1：预训练目标高维特征，设计训练编码深度高维特征，并解码成原输入深度图的模型结构；步骤2：提取单目图像的附加图像特征；附加特征主要是针对图像提取相应的纹理特征和梯度特征；步骤3：构造训练高维特征学习的编码器；步骤4：将训练完成的高维特征输入到步骤1训练练完成的解码器中，进行解码得到我们最后的深度输出图。本发明采取函数关系和图像存在的深度线索相结合的方式，弥补图像中实例的细节层面的深度信息缺失的问题。本发明把图像的梯度信息和纹理信息作为深度线索，协助深度卷积网络学习图像的深度信息。
一种结合梯度纹理特征图像深度估计方法

[发明专利]一种基于语义分割和深度学习的图片背景风格迁移方法-CN202010043890.X有效
发明人：颜成钢;郑鑫磊;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2020-01-15 - 公布日： 2023-04-18 - 主分类号： G06T3/00 文献下载
摘要：本发明提供一种基于语义分割和深度学习的图片背景风格迁移方法。本发明首先选择内容图片和风格图片并进行图片预处理；然后通过ResNet网络由内容图片和风格图片直接计算的到一张相对比较接近结果的图片；然后通过VGG‑19网络获得风格约束和内容约束，根据损失函数进行梯度下降，通过多次迭代的方式获得背景风格迁移结果，最后将迁移结果放回图片上。本发明速度提高了上百倍，可扩展性强，对局部区域进行风格迁移，保留了图像主体内容，以达到突出主体，增强图像艺术表现力的效果，代码易读性和可移植性强。
一种基于语义分割深度学习图片背景风格迁移方法

[发明专利]一种基于图像语义分割的损失函数及其设计方法-CN201911066221.8有效
发明人：颜成钢;王廷宇;孙垚棋;张继勇;张勇东;沈韬 -专利权人：杭州电子科技大学
申请日： 2019-11-04 - 公布日： 2023-04-18 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了一种基于图像语义分割的损失函数及其设计方法。本发明步骤如下：1。参数wi的确立。在网络训练过程中，从标签标注信息中提取此张图片中包含的语义类别个数n以及每个语义类别在图片中所占的面积s。在得到此两种标签信息后，将面积从大到小排列，并分别计算最大面积与各个面积之间的倍数，而后再将这些倍数关系归一化到[1,n]之间，即训练时每个损失函数计算时，不同类别对应的权重取值wi。2.参数Υ的确立。首先确定Υ＞0,而后在网络训练过程中通过网格寻优的方式，对Υ的值进行进一步的确立。本发明设计损失带有权重的损失函数进行改进，以使训练的卷积神经网络得到更好的图像分割效果。
一种基于图像语义分割损失函数及其设计方法

[发明专利]一种人脸图像自动上妆方法-CN202010321808.5有效
发明人：颜成钢;黄智坤;王文铅;陈安琪;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2020-04-22 - 公布日： 2023-04-18 - 主分类号： G06T3/00 文献下载
摘要：本发明提供一种人脸图像自动上妆方法。本发明方法首先将获取的人脸图像数据集分为目标图像集和参考图像集；然后采用图像分割技术，对目标图像进行分割，得到目标图像的分割图，再通过分割图为目标图像集中的每一张人脸做好定制掩膜；然后将目标图像集和参考图像集以及目标图像集的掩膜分别输入到人脸图像自动上妆网络中训练网络模型，计算人脸图像自动上妆网络的损失函数，最后使用测试集测试训练好的人脸图像自动上妆网络模型。本发明为每张目标图像定制的掩膜，对神经网络进行了约束，避免图像中不需要化妆的区域发生改变，确保了生成图像的真实性。
一种图像自动方法

[发明专利]一种基于小波变换的神经网络图像去噪方法-CN202010364618.1有效
发明人：颜成钢;陈利;巩鹏博;郑锦凯;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2020-04-30 - 公布日： 2023-04-18 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于小波变换的神经网络图像去噪方法。本发明首先使用小波变换对图像进行分解，具体的是将原始图像分解成为四个子图像；对于得到的子图像，分别单独的使用设计好的全卷积神经网络进行训练，四个神经网络之间互不干扰；接下来再使用图像融合的方法将四个子图融合成为最后的去噪图像。本发明针对图像中的噪声，可以有效的进行过滤，得到一张对比度强，色彩自然，视觉效果好的图像。该算法可以在手机上应用，只需要一键操作，有效的提高图像的质量，令用户的拍照体验感提升。
一种基于变换神经网络图像方法

[发明专利]一种用于大规模超图的聚类方法-CN202211275292.0在审
发明人：薛轶天;钟昊;颜成钢;高宇涵;陈楚翘;王鸿奎;胡冀;孙垚棋;朱尊杰;殷海兵;张继勇;李宗鹏;赵治栋 -专利权人：杭电（丽水）研究院有限公司
申请日： 2022-10-18 - 公布日： 2023-04-14 - 主分类号： G06V10/762 文献下载
摘要：本发明公开了一种用于大规模超图的聚类方法。本发明构建了一个基于流的局部超图聚类框架，该框架基于最小化局部比率切割目标。采用局部切割思想，不在全局的超图上进行处理，通过输入一组带聚类标签的节点，将这些输入节点向周围进行扩散，筛选出部分与聚类目标相关性较高的节点，形成一个由这些相关节点组成的局部超图，再将该局部超图在保留高阶信息的同时通过特定方法转化为普通图的形式。然后将转化之后的普通图进行s‑t切割，通过最小化定义的损失函数来得到与输入集高度相关并且连接良好的节点集作为输出。本发明方法比基于细化种子集邻域的启发式方法或在派系扩展上使用现有的图方法更精确。
一种用于大规模超图方法

