[发明专利]3D深度语义感知方法及装置有效

专利信息
申请号: 201811403410.5 申请日: 2018-11-23
公开(公告)号: CN109657702B 公开(公告)日: 2023-02-07
发明(设计)人: 吴跃华 申请(专利权)人: 盎锐(上海)信息科技有限公司
主分类号: G06V20/70 分类号: G06V20/70;G06V40/16;G06V10/26;G06V10/75
代理公司: 上海知义律师事务所 31304 代理人: 刘峰
地址: 201703 上海市青*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种3D深度语义感知算法及装置,所述3D深度语义感知算法包括:获取一3D影像;将所述3D影像与一预存影像库匹配,预存影像库中每一预存影像上的影像点标记有语义信息;通过人工智能深度学习算法利用所述预存影像上影像点的语义信息来感知所述3D影像上影像点的语义信息。本发明的3D深度语义感知算法及装置能够获取更加规范的数字点云,使获取的3D影像更加容易管理、控制,而且能够降低运算所耗资源。
搜索关键词: 深度 语义 感知 方法 装置
【主权项】:
1.一种3D深度语义感知算法,其特征在于,所述3D深度语义感知算法包括:获取一3D影像;将所述3D影像与一预存影像库匹配,预存影像库中每一预存影像上的影像点标记有语义信息;通过人工智能深度学习算法利用所述预存影像上影像点的语义信息来感知所述3D影像上影像点的语义信息。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于盎锐(上海)信息科技有限公司,未经盎锐(上海)信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201811403410.5/,转载请声明来源钻瓜专利网。

同类专利
  • 图片生成方法、装置和存储介质及电子设备-202310862772.5
  • 华锐;亓超;陈小帅 - 腾讯科技(深圳)有限公司
  • 2023-07-12 - 2023-10-27 - G06V20/70
  • 本申请公开了一种图片生成方法、装置和存储介质及电子设备。其中,该方法包括:获取多个第一样本图片;利用多个第一样本图片训练初始的图片生成模型,得到训练好的第一图片生成模型;将文本标签输入第一图片生成模型,得到第一图片生成模型输出的多个第二样本图片,其中,第二样本图片携带有对应的文本标签;利用多个第二样本图片训练初始的表意识别模型,得到训练好的目标表意识别模型,其中,表意识别模型用于识别并度量图片与文本之间的表意一致性;结合目标表意识别模型,训练第一图片生成模型,得到第二图片生成模型,并通过第二图片生成模型实现图片生成。本申请解决了图片生成效率准确性较低的技术问题。
  • 图像标注方法和装置、存储介质及电子设备-202310151832.2
  • 黄钟毅 - 腾讯科技(深圳)有限公司
  • 2023-02-14 - 2023-10-27 - G06V20/70
  • 本发明公开了一种图像标注方法和装置、存储介质及电子设备。其中,该方法包括:获取视频中的N个图像,并获取视频的类别标签,其中,类别标签用于表示视频中出现的预定部位的类别,预定部位的类别为1个或2个;将N个图像输入预训练的部位定位模型,得到与M个图像对应的M组边界框,其中,部位定位模型用于根据类别标签,确定N个图像中的各个图像中预定部位所在的边界框,M组边界框包括N个图像中的M个图像中预定部位所在的边界框,M为小于或等于N的正整数;根据类别标签和M组边界框,对M个图像进行标注。本发明解决了相关技术中在图像标注过程中出现的效率较低的技术问题。
  • 封面图片的识别方法、装置、服务器及存储介质-202210365407.9
  • 刘刚 - 腾讯科技(成都)有限公司
  • 2022-04-07 - 2023-10-27 - G06V20/70
