“局部特征提取 ”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果3108019个，建议您升级VIP下载更多相关专利

[发明专利]特征提取模型训练及特征提取方法、装置-CN202211617205.5在审
发明人：王发发 -专利权人：北京爱奇艺科技有限公司
申请日： 2022-12-13 - 公布日： 2023-03-31 - 主分类号： G06V10/774 文献下载
摘要：本发明实施例涉及一种特征提取模型训练及特征提取方法、装置，包括：将训练图片集输入初始模型，由其中的局部特征提取层从训练图片中提取若干个局部特征，由特征增强层基于注意力机制对若干个局部特征进行特征增强得到若干个增强局部特征，由全局特征提取层基于若干个增强局部特征进行特征聚合得到全局特征，由分类器根据全局特征得到训练图片的预测分类参数；根据训练图片的标签参数和预测分类参数，对初始模型的模型参数进行调整，得到训练好的分类模型；基于分类模型中的局部特征提取层、特征增强层以及全局特征提取层构建用于提取全局特征的特征提取模型。由此，可以实现一种端到端的全局特征提取方案，降低算法复杂度。
特征提取模型训练方法装置

[发明专利]点云数据的特征提取方法、系统、计算机装置和存储介质-CN202111324162.7在审
发明人：蔡长青 -专利权人：广州大学
申请日： 2021-11-09 - 公布日： 2022-03-04 - 主分类号： G06V10/44 文献下载
摘要：本发明公开了一种点云数据的特征提取方法、系统、计算机装置和存储介质，点云数据的特征提取方法包括对点云数据分别进行多组局部特征提取处理，对全部局部特征提取处理各自输出的局部特征进行最大池化，提取出多个局部特征，对全部局部特征提取处理各自输出的局部特征进行最大池化，获得全局特征；将全部局部特征与全局特征连接，获得多尺度特征等步骤。本发明所获得的多尺度特征包含了局部特征和全局特征，因此既能够表达被测物体的整体几何信息，又有效地描述被测物体中的杆和柱等高大物体等的局部细节几何信息，容易在一个流程中兼顾全局特征和局部特征的提取，从而达到较高的特征提取效率
数据特征提取方法系统计算机装置存储介质

[发明专利]一种基于解耦合的局部图像特征提取方法-CN202110898241.2有效
发明人：刘红敏;杨玉竹;樊彬;曾慧;张利欣 -专利权人：北京科技大学
申请日： 2021-08-05 - 公布日： 2022-04-29 - 主分类号： G06V10/44 文献下载
摘要：本发明涉及图像特征提取技术领域，特别是指一种基于解耦合的局部图像特征提取方法，方法包括：获取待提取图像；将图像输入到训练好的局部图像特征提取模型中，局部图像特征提取模型包括特征编码器网络FE和局部图像特征点和描述子提取网络E；基于图像以及特征编码器网络FE和局部图像特征点和描述子提取网络E，得到图像的特征点和描述子，完成对图像的特征提取。本发明是一种分解本质信息和外部环境因素特征的深度解耦合学习的局部图像特征提取与匹配的方法，从而在根本上解决复杂图像变化条件下的图像特征匹配问题。
一种基于耦合局部图像特征提取方法

[发明专利]一种换流变压器局部放电波形特征提取方法-CN201410242951.X有效
发明人：齐波;魏振;李成榕 -专利权人：华北电力大学
申请日： 2014-06-03 - 公布日： 2017-01-04 - 主分类号： G01R31/12 文献下载
摘要：本发明公开了属于高压直流输电设备局部放电检测技术领域的一种换流变压器局部放电波形特征提取方法，尤其涉及基于多元特征提取包的换流变压器局部放电波形特征提取方法。包括文件读取、文件筛选、预处理、调用多元特征提取包，获取放电波形时频空间特征、整合并储存提取到的局部放电波形空间特征等步骤，应用于高压直流输电系统中的换流变压器局部放电检测及绝缘缺陷诊断。本发明针对换流变压器局部放电波形特征提取问题，采用调用多元特征提取包的思路，提出了有效的解决方法。本发明弥补了换流变压器局部放电波形特征提取方法不足的问题，具有快速准确、特征全面详实的特点。
一种换流变压器局部放电波形特征提取方法