[发明专利]一种基于无监督学习的视频去模糊方法-CN202211275383.4在审
发明人：朱尊杰;徐浙峰;颜成钢;孙垚棋;胡冀;高宇涵;陈楚翘;王鸿奎;薛轶天;殷海兵;张继勇;李宗鹏 -专利权人：杭电（丽水）研究院有限公司
申请日： 2022-10-18 - 公布日： 2023-04-14 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于无监督学习的视频去模糊方法，首先构建去模糊网络；根据输入视频中每一帧图像的边缘信息，将视频中图像块归类成清晰和不清晰两类；使用不清晰的图像块生成数据集，对去模糊网络进行训练；再使用清晰的图像块生成数据集，对去模糊网络进行训练；最后使用训练好的去模糊网络对输入视频进行去模糊，得到清晰视频。本发明无需模糊视频对应的真实清晰视频，而是从输入视频中构建数据集训练去模糊网络，减小数据集和真实情况的差异，提升视频去模糊性能。
一种基于监督学习视频模糊方法

[发明专利]一种频域上的JPEG压缩图像质量增强方法-CN202211275320.9在审
发明人：颜成钢;肇恒润;陈楚翘;朱尊杰;高宇涵;孙垚棋;王鸿奎;殷海兵;胡冀;张继勇;李宗鹏 -专利权人：杭电（丽水）研究院有限公司
申请日： 2022-10-18 - 公布日： 2023-04-07 - 主分类号： G06T9/00 文献下载
摘要：本发明公开了一种频域上的JPEG压缩图像质量增强方法，首先将原始图像压缩成对应的JPEG压缩图像；将RGB三通道形式的压缩图像转换为YUV图像；再将YUV形式的压缩图像进行8×8尺寸的二维DCT变换。然后搭建、训练图像增强网络模型；将DCT系数矩阵输入模型，得到经过模型增强后的DCT系数矩阵；对增强后的DCT系数矩阵进行8×8二维IDCT变换，得到增强后的YUV420图像；最后将增强后的YUV420图像转换为最终的RGB图像。通过采用提出的频域压缩图像质量增强网络模型作为质量增强模型，对JPEG压缩图像进行增强，使经过网络增强后的JPEG压缩图像的观感质量获得提升。
一种频域上 jpeg 压缩图像质量增强方法

[发明专利]一种基于加权欧氏距离算法的检索方法-CN202211274832.3在审
发明人：薛轶天;郭舒瑶;颜成钢;高宇涵;孙垚棋;陈楚翘;王鸿奎;胡冀;朱尊杰;殷海兵;张继勇;李宗鹏;赵治栋 -专利权人：杭电（丽水）研究院有限公司
申请日： 2022-10-18 - 公布日： 2023-04-07 - 主分类号： G06F16/583 文献下载
摘要：本发明公开了一种基于加权欧氏距离算法的检索方法，先采用爬虫的方法获得所需的数据集并对其进行相关的预处理操作；再采用颜色矩的方法来计算整个图像的颜色特征，即计算整个图像的一阶矩、二阶矩以及三阶矩，并将得到的三个矩结合起来形成一个9维的直方图向量；最后分别使用欧氏距离算法、余弦相似度算法和加权欧氏距离算法来计算测试图与数据集中所有图像之间的相似度。本发明采用了加权欧氏距离算法，不仅重视数值之间的相似度，而且通过分配权重的方式来区别不同维度的重要程度。
一种基于加权距离算法检索方法

[发明专利]一种基于多角度激光线扫描的三维重构系统-CN201910520240.7有效
发明人：颜成钢;王瑞海;吕彬彬;王兴政;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2019-06-17 - 公布日： 2023-04-07 - 主分类号： G06T17/10 文献下载
摘要：本发明公开了一种基于多角度激光线扫描的三维重构系统。本发明在单线激光扫描的基础上采用了三个线激光发射器，并分别相隔120°放置于被测物体周围，并使激光发射器和图像采集设备的位置相对固定，使用升降器来带动被测物体做上下运动，进而完成线激光对物体轮廓的全面扫描，通过对摄像机拍摄到的图片进行处理，进而完成对被测物体表面轮廓模型的重建。本发明系统包括驱动位移模块、激光扫描模块、图像采集模块和中央处理模块。本发明可以实现对被测物体的全方位扫描，进而获得被测物体表面的全部轮廓信息，可以有效地对不规则的物体进行重构，并极大的提高了被测物体的重构精度。
一种基于角度激光扫描三维系统

[发明专利]一种自适应鲁棒的灰度图像中液位高精度检测方法-CN202010132818.4有效
发明人：颜成钢;葛作鹏;刘鑫;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2020-02-29 - 公布日： 2023-04-07 - 主分类号： G06T7/00 文献下载
摘要：本发明一种自适应鲁棒的灰度图像中液位高精度检测方法。本发明针对瓶装产品的液面检测问题，首先灰度图像进行去噪、直方图均衡化处理、分段线性变换函数进行对比度拉伸，使用改进的边缘检测模板检测图像边缘，根据自适应的算法检测液面的高度，能自动确定图像中半瓶的情况，对图像中多个瓶装产品的液位高度都能进行很好的检测和确定，将液位边缘的下层高度减去瓶底边缘的上层高度，就可以精确的得到瓶中液体的高度，进而判断瓶装量是否达到要求。本发明采用的新的边缘检测算法保证了边缘的强度，效果更好，视觉体验更好，更能适应复杂的花境，本发明方法更加鲁棒、精度高，应用的场所更多。
一种自适应灰度图像中液位高精度检测方法