  • 本公开提供了一种封面图片的识别方法、装置、服务器及存储介质,可应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景。所述方法包括:对待识别封面图片中目标对象进行关键点检测,得到目标对象的关键点检测结果;在关键点检测结果为目标对象不完整的情况下,基于待识别封面图片和待识别封面图片所属内容项的标题信息,确定待识别封面图片对应的语义应用场景;基于关键点检测结果和语义应用场景,确定待识别封面图片在语义应用场景下的完整性。本公开不再将封面图片中对象是否完整作为封面图片完整性的判定标准,而是结合目标对象的关键点检测结果以及待识别封面图片的语义应用场景进行判定,提高了封面图片的识别精度。
  • 数据标注方法、系统及装置-202310889962.6
  • 杨志凯 - 杭州海康机器人股份有限公司
  • 2023-07-19 - 2023-10-27 - G06V20/70
  • 本申请提供了数据标注方法、系统及装置。本申请中,将标注数据比如被标注的图片和该标注数据对应的标注属性比如结构化标注标签、标注批次等在存储时完全解耦,两者完全分开存储,不再强制任何绑定关系,这能够解除了现有标注信息和被标注的图片的耦合度,使得同一张图片可同时被标注多次,同一张图片存在多个版本的标注数据,以在某一批次训练图片在后期被标注的标注数据版本达到的深度学习模型训练效果不如采用该批次训练图片在早期被标注的标注数据版本所达到的训练效果时,基于上述标注属性比如结构化标注标签、标注批次等快速筛选出早期被标注的标注数据版本,提高了深度学习模型的训练效率。
  • 变化检测图像的自动化标注方法以及系统-202310857678.0
  • 闫军;王莹莹;王艳清 - 智慧互通科技股份有限公司
  • 2023-07-13 - 2023-10-27 - G06V20/70
  • 本发明公开一种变化检测图像的自动化标注方法以及系统,涉及图像处理技术领域。方法包括:对双时相图像集中像素变化与运动对象变化进行特征提取,获得多个变化标注图;对双时相图像集中关注对象进行特征提取,获得多个对象标注图;将每个对象标注图与每个变化标注图进行与运算,生成对象变化标注图集;查找对象变化标注图集中每个对象变化标注图的目标噪声区域,对目标噪声区域进行修复,获得修复对象变化标注图集;获取新无标签数据集,根据新无标签数据集与修复对象变化标注图集对半监督标注模型进行训练,获得训练完成的半监督标注模型;根据训练完成的半监督标注模型对双时相交通场景图像进行自动化标注,生成半监督标注数据集。
  • 一种图像处理方法、装置、设备、存储介质及程序产品-202210375041.3
  • 张博翔;王尊冉;凌永根 - 腾讯科技(深圳)有限公司
  • 2022-04-11 - 2023-10-27 - G06V20/70
  • 本申请提供了一种图像处理方法、装置、设备、存储介质及程序产品,应用于人工智能、物体抓取、姿态估计、路径规划、视频理解、增强现实、智慧交通和车载等各种场景;该图像处理方法包括:基于不同尺度对待处理图像进行特征提取,得到待处理特征序列、以及对应的初始权重序列;将初始权重序列划分为第一初始权重子序列和第二初始权重子序列;对第一初始权重子序列中的每个初始权重进行调整,得到空间权重序列;对第二初始权重子序列和空间权重序列进行组合,得到与待处理特征序列对应的目标权重序列;基于目标权重序列中的目标权重,依次对待处理特征序列中的待处理特征进行迭代处理,得到语义分割结果。通过本申请,能够提升图像处理的准确度。
  • 面向非均衡遥感图像的多尺度语义分割方法及模型-202110739174.X
  • 聂婕;王成龙;魏志强;时津津;叶敏;陈昊 - 中国海洋大学
  • 2021-06-30 - 2023-10-27 - G06V20/70
