“显著性信息”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8546663个，建议您升级VIP下载更多相关专利

[发明专利]显著性信息取得装置以及显著性信息取得方法-CN201510303277.6在审
发明人：阮翔;卢湖川 -专利权人：欧姆龙株式会社
申请日： 2015-06-04 - 公布日： 2017-01-04 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及显著性信息取得装置以及显著性信息取得方法。提供在通用性以及可靠性上优越的新的显著性检测技术。显著性信息取得装置具有：局域显著性取得部，将输入图像的每个像素的显著度，基于根据各像素的周围的局部区域所得到的信息进行计算；候选区域设定部，对输入图像设定多个候选区域；全局显著性取得部，将多个候选区域的各自的显著度基于包含局域显著性特征量和全局特征量的信息而进行计算，其中，局域显著性特征量表示各候选区域内的每个像素的显著度的特征，全局特征量表示各候选区域相对于输入图像的整体的特征；以及整合部，对通过全局显著性取得部得到的多个候选区域的显著度进行整合，生成输入图像的显著性信息
显著信息取得装置以及方法

[发明专利]检测推广信息显著性的方法、装置、设备和计算机存储介质-CN201711395251.4在审
发明人：杨羿;郭佳骋;王山雨;刘林;陈震;王建国;魏存超;陆伟;党悦然 -专利权人：百度在线网络技术(北京)有限公司
申请日： 2017-12-21 - 公布日： 2018-06-12 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种检测推广信息显著性的方法、装置、设备和计算机存储介质，所述方法包括：抽取视频段中的每帧图像，将所述图像作为显著性检测模型的输入，获取所述显著性检测模型的输出结果；基于所述输出结果，确定所述每帧图像对应的推广信息显著性得分；基于每帧图像对应的推广信息显著性得分，获取视频段对应的推广信息显著性。本发明通过对视频内容进行分析，并利用显著性检测模型获取各帧图像的显著性检测结果，从而获取视频段的推广信息显著性，实现准确判断推广信息是否位于视频内容中的显著性区域。
显著性帧图像视频段计算机存储介质检测输出结果对视频内容检测结果模型获取视频内容种检测抽取图像分析

[发明专利]立体图像的视觉显著性检测方法、装置、设备及存储介质-CN201711014924.7有效
发明人：张秋丹;王旭;江健民;周宇 -专利权人：深圳大学
申请日： 2017-10-26 - 公布日： 2021-05-04 - 主分类号： G06T7/593 文献下载
摘要：本发明适用计算机技术领域，提供了一种立体图像的视觉显著性检测方法、装置、设备及存储介质，该方法包括：当接收到立体图像的视觉显著性检测请求时，首先获取立体图像的颜色信息和深度信息，然后分别对颜色信息、深度信息以及颜色信息和深度信息进行显著性预测，得到第一显著性预测、第二显著性预测以及第三显著性预测，之后将得到的第一显著性预测、第二显著性预测以及第三显著性预测与预设的多个中心偏置先验进行级联，得到多通道级联数据，最后通过预设的通道间融合网络对多通道级联数据进行多通道信息空间差异性融合，以得到立体图像的显著性图，从而提高了显著性检测的准确性。
立体图像视觉显著检测方法装置设备存储介质

[发明专利]一种基于显著性先验信息的目标提取方法-CN201910716419.X有效
发明人：范辉;韩梦;李晋江 -专利权人：山东工商学院
申请日： 2019-08-05 - 公布日： 2023-04-18 - 主分类号： G06V10/46 文献下载
摘要：本发明涉及一种基于显著性先验信息的目标提取方法。对图像的显著性点进行检测；对图像的显著性边进行检测；将图像的显著性点和显著性边进行融合，构成显著性融合图；将融合后的显著性特征作为先验信息添加到神经网络中，构成基于显著性先验信息的神经网络；在数据集的样本中进行随机选取，构成网络所需的训练集和测试集；利用训练集采用多样化的方式训练基于显著性先验信息的神经网络；利用测试集使用训练完成的基于显著性先验信息的神经网络进行目标提取，提取出准确的目标区域。本发明的方法采用基于显著性先验信息的神经网络进行目标提取，充分考虑了低级与高级语义信息等特征，提取了较为准确的目标区域。
一种基于显著先验信息目标提取方法