[发明专利]色调映射图像的质量评价方法、系统、终端及存储介质-CN202110494547.1在审
发明人：姜明星;胡俊;李肇明 -专利权人：安徽国际商务职业学院
申请日： 2021-05-07 - 公布日： 2021-09-07 - 主分类号： G06T7/13 文献下载
摘要：本发明公开了一种色调映射图像的质量评价方法、系统、终端及存储介质，该方法包括：根据曝光值将色调映射图像划分为正常曝光区以及异常曝光区；针对正常曝光区以及异常曝光区进行分区域局部特征提取；局部结构特征提取；表面结构特征提取；边缘结构特征提取；训练模型并测试。该系统包括：分区单元、分区域局部特征提取单元、局部结构特征提取单元、表面结构特征提取单元、边缘结构特征提取单元、模型训练单元以及测试单元。
色调映射图像质量评价方法系统终端存储介质

[发明专利]一种图像分类方法、装置、设备及存储介质-CN202110310508.1在审
发明人：盛日敏;牛强 -专利权人：中移(苏州)软件技术有限公司;中国移动通信集团有限公司
申请日： 2021-03-23 - 公布日： 2022-09-27 - 主分类号： G06V40/16 文献下载
摘要：本申请公开一种图像分类方法、装置、设备及存储介质，该方法包括：预先基于多视图不相关鉴别分析算法和局部判别典型相关算法建立图像特征提取模型；图像特征提取模型特征提取时增强同类图像间局部相关关系，减弱不同类图像间局部相关关系，及去除图像特征冗余信息；获取待分类图像集并输入到图像特征提取模型进行特征提取，将第一特征提取结果输入到图像分类模型进行图像分类，得到对应的分类结果。如此，在现有多视图不相关鉴别分析算法基础上增加局部判别典型相关算法，使得在特征提取时增强同类图像间局部相关关系，减弱不同类图像间局部相关关系，并去除图像特征冗余信息，使得提取的图像特征更加显著，提高后续图像分类效果
一种图像分类方法装置设备存储介质

[发明专利]图像特征提取方法、设备及可读存储介质-CN202310545790.0在审
发明人：张号逵;汤步洲 -专利权人：深圳云天励飞技术股份有限公司
申请日： 2023-05-15 - 公布日： 2023-08-29 - 主分类号： G06V10/42 文献下载
摘要：本申请公开一种图像特征提取方法、设备及可读存储介质，属于图像处理领域。方法包括：获取待提取特征的原始图像，再将原始图像输入至特征提取模型中进行特征提取，输出原始图像的第一图像特征。其中，特征提取模型包括依次连接的多个局部特征提取结构和ViT结构，ViT结构用于根据ViT结构的上一层结构输出的第二图像特征、以及多个局部特征提取结构中目标局部特征提取结构输出的第三图像特征，确定第一图像特征由于第三图像特征为对像素空间位置信息敏感的局部特征，因此通过ViT结构根据第三图像特征确定的第一图像特征也具有较强的像素空间位置敏感性，如此可以提升ViT结构的可适用性，扩大ViT结构即特征提取模型的应用场景
图像特征提取方法设备可读存储介质