  • 本发明公开了面向非均衡遥感图像的多尺度语义分割方法及模型,所述面向非均衡遥感图像的多尺度语义分割模型采用既能学习细粒度局部特征、保留小类别信息、又能学习整个全局上下文语义特征、保留大尺度信息的多层级语义分割网络;整个网络架构分为三层,每层采用不同的网络结构提取不同尺度的特征,输出不同分辨率的分割图像,将这些特征在同一层级采用贝叶斯融合方法进行图像后融合,实现多尺度分割图像信息的融合,实现缺失信息的互补;所述面向非均衡遥感图像的多尺度语义分割方法采用既能使不同类别像素更加分离、又能使相同类别像素更加聚合的优化算法,使得语义分割网络模型在类别不平衡数据上也能实现均匀的分割。
  • 融合多尺度语义信息的车辆目标识别方法、装置及设备-202210801940.5
  • 王雄飞;胡小平 - 中国人民解放军国防科技大学
  • 2022-07-08 - 2023-10-27 - G06V20/70
  • 本申请涉及一种融合多尺度语义信息的车辆目标识别方法、装置和设备。所述方法在残差结构的卷积神经网络模型中,引入改进的具有多尺度多层次的特征金字塔结构,通过对不同网络层的特征图进行紧密连接以及在其基础上进行融合,并加入横向连接,有效地融合高分辨低层语义特征和低分辨高层语义特征,解决了通用检测网络在不同分辨率影像中对不同尺度车辆目标的检测出错的问题。同时在网络中提取旋转框候选特征,实现了角度回归,避免了通用检测框架在非极大值抑制过程中对某些排列紧密的车辆的排除。本方法有效提高了遥感影像中车辆的检测精度,适用于大范围的车辆检测应用。
  • 一种基于深度学习的深度图像语义分割方法-202011215611.X
  • 盛伟国;陈浩天 - 杭州师范大学
  • 2020-11-04 - 2023-10-27 - G06V20/70
  • 本发明公开了一种基于深度学习的深度图像语义分割方法。本发明步骤如下:1:处理数据集并将处理后的数据集输入到ResNet网络模型中。2:将步骤1中处理好的数据集输入到ResNet网络下采样阶段,在下采样编码阶段使用分别训练逐渐融合的方式将RGB图像和深度图像的信息进行融合,得到下采样编码阶段提取到的特征。3:将步骤2中由ResNet网络下采样编码阶段提取到的特征输入到在上采样编码阶段,在上采样编码阶段过程加入强化监督模块,优化语义分割结果,进行更深层的特征提取。4:利用步骤3所训练获得的网络模型进行深度图像语义分割。本发明使特征在深层的网络中不被损耗,在上采样过程加入强化监督模块,优化语义分割结果。
  • 数据标注方法及装置、存储介质及电子装置-202011636965.1
  • 李雷雷;胡江明;潘威滔;王磊 - 青岛海尔科技有限公司;海尔智家股份有限公司
  • 2020-12-31 - 2023-10-27 - G06V20/70
  • 本发明公开了一种数据标注方法及装置、存储介质及电子装置,其中,上述方法包括:确定待进行数据标注的图像区域,并获取所述图像区域对应的图像特征;将所述图像特征输入到标签预测模型,得到所述图像特征对应的数据标签,其中,所述标签预测模型为使用多组数据通过机器学习训练出的,所述多组数据中的每组数据均包括:图像特征和图像特征对应的数据标签;在目标设备上显示所述数据标签,以指示目标对象根据所述数据标签确定所述图像区域的数据标注结果。采用上述技术方案,解决了传统标注过程中,只采用人工标注时标注时间较长或者只采用机器标注时机器计算量较大等问题。
  • 一种快速可学习的大尺度图像描述方法-202310935568.1
  • 杨小宝;田茜;宋博辉;贺子青 - 西安邮电大学
  • 2023-07-27 - 2023-10-24 - G06V20/70
  • 一种具有快速归一化的可学习线性注意力的大尺度图像描述方法,所述方法包括如下步骤:S100:采用深度卷积神经网络对待描述的大尺度图像进行初步特征提取,获得该待描述的大尺度图像的第一特征信息;S200:将所述第一特征信息输入包含可学习的线性注意力的编码器进行编码,得到第二特征信息;S300:将所述第二特征信息输入解码器中,得到待描述的大尺度图像的文字表示。所述方法能够加快模型的推理速度,使得大尺度图像描述模型在处理效率问题得到了缓解,同时增强模型的特征表示能力。
  • 一种具有稀疏性的多阶段图像描述装置-202310934494.X
