“廖桂标”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5个，建议您升级VIP下载更多相关专利

[发明专利]一种基于隐式图学习的光场显著性目标检测方法及装置-CN202211618605.8在审
发明人：高伟;廖桂标;李革 -专利权人：北京大学深圳研究生院
申请日： 2022-12-15 - 公布日： 2023-06-06 - 主分类号： G06V10/80 文献下载
摘要：本发明所提供的一种基于隐式图学习的光场显著性目标检测方法及装置，所述方法包括：将待测试的全聚焦图像和待测试的焦点堆栈图像输入预先训练的双流深层卷积网络，得到全聚焦特征图和焦点堆栈特征图；将所述全聚焦特征图和所述焦点堆栈特征图输入预先训练的轮廓感知模型，得到显著性预测结果和物体轮廓预测结果。本发明通过将待测试的全聚焦图像和焦点堆栈图像输入预先训练的双流深层卷积网络，促进了显著性特征的挖掘，并且，将全聚焦特征图和焦点堆栈特征图输入预先训练的轮廓感知模型，可以有效地聚合混合尺度的信息，进而得到准确的光场显著性目标检测结果。
一种基于隐式图学习显著目标检测方法装置

[发明专利]一种压缩点云的失真恢复方法、装置及电子设备-CN202210651759.0在审
发明人：高伟;张晓玉;廖桂标;李革 -专利权人：北京大学深圳研究生院
申请日： 2022-06-09 - 公布日： 2022-09-02 - 主分类号： G06V10/80 文献下载
摘要：本公开涉及点云处理技术领域，具体提供了一种压缩点云的失真恢复方法、装置及电子设备，通过获取压缩点云；针对所述压缩点云进行多尺度采样，确定多组采样点云；将所述采样点云输入至预设的特征提取器，确定所述压缩点云对应的精确结构特征；根据所述精确结构特征，分别提取所述压缩点云对应的全局形状特征以及局部纹理特征；将所述全局形状特征与所述局部纹理特征融合后进行点云重排列，确定所述压缩点云对应的恢复点云。可以有效去除点云在压缩过程中引入的压缩伪影，提高压缩点云的质量。
一种压缩失真恢复方法装置电子设备

[发明专利]显著性检测方法、显著性检测设备和存储介质-CN202111507286.9在审
发明人：高伟;廖桂标;李革 -专利权人：北京大学深圳研究生院
申请日： 2021-12-10 - 公布日： 2022-04-15 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种显著性检测方法、显著性检测设备和计算机可读存储介质，所述方法包括：确定第一主干网络第一目标卷积层的第一输出结果，以及第二主干网络第二目标卷积层的第二输出结果；根据所述第一输出结果确定所述第一全局描述子，以及根据所述第二输出结果确定第二全局描述子；根据所述第一全局描述子和所述第二全局描述子确定各个模态的不同通道的重要性；根据所述重要性以及所述第一输出结果确定第一模态特征，以及根据所述重要性和所述第二输出结果确定第二模态特征；基于所述第一模态特征和所述第二模态特征确定显著性检测结果。本发明旨在达成提升显著检测结果的鲁棒性的效果。
显著检测方法设备存储介质

[发明专利]目标检测网络构建优化方法、装置、设备、介质及产品-CN202180001203.0在审
发明人：高伟;廖桂标;李革 -专利权人：北京大学深圳研究生院
申请日： 2021-05-14 - 公布日： 2021-10-29 - 主分类号： G06T7/00 文献下载
摘要：本申请公开了一种目标检测网络构建优化方法，所述目标检测网络构建优化方法包括：获取高质量可视媒体数据及其对应的低质量可视媒体数据以及对应的真实标签，分别提取预设先验网络针对于高质量可视媒体数据的第一主干网侧面输出特征以及提取预设待训练目标检测网络针对于低质量可视媒体数据的第二主干网侧面输出特征；基于所述第一主干网侧面输出特征、所述第二主干网侧面输出特征和所述真实标签，构建特征相关性损失、显著目标位置损失以及显著性预测损失；基于所述特征相关性损失、所述显著性目标位置损失以及所述显著性预测损失，优化所述预设待训练目标检测网络，获得目标检测网络。本申请解决了显著性目标检测网络检测精度低的技术问题。
目标检测网络构建优化方法装置设备介质产品

[发明专利]RGB-D图像显著性目标检测方法、装置、设备及存储介质-CN202010637797.1在审
发明人：高伟;廖桂标 -专利权人：北京大学深圳研究生院
申请日： 2020-07-02 - 公布日： 2020-11-20 - 主分类号： G06K9/46 文献下载
摘要：本发明公开了一种RGB‑D图像显著性目标检测方法、装置、设备及计算机可读存储介质，所述RGB‑D图像显著性目标检测方法通过采用注意力机制，而非直接使用与融合分层RGB模态特征与分层深度模态特征的方式，避免了模态特征中无用或冗余信息的引入，提升了显著性目标检测的性能；通过设计跨模态指导策略来进行多阶段跨模态特征融合，使得能够充分利用跨模态多特征之间的有效性与互补性，在降低质量不佳的深度图像影响的同时，形成更准确的跨模态显著特征表达；通过设计一种双向融合结构，将所述多层级跨模态融合特征进行多尺度融合，能够有效地聚合多层级中的高低层级特征，进一步提升了显著性目标检测性能以及检测算法的鲁棒性。
rgb 图像显著目标检测方法装置设备存储介质