[发明专利]图像显著性分割、图像显著性模型训练方法及装置-CN201910995138.2有效
发明人：罗永豪;李骈臻;陈星;张长定;张伟 -专利权人：厦门美图之家科技有限公司
申请日： 2019-10-18 - 公布日： 2022-06-24 - 主分类号： G06V10/26 文献下载
摘要：本申请提供一种图像显著性分割、图像显著性模型训练方法及装置，涉及图像处理技术领域。本申请可以采用预设显著性模型提取待处理图像的特征信息，采用预设显著性模型、根据特征信息，获取待处理图像的显著性分割图，显著性分割图通过显著性区域框标识显著性物体，实现对待处理图像的显著性分割，可以得到显著性区域框和显著性分割图相结合的显著性分割结果，相对于现有技术中进行显著性分割所得到显著性分割结果而言，本申请得到的显著性区域框和显著性分割图相结合的显著性分割结果分割效果更加明显，从而能够适应针对较为复杂场景的待处理图像的显著性分割。
图像显著分割模型训练方法装置

[发明专利]一种图像特征的识别方法、装置、设备和介质-CN202210491608.3在审
发明人：温东超;梁玲燕;葛沅;史宏志;赵雅倩 -专利权人：浪潮（北京）电子信息产业有限公司
申请日： 2022-04-29 - 公布日： 2022-08-09 - 主分类号： G06V10/46 文献下载
摘要：本申请实施例公开了一种图像特征的识别方法、装置、设备和介质，利用选取的教师网络模型和学生网络模型分别对样本图像进行特征提取，得到教师特征和学生特征；基于教师特征、学生特征和迭代次数对应的比值，确定出显著性阈值；依据显著性阈值确定出教师显著性信息和学生显著性信息。利用教师特征、学生特征、教师显著性信息、学生显著性信息，对学生网络模型进行训练，得到训练好的学生网络模型。利用该学生网络模型对待处理图像进行分析，识别出待处理图像包含的特征。利用显著性阈值去生成显著性信息，提升了图像特征挖掘的深度。利用显著性信息指导学生网络模型去模仿教师网络模型的显著性信息，有效的提升了学生网络模型的检测精度。
一种图像特征识别方法装置设备介质

[发明专利]基于显著性学习卷积神经网络的脑部图像分割方法及系统-CN201710763727.9有效
发明人：尹义龙;袭肖明;杨公平;孟宪静;杨璐 -专利权人：山东大学
申请日： 2017-08-30 - 公布日： 2020-01-17 - 主分类号： G06K9/32 文献下载
摘要：本发明公开了基于显著性学习卷积神经网络的脑部图像分割方法及系统，首先提出了一种显著性学习方法，来获取MR图像的显著性映射图。基于显著性映射图，进行显著性增强变换，获得显著性增强的图像。将显著性增强的图像分成若干图像块，训练卷积神经网络，作为最后的分割模型。在本发明中，显著性学习模型能够产生显著性映射图，该类信息是基于目标的空间位置获取的，与图像的灰度信息无关，显著性信息能够明显的加强目标的显著性，提高目标类和背景类的区分性，对于灰度不同质性具有一定的鲁棒性因此，基于显著性增强图训练出的卷积神经网络能够学到显著性增强图的区分性信息，从而较为有效地解决脑部MR图像中的灰度不同质性问题。
基于显著性学卷积神经网络脑部图像分割方法系统