  • 杨小宝;杨洋;贺子青;宋博辉 - 西安邮电大学
  • 2023-07-27 - 2023-10-24 - G06V20/70
  • 一种具有稀疏性的多阶段图像描述装置,包括:用于采用卷积神经网络对待描述的图像进行初步特征提取,获得该待描述的图像的第一特征信息的装置;用于将所述第一特征信息输入基于Transformer的具有稀疏性的多阶段特征增强网络,得到包含全局信息和语义信息的待描述图像的第二特征信息的装置;用于将所述第二特征信息输入由Transformer和最大值输出模块组成的解码器中,得到待描述图像的文字表示的装置。所述装置能够提高对细节视觉信息的表征,突出重要物体,同时生成更高质量的句子。
  • 基于Kinect相机的二维人体关节数据集制作方法-202310732452.8
  • 王进;王远航;陆国栋 - 余姚市机器人研究中心;浙江大学
  • 2023-06-20 - 2023-10-24 - G06V20/70
  • 本发明涉及数据集制作领域,尤其是涉及一种基于Kinect相机的二维人体关节数据集制作方法,首先定义所需关节位置模型,在人体关节处粘贴物理标记,通过Kinect相机录制人体演示视频,然后通过帧图拆分进而得到图像集,将图像集转为HSV空间,并进行形态学处理以获取标记关节位置,再通过相对位置匹配算法获取绝大多数有序关节坐标,而后通过均值偏差拟合推断遮挡关节位置,最后通过人工复检与微调完成二维人体关节数据集制作。本发明使用低成本的Kinect相机获取人体演示图像及准确的二维关节位置数据集,关节位置可自行设定,具有较强的灵活性,有效改善Kinect内置关节骨架功能中漂移误差较为严重的现象。
  • 一种皮肤痤疮图像辅助标注方法与系统、分级方法与系统-202311197684.4
  • 张蕾;张楗伟;刘文杰;张啸云;谢艺萍;廖依馨;张文文;王译辉;张子野 - 四川大学
  • 2023-09-18 - 2023-10-24 - G06V20/70
  • 本发明公开了一种皮肤痤疮图像辅助标注方法与系统、分级方法与系统,属于图像处理技术领域中的皮肤痤疮的辅助标注与分级,其目的在于解决现有技术中存在的新模型和旧模型进行比较引入额外的训练开销导致训练效率低、以及优秀的已训练完成的深度学习模型往往基于已标注好的特定的高质量数据集且没有较好的迁移学习效果的技术问题。其通过Oracle标注周期获取优质的数据,并且不同于侧重通过更换“筛选方法”的方式来提高标注样本的质量从而提高模型准确度;通过引入监督学习和半监督学习,能够更好地利用待标注的无标签数据,从而提高模型准确度,一定程度上解决了高质量数据集不足从而导致模型预测准确率较低的问题。
  • 一种基于语义分割的焊接起弧状态实时检测方法-202310311021.4
  • 李波;田慧云 - 苏芯物联技术(南京)有限公司
  • 2023-03-28 - 2023-10-24 - G06V20/70
  • 本发明公开了一种基于语义分割的焊接起弧状态实时检测方法,首先采集实际焊接过程中的高频电流数据,并进行预处理。通过搭建基于FCN网络结构的语义分割模型并进行训练,对入模数据进行分类,输出每个样本中各电流点的数据标签,并按照该标签确定实际焊接过程中的起弧区间,实时检测焊接过程的起弧连续性。此外,针对实际焊接过程中可能存在的连续起弧、瞬时熄弧等情况,本发明还设计了辅助的修正方法,解决了语义分割模型预测结果可能存在的冗余问题,可以更加精准的判断起弧状态持续时间。
  • 分割模型的训练方法、息肉分割方法、装置、设备及介质-202310899869.3
  • 杨志雄;杨延展 - 抖音视界有限公司
  • 2023-07-20 - 2023-10-20 - G06V20/70
