“陈程立诏”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9个，建议您升级VIP下载更多相关专利

[发明专利]基于音视一致性感知的音视显著性检测方法-CN202311063847.X在审
发明人： 陈程立诏;宋梦柯;刘新宇;李潞铭;宋佳;胡诗语;赵一汎;王子铭;张明月;杨龙燕;崔爽锌;薛子玥;卢博;梁少峰;朱晓东;尹涵冰;张钰;袁千禧;刘伊凡;崔奇 -专利权人：中国石油大学（华东）
申请日： 2023-08-23 - 公布日： 2023-10-27 - 主分类号： G06F16/65 文献下载
摘要：本发明公开了一种基于音视一致性感知的音视显著性检测方法。所述检测方法包括：根据音视频间的关联程度对音视频进行一致性标注，通过标注后的音视频数据集构建音视频一致性分类器并构建基于一致性分类结果的音视频融合判断模型，通过融合判断模型预测待进行音视显著性检测的视频和音频是否需要进行融合；将音视频一致性分类器、融合判断模型集成于音视显著性检测模型中，并通过标注后的音视频数据集对音视频一致性分类器及音视显著性检测模型进行联合训练，获得显著性检测结果。本发明可获得具有音视一致性感知能力的显著性检测结果，显著提高对音视频数据中显著性目标的检测能力。
基于一致性感知显著检测方法

[发明专利]基于解耦分类与回归特征的目标跟踪方法及跟踪器-CN202310640583.3有效
发明人： 陈程立诏;李潞铭;宋梦柯;宋佳;胡诗语;卢博;赵一汎;王子铭;张明月;杨龙燕;崔爽锌;薛子玥;刘新宇;梁少峰;朱晓东;尹涵冰;张钰;袁千禧;刘伊凡;崔奇 -专利权人：中国石油大学（华东）
申请日： 2023-06-01 - 公布日： 2023-10-27 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于解耦分类与回归特征的目标跟踪方法及跟踪器，所述跟踪方法包括：根据视频序列中初始帧和当前帧划分目标模板区域和目标搜索区域；利用孪生深度残差卷积神经网络提取目标模板区域和目标搜索区域的深度学习表征特征；基于transformer交叉注意力机制和卷积操作融合目标模板区域深度表征特征和目标搜索区域深度表征特征得到跟踪器的解耦分类特征和解耦回归特征；基于transformer自注意力机制和卷积操作进一步编码解耦分类特征和解耦回归特征，并得到目标在当前帧的目标前背景二分类预测和目标边境框回归预测，从而实现目标跟踪器在视频序列中鲁棒准确地跟踪目标。
基于分类回归特征目标跟踪方法

[发明专利]一种级联角点特征与孪生网络的图像检索方法及系统-CN202310640768.4在审
发明人： 陈程立诏;李潞铭;卢博;宋佳;宋梦柯;胡诗语;赵一汎;王子铭;张明月;杨龙燕;崔爽锌;薛子玥;刘新宇;梁少峰;朱晓东;尹涵冰;张钰;袁千禧;刘伊凡;崔奇 -专利权人：中国石油大学（华东）
申请日： 2023-06-01 - 公布日： 2023-09-05 - 主分类号： G06F16/583 文献下载
摘要：本发明公开了一种级联角点特征与孪生网络的图像检索方法及系统，所述方法包括：通过角点检测提取降噪后的待检索图像和检索数据集中的各图像的关键点特征，并据此筛选出相似图像；对待检索图像及其相似图像进行感兴趣区域裁剪，将得到的局部图像输入训练完成的、基于深度残差网络构建的具有可变形注意力机制的孪生网络模型中，获得两组深度特征，对深度特征进行相似性评分，以评分超过阈值的相似图像作为检索结果。本发明的图像检索方法特别适用于LOGO类图像检索，可在图像种类数量不确定的情况下，准确、稳健地自数据集中检索出包含相应LOGO的目标图像。
一种级联特征孪生网络图像检索方法系统

[发明专利]一种物流包裹位置检测方法及系统-CN202211009634.4在审
发明人：张维忠;姜官辉;袁翠梅;张宏峰;陈程立诏 -专利权人：青岛云智聚智能科技有限公司
申请日： 2022-08-23 - 公布日： 2022-09-20 - 主分类号： G06T7/70 文献下载
摘要：本发明涉及一种物流包裹位置检测方法及系统，属于物流检测领域。首先获取包含包裹的目标RGB‑D图像，然后对所述目标RGB‑D图像进行预处理，最后，将经过处理的图像输入到预训练的显著性目标检测模型进行显著性检测，从而得到包裹位置。本发明将显著性检测运用到物料包裹的检测中，将包裹视作整幅图像中最显著的部分，能够实现包裹的准确定位。
一种物流包裹位置检测方法系统