[发明专利]一种信息处理方法及电子设备-CN201710189057.4有效
发明人：杨大业;宋建华 -专利权人：联想（北京）有限公司
申请日： 2017-03-27 - 公布日： 2020-07-24 - 主分类号： G06F3/01 文献下载
摘要：本发明实施例提供一种信息处理方法及电子设备，用于解决在使用AR/VR设备时获取的眼球数据精度较低的技术问题。该方法包括：获取用户在视觉场景中的当前视觉信息；其中，当前视觉信息包括当前眼球位置及当前视觉显著性图，当前眼球位置用于指示用户在当前时刻所凝视的方位，当前视觉显著性图包括显著性信息，显著性信息用于指示当前视觉显著性图中被凝视的凝视点位置；根据当前视觉信息及在当前时刻之前获取的历史视觉信息，确定眼球位置与显著性信息之间的对应关系，该历史视觉信息包括历史眼球位置及相应的历史视觉显著性图，历史眼球位置信息与历史视觉显著性图；根据眼球位置与显著性信息的对应关系
一种信息处理方法电子设备

[发明专利]一种RGB显著性到RGBD显著性的转换方法-CN201910375809.5有效
发明人：雷建军;丛润民;侯春萍;张静;范晓婷;彭勃 -专利权人：天津大学
申请日： 2019-05-07 - 公布日： 2023-04-18 - 主分类号： G06T3/00 文献下载
摘要：本发明公开了一种RGB显著性到RGBD显著性的转换方法，所述方法包括以下步骤：生成RGB显著性图，在所述RGB显著性图基础上通过多级RGBD显著性初始化得到初始RGBD显著性图；对初始RGBD显著性图进行深度信息引导的显著性修正，通过带深度约束的显著性优化模型生成最终的RGBD显著性图。本发明将现有RGB显著性检测算法生成的结果作为初始化，以直接和间接的形式挖掘深度信息，增强算法性能。
一种 rgb 显著 rgbd 转换方法

[发明专利]基于中心暗通道先验信息的图像显著性物体检测方法-CN201710600386.3有效
发明人：李革;朱春彪;王文敏;王荣刚;高文;黄铁军 -专利权人：北京大学深圳研究生院
申请日： 2017-07-21 - 公布日： 2019-08-09 - 主分类号： G06K9/46 文献下载
摘要：本发明公布了一种基于中心暗通道先验信息的图像显著性物体的检测方法，利用颜色、深度、距离信息对图像的显著性区域进行定位检测，得到图像中显著性物体的初步检测结果，再利用本发明提出的中心暗通道先验信息，优化显著性检测的最终结果本发明能够更加精准，更加鲁棒地检测出显著性物体。本发明利用中心暗通道先验信息进行显著性检测，可增加显著性物体检测的精准性。同时，也增强了显著性检测的鲁棒性；能够解决现有的显著性检测精确度不高、健壮性不够的问题，使图像中的显著性区域更精准地显现出来，为后期的目标识别和分类等应用提供精准且有用的信息；适用于更多复杂的场景，使用范围更广
基于中心通道先验信息图像显著物体检测方法

[发明专利]基于深度信息和显著性信息的人群计数方法及系统-CN202210992920.0在审
发明人：崔子冠;苏航;唐贵进;干宗良;刘峰 -专利权人：南京邮电大学
申请日： 2022-08-18 - 公布日： 2022-11-11 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了一种基于深度信息和显著性信息的人群计数方法及系统，包括：采集指定区域的人群样本图像；将采集到的人群样本图像输入训练好的基于显著性信息和深度信息的密度图预测模型；输出人群样本图像中的总人数。将人群显著性信息引入了人群计数领域，将人头标注点作为人眼关注点，利用高斯模糊生成人群计数的视觉显著性标签，利用深度学习网络进行训练测试，得到了人群计数的视觉显著性信息，辅助人群计数的训练；利用视觉显著性信息和深度信息相结合的方式来辅助人群计数，利用显著性信息可以校正深度信息，降低没有人群信息区域造成的干扰，提高计数效果。
基于深度信息显著人群计数方法系统