  • 本公开实施例提供了一种分割模型的训练方法、息肉分割方法、装置、设备及介质,通过将内窥镜图像样本集中的各内窥镜图像样本分别输入教师模型和学生模型,获取各内窥镜图像样本对应的教师模型处理信息和学生模型处理信息,根据教师模型处理信息和学生模型处理信息,确定各内窥镜图像样本对应的蒸馏损失函数,根据该蒸馏损失函数训练学生模型,实现采用预先训练好的教师模型指导学生模型的训练,通过教师模型的学习能力,提升学生模型的模型性能,在减小模型规模和计算复杂度的同时,保持良好的分割准确度和精度,解决了将通用分割模型应用于息肉分割场景,存在的实时性、分割准确度和精度方面的问题。
  • 小气道分割方法、装置、电子设备及非易失性存储介质-202310908810.6
  • 李楠宇;陈日清;苏晨晖;徐宏 - 杭州堃博生物科技有限公司
  • 2023-07-24 - 2023-10-20 - G06V20/70
  • 本申请实施例公开了一种小气道分割方法、装置、电子设备及非易失性存储介质。本申请的方法,包括:采用图像分割网络对肺部CT图像进行分割,得到目标区域图像,其中,目标区域图像为除去主气道部分的肺实质区域的图像;采用卷积神经网络,对目标区域图像进行特征提取,得到第一特征图;采用Transformer网络,确定第一特征图的第一注意力权重,并依据第一注意力权重,确定第二特征图,其中,第一注意力权重用于表征第一特征图中各个位置的特征之间的影响程度;依据第一特征图和第二特征图,确定目标分割图像,其中,目标分割图像中包含直径小于预设直径阈值的气道。
  • 基于图一致性的标签生成方法及在多标签特征选择的应用-202310879609.X
  • 高万夫;郝娉婷;潘涵林;李永豪;胡亮 - 吉林大学
  • 2023-07-18 - 2023-10-20 - G06V20/70
  • 本发明公开了基于图一致性的标签生成方法及在多标签特征选择的应用,包括在LGCM构建一个模型,该模型结合了双向翻转机制来估计真实标签;在每次迭代中使用新标签来训练特征选择模型,同时,LGCM使用共享的低秩特征空间来辅助标签生成过程。本发明采用上述的基于图一致性的标签生成方法及在多标签特征选择的应用,设计了一种双向翻转机制,该机制利用全局图的一致性来指导每个实例的标签生成数值。同时,采用了一种新的统一损失函数来同时完成标签生成和特征选择过程,该函数与共享的低秩特征空间和局部结构相似性相结合,以减少与标签生成的偏差。因此,可以有效地利用损失函数所选的特征来预测不可见实例的标签。
  • 一种基于计算机视觉大模型的缺陷标注方法-202310915978.X
  • 肖继民;王晓阳;李浩程;方正 - 苏州元瞰科技有限公司
  • 2023-07-25 - 2023-10-20 - G06V20/70
  • 本发明公开的一种基于计算机视觉大模型的缺陷标注方法,包括收集大量带缺陷的产品图像数据,生成初始无标注数据集,并生成深度图像特征;使用计算机针对待测产品图片生成密集网格坐标提示信息,网格上的每一个坐标用于指引模型关注该位置的物体,使用提示信息编码器提取提示信息特征;将深度图像特征与提示信息特征输入视觉大模型,得到边缘分割掩码;搭建基于深度学习的视觉大模型,视觉大模型将待测产品图像中所有具备物体特征的区域进行分割处理,产生大量物体区域预测掩码;标注人员参照产品缺陷判定规则选择符合缺陷判定的预测掩码,保留其掩码结果并删除其余不符合缺陷规则的掩码。
  • 基于大模型的可交互式标注方法及系统-202310894784.6
  • 蔡天任;许家誉;莫卓亚;刘涛 - 广东弓叶科技有限公司
  • 2023-07-19 - 2023-10-20 - G06V20/70
  • 本发明属于数字图像处理技术领域,尤其涉及一种基于大模型的可交互式标注方法及系统,所述方法包括:获取图像分割大模型和目标图像;将图像分割大模型和目标图像载入预先设置的标注系统中生成特征信息,并将特征信息载入标注系统中;响应于用户的标注操作生成标注信息;将标注信息输入图像分割大模型中生成图像蒙版;根据图像蒙版生成标注图像,并返回给前端进行展示。本发明使用预先训练的开源图像分割大模型,可免训练直接部署,减少了繁杂的数据预标注和训练过程,具有较强的泛化性,当获取目标图像的人工打点信息时,即可立即得到目标的轮廓数据,响应在毫秒级别,同时具有很强的泛化性可避免信息熵的问题。