[发明专利]基于局部特征显著化的图像场景分类方法和装置-CN202010928765.7有效
发明人：谢毓湘;张家辉;宫铨志;栾悉道;魏迎梅;康来;蒋杰 -专利权人：中国人民解放军国防科技大学
申请日： 2020-09-07 - 公布日： 2023-06-09 - 主分类号： G06V10/764 文献下载
摘要：本申请涉及一种基于局部特征显著化的图像场景分类方法和装置。所述方法包括：将待分类的图像场景数据进行分割，得到图像场景数据块，通过预先设置的场景特征提取模型和对象特征提取模型，分别提取场景局部特征和对象局部特征，以及通过场景特征提取模型和对象特征提取模型，提取场景全局特征和对象全局特征，通过设置场景局部特征和对象局部特征的权重，分别得到增强场景局部特征和增强对象局部特征，将增强场景局部特征、增强对象局部特征、场景全局特征和对象全局特征进行融合，得到图像场景数据的融合特征，将融合特征输入预先训练的分类模型
基于局部特征显著图像场景分类方法装置

[发明专利]图像信息提取方法、模型训练方法、装置、设备及介质-CN202111589337.7在审
发明人：蔡东阳;刘海伟;郭小燕 -专利权人：北京达佳互联信息技术有限公司
申请日： 2021-12-23 - 公布日： 2022-04-12 - 主分类号： G06V10/40 文献下载
摘要：本公开提供一种图像信息提取方法、模型训练方法、装置、设备及介质。图像信息提取方法基于训练好的图像信息提取模型执行，包括：将目标图像输入特征提取模块中的特征提取网络得到特征提取网络输出的原始特征图；将特征提取模块提取的特征图分别输入特征点检测网络和描述子生成网络，得到特征点检测结果向量和局部描述子向量，特征提取模块提取的特征图为原始特征图；基于特征点检测结果向量得到特征点检测结果图像；基于局部描述子向量得到局部描述子结果；训练图像信息提取模型时，利用特征提取模块中的上采样模块对经特征提取网络输出的样本原始特征图进行上采样处理得到样本中间特征图，将样本中间特征图作为特征提取模块提取的样本特征图。
图像信息提取方法模型训练装置设备介质

[发明专利]基于深度学习级联特征融合的步态识别方法-CN202110460610.X在审
发明人：罗俊;李华洋;王慧燕 -专利权人：公安部第三研究所;浙江工商大学
申请日： 2021-04-27 - 公布日： 2021-06-22 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于深度学习级联特征融合的步态识别方法。本发明首先读取视频帧，通过局部特征提取分支进行局部特征提取，同时通过全局特征提取分支提取整体的轮廓特征，然后对两类特征进行融合进行后续识别。本发明使用改进的GaitSet网络作为局部特征提取分支对图像进行切片处理提取局部特征；通过改进的GaitSet网络得到全局特征提取分支，使网络更关注于图像的整体轮廓特征；通过精心设计的特征融合分支对两类特征进行融合使得整体框架得到更完整的特征表示
基于深度学习级联特征融合步态识别方法

[发明专利]模型训练方法、图像分类方法和装置-CN202211037161.9在审
发明人：何凤翔 -专利权人：北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2022-08-26 - 公布日： 2022-12-02 - 主分类号： G06V10/764 文献下载
摘要：本公开的实施例提供的一种模型训练方法，包括：响应于获取到包括样本图像、样本图像对应的标注信息和查询图像，构建样本图像和查询图像对应的图像对，并构建包括局部特征提取器、语义特征提取器和分类判别器的小样本学习网络，将图像对输入局部特征提取器进行局部特征提取，得到样本图像对应的第一局部特征和查询图像对应的第二局部特征，将第一局部特征和第二局部特征分别输入语义特征提取器进行语义特征提取，得到第一局部特征对应的第一语义特征和第二局部特征对应的第二语义特征，并将第一局部特征和第一语义特征、第二局部特征和第二语义特征分别输入分类判别器，基于样本图像对应的标注信息，对小样本学习网络进行训练，得到图像分类模型。
模型训练方法图像分类装置

