“成都图必优科技有限公司”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7个，建议您升级VIP下载更多相关专利

[发明专利]一种基于层次联合卷积网络特征弱监督图像语义分割方法-CN201811103919.8有效
发明人：朱策;文宏雕;段昶;徐榕键 -专利权人： 成都图必优科技有限公司
申请日： 2018-09-20 - 公布日： 2023-04-28 - 主分类号： G06V10/764 文献下载
摘要：本发明属于计算机视觉技术领域，涉及卷积神经网络、图像语义分割、弱监督学习和特征融合等方面，具体为一种基于层次联合卷积网络特征弱监督图像语义分割方法。本发明包括层次掩盖矩阵生成、层次卷积神经网络建立、层次卷积网络特征联合以及层次与联合图像分类损失函数建立并优化等创新性技术。通过将前一层次卷积网络用于分类的显著性区域进行掩盖，迫使后一层次卷积网络提取相对不明显的区域特征并识别目标非主要部分。重复上述步骤，得到多个层次卷积网络分别负责不同显著性区域特征挖掘，然后将各自输出特征图连接到一起组成联合特征图实现更加完整和准确的区域特征挖掘模型。
一种基于层次联合卷积网络特征监督图像语义分割方法

[发明专利]基于双通道注意力机制的行人动作识别方法-CN202211259448.6在审
发明人：段昶;魏鑫禹;周章玉;刘笑;朱策 -专利权人： 成都图必优科技有限公司
申请日： 2022-10-14 - 公布日： 2023-01-10 - 主分类号： G06V10/764 文献下载
摘要：本发明提出了一种基于双通道注意力机制的行人动作识别方法，针对输入的动作视频，利用计算机视觉技术对输入视频进行分帧处理，通过结合骨架动作信息与图像特征信息，分析视频中行人出现的各种动作，以此来达到机器自动识别视频中的行人所做出的各种动作。本发明通过模型的融合，解决了视频采样图像帧的技术，解决了骨架动作信息与图像特征结合的使用问题，解决了利用Transformer识别动作的关键技术。本发明所提出的方法动作识别速度快，准确率更高，对使用场景的适应性更强，能够高效率高准确率地分析视频中的行人动作。本发明所提出的方法结合了关节点信息和图像信息，对行人动作识别准确率较高，且能克服动作混淆的缺点。
基于双通道注意力机制行人动作识别方法

[发明专利]一种基于视频的驾驶行为分析方法、电子设备和存储介质-CN202210729570.9在审
发明人：段昶;周章玉;朱策 -专利权人： 成都图必优科技有限公司
申请日： 2022-06-24 - 公布日： 2022-11-01 - 主分类号： G06V20/59 文献下载
摘要：本发明公开了一种基于视频的驾驶行为分析方法、电子设备和存储介质，所述方法包括：将驾驶视频转为图像帧，以视频流的方式进行分析；通过卷积神经网络检测每个图像帧中的驾驶员，得到对应于驾驶员的检测框；通过骨架检测网络提取所述检测框中驾驶员的骨架姿态信息，所述骨架姿态信息包括每一个骨架关节点的属性名、位置信息以及连接信息，所述连接信息包括帧内连接信息及帧间连接信息；将所述骨架姿态信息编码为张量形式；将c时间内张量形式的所述骨架姿态信息输入到时空图卷积网络模块，得到行为分析结果。本发明能够对驾驶员的整体行为进行分析，且计算量小，识别速度快，且预测性能明显提升。
一种基于视频驾驶行为分析方法电子设备存储介质

[发明专利]一种基于空间金字塔掩盖池化的弱监督图像语义分割方法-CN201810739297.1有效
发明人：朱策;段昶;文宏雕;徐榕健 -专利权人： 成都图必优科技有限公司
申请日： 2018-07-06 - 公布日： 2021-09-21 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于空间金字塔掩盖池化的弱监督图像语义分割方法，包括以下步骤：选定一个卷积神经网络H，通过卷积神经网络H处理输入图像X，得到分类特征图；根据分类特征图建立空间金字塔池化模块，然后进行空间金字塔掩盖，得到输出特征图；根据输出特征图计算类别激活向量和类别概率向量，然后建立竞争性空间金字塔掩盖池化损失函数；根据竞争性空间金字塔掩盖池化损失函数训练卷积神经网络H并提取分割特征图。本发明实现了局部特征更丰富、区域特征挖掘更完善和目标大小与姿态更鲁棒的弱监督图像语义分割模型，提高了局部语义信息的提取能力，加强了弱监督语义分割中局部目标或者部位的识别能力。
一种基于空间金字塔掩盖监督图像语义分割方法