  • 信码防伪印刷物的采集信息处理方法及系统-202311190343.4
  • 何岗 - 东莞市将为防伪科技有限公司
  • 2023-09-15 - 2023-10-20 - G06V20/70
  • 本申请公开了一种信码防伪印刷物的采集信息处理方法及系统,其首先获取防伪标签的标签图像,接着,对所述标签图像进行图像分析,以得到所述标签图像的图像语义特征,然后,基于所述标签图像的图像语义特征,对所述标签图像进行去褶皱处理,以生成去褶皱标签图像;这样,可以基于防伪标签的标签图像中的语义信息来进行去褶皱处理。
  • 一种难样本实例分割方法、设备及计算机可读存储介质-202010480111.2
  • 薛均晓;程君进;徐明亮;吕培 - 郑州大学
  • 2020-05-30 - 2023-10-20 - G06V20/70
  • 本发明公开了一种难样本实例分割方法、设备及计算机可读存储介质,包括:图像的预处理,用于使图像的前景和背景易于区分;图像的难样本分割,用于区分图像中的正样本和负样本;图像的卷积训练,用于图像中难样本的实例分割。本发明对原始图像进行预处理,使图像的前景和背景更容易区分,边界更清晰。对预处理后的图像进行难样本分割,提升卷积训练时的识别精度。进行卷积训练,能够契合大规模的训练样本,进行自主学习,大量的训练样本有利于激活深度网络神经元,记忆式地存储解析目标物体不同颜色、形态、环境下的状态。
  • 一种电气设备紫外图像的语义分割模型构建方法及系统-202311001158.6
  • 曾兵;周宇;何帝霖;陈显彪;杨小品;张文华;谢云敏;饶繁星 - 南昌工程学院
  • 2023-08-10 - 2023-10-20 - G06V20/70
  • 本发明公开了一种电气设备紫外图像的语义分割模型构建方法及系统,方法包括:获取电气设备紫外图像集,对电气设备紫外图像集中的各个电气设备紫外图像进行图像标注,并将标注后的电气设备紫外图像集划分为训练子集、测试子集和验证子集;根据训练子集构建语义分割模型,语义分割模型包括卷积层、改进SPPF空间金字塔结构、改进CA注意力机制、下采样层以及上采样层基于改进的剪枝策略对语义分割模型进行剪枝操作,得到目标语义分割模型;根据测试子集和验证子集对目标语义分割模型进行测试和验证。通过引入改进SPPF空间金字塔结构实现多尺度信息提取,同时在语义分割模型解码部分嵌入改进CA注意力机制模块增强对关键特征信息的注意力。
  • 图像生成方法、装置、设备以及存储介质-202310899697.X
  • 朱城 - 腾讯科技(深圳)有限公司
  • 2023-07-21 - 2023-10-20 - G06V20/70
  • 本申请实施例公开了一种图像生成方法、装置、设备以及存储介质,可应用于人工智能领域。该方法包括:将目标图像提示语输入图像生成模型得到目标图像提示语所描述的图像;图像生成模型是基于以下方式训练得到的:确定训练样本集,训练样本集包括至少一组训练样本,每组训练样本包括一个样本图像以及一条第一图像提示语;将样本图像和第一图像提示语输入初始模型得到预测图像,确定预测图像属于各预设图像类别的第一预测置信度,基于样本图像属于各预设图像类别的实际置信度和第一预测置信度确定总训练损失;基于训练样本集对初始模型进行训练得到图像生成模型。采用本申请实施例,可准确生成图像提示语所描述的图像,适用性高。
  • 核团标注装置及方法、可穿戴的XR设备、相关装置-202310618961.8
  • 周国新;唐建东 - 苏州景昱医疗器械有限公司
  • 2023-05-29 - 2023-10-17 - G06V20/70
  • 本申请提供核团标注装置及方法、可穿戴的XR设备、相关装置,所述方法包括:获取患者大脑的医学影像数据,并根据所述医学影像数据,重建所述患者的大脑的三维模型;从所述医学影像数据中分割出一个或多个核团,以得到每个所述核团的分割结果;根据每个所述核团的分割结果和所述三维模型,获取第一显示图像,并使用可穿戴的XR设备显示所述第一显示图像,在所述第一显示图像中,每个所述核团区分显示,为穿戴所述XR设备的医生标注出每个所述核团的位置和大小。本申请旨在提供一种能够准确、快速和可视化地标注和定位核团的装置和可穿戴的XR设备,以解决医学影像处理的问题和辅助医生进行决策和操作。