[发明专利]一种基于边缘引导网络的伪装物体检测方法-CN202210193274.1在审
发明人：王硕;范登平;孙羽佳;陈程立诏;向天烛;张江 -专利权人：北京师范大学;集智学园（北京）科技有限公司
申请日： 2022-02-28 - 公布日： 2022-06-03 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了基于边缘引导网络的伪装物体检测方法，属于图像处理技术领域。大多数现有的深度学习方法往往无法准确地识别出伪装物体的完整且精细的结构。本发明创造性地提出了一种基于边缘引导网络的方法，其中边缘引导网络包括骨干模块、边缘感知模块、边缘引导特征模块、上下文聚合模块，增强了物体相关边缘语义信息的表征学习能力，输出完整且精细的伪装物体的掩模图与轮廓图。本发明在3个数据集上进行实验，4个评价指标均表明本发明超越当前所有最先进的伪装物体检测方法。
一种基于边缘引导网络伪装物体检测方法

[发明专利]一种基于核二维岭回归子空间聚类的图像处理方法-CN202011369955.6有效
发明人：彭冲;陈程立诏;魏伟波;张倩;费可可;张逸群;张静 -专利权人：青岛大学
申请日： 2020-11-30 - 公布日： 2022-03-01 - 主分类号： G06V10/762 文献下载
摘要：本发明公开了一种基于核二维岭回归子空间聚类的图像处理方法，包括以下步骤：S1.对于数据集中的每一个样本采用岭回归模型寻求数据的低维表示；S2.引入一个投影矩阵p，将数据投影到多个子空间中，从而得到数据信息最丰富的二维特征；S3.引入核方法，充分考虑数据的非线性结构,建立了一个非线性模型；S4.提出一个交替最小化算法来进行优化：交替进行求解，对一个变量进行求解的时候，保持其他变量不变，重复这个过程直到收敛；S5.利用谱聚类的方法对系数矩阵Z进行聚类，得到最终的聚类结果。本发明中特征学习和低维表示构造相结合且相互增强，引入了核方法，提高了模型的非线性关系捕获能力，有助于提高图像处理的准确性。
一种基于二维回归空间图像处理方法

[发明专利]一种基于学习低秩表达的子空间聚类方法-CN202011369979.1在审
发明人：彭冲;陈程立诏;秦国峰;司建伟;魏计鹏 -专利权人：青岛大学
申请日： 2020-11-30 - 公布日： 2021-03-12 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于学习低秩表达的子空间聚类方法，包括以下步骤：S1.提出模型：采用自我表达的方式构建相应的表达字典，对自我表达矩阵和误差拟合项同时使用核范数，并加入流形项，帮助模型提取数据间的非线性关系；S2.模型优化：采用ALM的方法交替迭代优化；S3.模型应用，根据输入的数据集获得相应的自我表达矩阵Z；S4.根据自我表达矩阵做谱聚类：将自我表达矩阵作为谱聚类输入的相似矩阵，通过谱聚类算法得到最终的聚类的簇的划分。本发明能够有效获取二维数据集中的结构信息，流形的加入使得模型更具普适性，减少子空间聚类中对于数据集的严苛要求，提高了聚类的准确率。
一种基于学习表达空间方法

[发明专利]一种基于视频帧间低秩关联信息一致性的实时物体追踪方法-CN201410743179.X有效
发明人：郝爱民;陈程立诏;李帅;秦洪 -专利权人：北京航空航天大学
申请日： 2014-12-05 - 公布日： 2015-03-11 - 主分类号： G06T7/20 文献下载
摘要：一种基于视频帧间低秩关联信息一致性的实时物体追踪方法，步骤如下：目标物体特征描述阶段，首先用户给定初始视频中的位置信息，采用局部约束的压缩感知对目标物体、以及下一帧中的候选区域进行特征描述；帧间低秩关联性分析阶段，从目标物体特征库中抽取关键描述，组成局部特征库，然后将局部特征库与候选区域的特征描述一齐进行低秩分解，得到的稀疏矩阵；计算帧间低秩关联先验、遮挡掩模；依据稀疏矩阵以及低秩关联先验、遮挡掩模输出当前目标物体位置；更新目标库，对目标特征库进行全局低秩分析，共性最强的低秩描述将被当前的目标物体描述所替换。本发明能够对视频中的单个物体进行实时、稳定的进行长时间追踪，具有追踪速率高，追踪精度高等特点。
一种基于视频帧间低秩关联信息一致性实时物体追踪方法

[发明专利]基于多尺度低秩分解且结构信息敏感的图像显著性物体检测方法-CN201310632546.4有效
发明人：郝爱民;陈程立诏;李帅 -专利权人：北京航空航天大学
申请日： 2013-12-01 - 公布日： 2014-04-02 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于多尺度低秩分解且结构信息敏感的图像显著性物体检测方法，步骤如下：三维体数据生成阶段，首先将二维图像进行超像素分解并进DT行三角化，得到二维图像对应的三维体数据；Biharmonic分布计算阶段，得到各超像素点的Biharmonic扩散结果；描述子生成阶段，对超像素点的Biharmonic等值线上的采样点之间的L2距离进行直方图统计，形成对各等值线的形状描述；多尺度低秩分解阶段，该阶段基于各超像素点的Biharmonic等值线形状描述，并对不同尺度下低秩分解得到的稀疏矩阵进行作差，通过残差矩阵求和，得到最终显著性物体检测结果。本发明基于GPU并行实现，可对图像中单个、多个显著性物体进行检测，具有显著性物体检测精度高，显著性物体检测全面，抗噪性好等特点。
基于尺度分解结构信息敏感图像显著物体检测方法

1
共 9 条