[发明专利]一种基于透视模型的运动前视视频帧间预测编码方法-CN201710584854.2有效
发明人：段昶;冉攀;朱策 -专利权人： 成都图必优科技有限公司
申请日： 2017-07-18 - 公布日： 2019-09-24 - 主分类号： H04N19/105 文献下载
摘要：本发明属于视频编码技术领域，具体涉及一种基于透视模型的运动前视视频帧间预测编码方法，提出基于透视模型的新运动模型、根据新的运动模型设计模板、利用所设计的模板提取参考像素并插值以及根据率失真代价选择最优预测信息。本发明针对运动前视视频在连续视频帧间表现出的一种透视效果，提出一个针对运动前视视频的基于透视模型的新运动模型；在帧间运动搜索过程中，利用所设计的模板从矩形参考块中提取出梯形参考块像素并插值成原尺寸大小的新的矩形参考块；计算率失真代价时，考虑使用模板后的失真和添加模板使用信息后所共消耗的比特，从而选择最优的帧间预测结果。改善了运动前视视频的编码效率。
前视运动模型透视率失真代价预测编码视频视频帧参考视频编码技术连续视频帧编码效率参考像素模板使用模板提取设计模板搜索过程透视效果预测信息帧间预测帧间运动像素失真消耗表现

[发明专利]基于双抛物线分区模板的深度图编码方法-CN201710200075.8有效
发明人：段昶;申宇欢;朱策 -专利权人： 成都图必优科技有限公司
申请日： 2017-03-30 - 公布日： 2019-08-20 - 主分类号： H04N19/597 文献下载
摘要：本发明属于视频编码技术领域，具体涉及基于双抛物线分区模板的深度图编码方法，通过两条抛物线来拟合深度边界的分割线，将块分割成两个分区模板；对得到的分区模板进行调整本发明通过双抛物线来拟合分区分割线，与现有的Wedgelet相比，分割边界更加平滑，可以用更大的块来描述深度图中物体的边界，能够更好的适应现实中复杂的边界情况；并仅对其中的一部分模板用双抛物线生成，其他模板通过旋转和对称得到，大大减少了模板生成的计算量，并增强了模板生成的一致性。对16*16和32*32的模板重复性设置阈值，减少了模板的数量，优化了之后的编码时间。
基于抛物线分区模板深度编码方法

[发明专利]基于全卷积网络和条件随机场的地物覆盖率计算方法-CN201910395844.3在审
发明人：段昶;罗兴奕;朱策 -专利权人： 成都图必优科技有限公司
申请日： 2019-05-13 - 公布日： 2019-08-09 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了基于全卷积网络和条件随机场的地物覆盖率计算方法，包括以下步骤：构建全卷积神经网络；制作训练数据：对采集的遥感图像根据待分割类别进行逐像素分割，对遥感图像进行数据增强，构建语义分割数据集；训练全卷积神经网络：将所得的语义分割数据集输入所构建好的全卷积神经网络，不断迭代训练，更新网络参数，直至训练结果满足预设的收敛条件；遥感图像分割：利用训练好的全卷积神经网络对待分割图像进行语义分割，得到各类地物初步分割结果；分割结果优化；计算地物覆盖率信息。本发明无需利用专业软件，也能很好地解决传统分割算法不能解决的问题。
卷积神经网络地物语义分割构建分割结果遥感图像数据集卷积遥感图像分割覆盖率信息覆盖率迭代训练分割算法分割图像收敛条件数据增强网络参数像素分割训练结果训练数据专业软件预设机场网络采集分割更新制作优化

1
共 7 条