[发明专利]一种基于语义信息引导的显著性目标检测方法-CN202310933591.7在审
发明人：李永军;罗金成;李博;李超越;张心茹;陈锦智敏;梁勇;陈竞 -专利权人：河南大学
申请日： 2023-07-27 - 公布日： 2023-10-27 - 主分类号： G06V10/46 文献下载
摘要：本发明涉及图像处理技术领域，具体涉及一种基于语义信息引导的显著性目标检测方法。本发明构建基于语义信息引导的显著性目标检测模型；把显著性图像数据集内的图片分为显著性目标检测模型的训练集、验证集和测试集；训练构建显著性目标检测模型；将测试集输入训练好的显著性目标检测模型，得到四个评估指标；当四个评估指标满足实际应用需求，将对应的显著性目标检测模型用于图像的显著性目标检测；否则，调整学习率，重新训练显著性目标检测模型，直至显著性目标检测模型的四个评估指标满足实际应用需求。本发明构建的显著性目标检测模型实现了能够完整分割出显著物体，并保持精确的细节的目的，提高了整体特征提取能力。
一种基于语义信息引导显著目标检测方法

[发明专利]一种基于自适应融合机制的图像显著性物体检测方法-CN201710372348.7有效
发明人：李革;朱春彪;王文敏;王荣刚 -专利权人：北京大学深圳研究生院
申请日： 2017-05-24 - 公布日： 2019-01-22 - 主分类号： G06T7/50 文献下载
摘要：本发明公布了一种基于自适应融合机制的图像显著性物体的检测方法，利用颜色、深度、距离信息对图像的显著性区域进行定位检测，得到图像中显著性物体的初步检测结果，再利用自适应融合机制优化显著性检测的最终结果。本发明利用了多层次的深度信息进行显著性检测，可以增加显著性物体检测的精准性；还提供了一种自适应的融合机制，通过不断融合，增加了显著性检测的鲁棒性，适用于更多复杂的场景，使用范围更广。本发明使图像中的显著性区域更精准地显现出来，可为后期的目标识别和分类等应用提供精准且有用的信息。
一种基于自适应融合机制图像显著物体检测方法

[发明专利]一种基于显著性特征的彩色图像颜色转移方法-CN202310767459.3在审
发明人：石宝;赵叶;杨传颖;张蕾 -专利权人：内蒙古工业大学
申请日： 2023-06-27 - 公布日： 2023-09-05 - 主分类号： G06T7/90 文献下载
摘要：一种基于显著性特征的彩色图像颜色转移方法，分别获得原始图像的显著性特征图和参考图像的显著性特征图；根据显著性特征图阈值处理，将原始图像划分为显著性区域和非显著性区域，将参考图像划分为显著性区域和非显著性区域；在显著性区域和非显著性区域，分别根据方差和显著性值的加权平均值，将参考图像的颜色信息转移到输入图像，本发明能够进一步提高彩色图像颜色转移的效果。
一种基于显著特征彩色图像颜色转移方法

[发明专利]一种基于神经选择注意的目标显著性检测方法-CN201910824670.8有效
发明人：赵丹培;苑博;史振威;姜志国 -专利权人：北京航空航天大学
申请日： 2019-09-02 - 公布日： 2022-02-22 - 主分类号： G06V20/20 文献下载
摘要：本发明公开了一种基于神经选择注意的目标显著性检测方法。一、将显著性图像集一输入卷积神经网络，以显著性目标掩膜作为监督信息进行训练，构建视觉显著性检测网络；二、将包含目标掩膜与类别信息的图像集二输入卷积神经网络，以目标分割结果与类别作为监督信息进行训练，构建目标分割与轮廓提取网络；三、将待检测图像输入视觉显著性检测网络生成视觉显著性图；四、将待检测图像输入目标分割与轮廓提取网络生成掩膜与类别信息并由掩膜提取轮廓；五、根据检测任务的目标类别筛选出任务相关的目标轮廓并作用于视觉显著性图，得到特定类别目标的视觉显著性图；六、将任务相关目标掩膜与特定类别目标的视觉显著性图按权值相加，输出最终的检测结果。
一种基于神经选择注意目标显著检测方法

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