[发明专利]基于非局部特征的多级高光谱图像递进超分方法及系统-CN202111136667.0在审
发明人：胡建文;刘耀庭 -专利权人：长沙理工大学
申请日： 2021-09-27 - 公布日： 2022-01-04 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于非局部特征的多级高光谱图像递进超分方法及系统，本发明方法包括将低分辨率图像输入预先训练好的多级渐进网络来获得重建高分辨率图像，多级渐进网络包括初步特征提取模块、最终特征提取模块及依次布置在初步特征提取模块、最终特征提取模块之间的多个基于局部和非局部特征的特征提取级模块。每一个特征提取级模块的输入经过本级特征提取后的特征图和初步卷积输出的特征图相加，再通过转置卷积上采样得到超分重建图像，然后再经过跨步卷积下采样输出至下一个特征提取级模块。本发明在每一级实现了局部特征和全局特征的联合提取，能够有效地提升高光谱重建图像的空间分辨率，同时具有更高的重建质量。
基于局部特征多级光谱图像递进方法系统

[发明专利]胸部X射线图像的通道注意力特征提取方法和识别方法-CN202110123761.6在审
发明人：王威;李宇涛;王新;李骥;周思远 -专利权人：长沙理工大学
申请日： 2021-01-29 - 公布日： 2021-05-11 - 主分类号： G06K9/46 文献下载
摘要：本申请涉及一种胸部X射线图像的通道注意力特征提取方法及识别方法。所述方法包括：构建并行通道注意力特征提取网络，该网络包括全局特征提取支路和局部特征提取支路两个并行支路，全局特征提取支路用于提取特征图的全局信息，局部特征提取支路用于提取特征图的局部细微信息，将胸部X射线图像特征图输入到两条支路中得到全局特征和局部特征，将两种特征进行融合，并将得到的融合特征与输入的胸部X射线图像特征图输入到并行通道注意力特征提取模块得到并行通道注意力特征。该方法可以提取出胸部X射线图像特征图中更加重要的特征信息，忽略次要信息，将该方法应用与胸部X射线图像识别中可提高图像识别的准确率和效率。
胸部射线图像通道注意力特征提取方法识别

[发明专利]一种结合多级卷积特征金字塔的人脸表情识别算法-CN201910806700.2在审
发明人：符强;昌涛;孙希延;纪元法;任风华;严素清;付文涛 -专利权人：桂林电子科技大学
申请日： 2019-08-29 - 公布日： 2019-12-17 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种结合多级卷积特征金字塔的人脸表情识别算法，包括如下步骤：将原始人脸表情图片输入到第一特征提取网络进行特征提取，并提取全局特征；将经过裁剪、放大的人脸表情图片输入到第二特征提取网络进行特征提取，并提取局部特征；在第一特征提取网络和第二特征提取网络中构建特征金字塔网络；利用注意力区域定位网络对到第二特征提取网络中的局部特征进行区域定位；利用特征融合网络对人脸表情图片的全局特征与局部特征进行融合
特征提取人脸表情人脸表情识别局部特征网络区域定位全局特征图片输入金字塔网络特征融合连接层准确率裁剪构建卷积算法金字塔注意力放大分类融合图片

[发明专利]自然场景中静态面部表情识别方法、装置、介质及设备-CN202010115562.6在审
发明人：朱亮;邢晓芬;徐向民;郭锴凌;晋建秀 -专利权人：华南理工大学
申请日： 2020-02-25 - 公布日： 2020-07-03 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种自然场景中静态面部表情识别方法、装置、介质及设备；其中方法包括依次执行的预处理工序、全局特征提取工序、局部特征提取工序以及特征融合工序；预处理工序用于去除图片中自然场景的背景，只保留人脸区域；全局特征提取工序是指采用卷积神经网络提取预处理工序后的整张图片的特征，并转化为特征向量；局部特征提取工序是指通过目标检测方法提取图片最有信息量的局部区域，并转化为特征向量；特征融合工序是指将全局特征提取工序所提取的特征向量与局部特征提取工序所提取的特征向量整合成特征矩阵
自然场景静态面部表情识别方法装置介质设备

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条