  • 标注数据的获取方法、装置和设备-201911138997.6
  • 舒茂 - 北京百度网讯科技有限公司
  • 2019-11-20 - 2023-10-17 - G06V20/70
  • 本申请公开了一种标注数据的获取方法、装置和设备,可用于自动驾驶,在获取标注数据时,可以先获取设置在道路中,且会阻碍车辆正常行驶的标志物的标志物图标,并获取路测设备采集的真实道路的背景图像,然后再将标志物图标融合到真实道路的背景图像中,得到该真实道路的目标图像,该目标图像中标注有标志物图标,可以看出,与现有技术获取标注数据相比,本申请实施例提供的标注数据的获取方法,在获取标注数据时,是直接将获取到的标志物图标融合到通过路侧设备采集的真实道路的背景图像中,使得融合得到的标注有标志物图标的目标图像更加符合真实道路的场景,从而提高了获取的标注数据的准确度。
  • 一种基于语义引导信息的条件式图像生成方法及相关装置-202310807945.3
  • 黄惠;李明 - 深圳大学
  • 2023-07-04 - 2023-10-17 - G06V20/70
  • 本申请公开了一种基于语义引导信息的条件式图像生成方法及相关装置,方法包括获取初始语义数据的语义特征信息,并从高斯分布中采样噪声向量;将所述语义特征信息和所述噪声向量输入经过训练的条件流模型,通过所述条件流模型生成预训练的生成器的隐空间中的图像嵌入;将所述图像嵌入输入所述预训练的生成器,通过所述预训练的生成器确定生成图像。本申请利用语义特征信息作为条件引导,通过条件流模型将语义特征信息映射至生成器所需的图像嵌入,使得条件流模型均仅需要学习语义特征信息对应的低维隐空间到生成器的低维隐空间的映射,降低了条件流模型的训练难度,从而可以降低图像生成所需要的人力资源成本和计算资源成本。
  • 一种基于DeeplabV3+的无人驾驶街景图像分割实现方法-202310878479.8
  • 徐军;高秋悦;杨柏松 - 哈尔滨理工大学
  • 2023-07-18 - 2023-10-13 - G06V20/70
  • 本发明公开了一种基于DeeplabV3+的无人驾驶街景图像分割实现方法,涉及深度学习和图像语义分割领域,该方法在街景图像预处理时充分考虑图像像素分辨率问题,保留了高分辨率像素图像并对其做随机缩放数据增强处理,然后通过DeeplabV3+网络模型中带有不同膨胀率以及融合了混合池化模块MPM的空间金字塔ASPP,并且结合双重注意力网络DANet充分提取特征信息,解决边缘模糊化等问题,从而提高对无人驾驶街景图像的分割效果。
  • 基于毫米波图像的物品标注方法、装置、电子设备-202310737145.9
  • 唐红强;高伟;罗俊;刘文冬;周春元;张慧 - 珠海微度芯创科技有限责任公司
  • 2023-06-20 - 2023-10-13 - G06V20/70
  • 本发明提出了一种基于毫米波图像的物品标注方法、装置、电子设备,该方法包括:获取三维毫米波样本图像的三维像素点的像素三维数据;对像素三维数据进行对数映射和归一化处理后在深度方向进行最大值投影,得到二维投影数据、像素归一化灰度值和像素归一化索引值;对色彩矩阵在深度方向上采样得到深度色彩索引表;基于像素归一化索引值在深度色彩索引表中匹配出的深度色彩值,结合像素归一化灰度值确定像素色彩值;基于像素色彩值和二维投影数据得到的色彩二维毫米波图像得到物品标注结果。本发明实施例通过像素的深度信息对图像进行颜色映射,能够将三维毫米波图像压缩成二维彩色图像,利用图像的颜色突出物品形态特征与边界,提高标注效率。
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top