“大连维视科技有限公司”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23个，建议您升级VIP下载更多相关专利

[发明专利]一种基于图像和事件的多模态道路场景目标检测方法-CN202310296018.X在审
发明人：王东升;卢湖川;何友 -专利权人：大连理工大学;大连理工大学宁波研究院;大连维视科技有限公司
申请日： 2023-03-24 - 公布日： 2023-07-18 - 主分类号： G06V20/40 文献下载
摘要：本发明属于计算机视觉和事件相机领域，公开了一种基于图像和事件的多模态道路场景目标检测方法。本发明引入了高效注意力机制模块，融合相邻时刻图像的信息，不仅提升了检测的精度，而且模型参数量和计算量几乎不变。采用一种轻量化的特征提取网络对事件进行特征提取，降低模型的内存大小，符合事件数据高时间分辨率的特性。为了重复利用事件数据的时序信息，本发明引入长短期记忆机制模块，通过控制内部门的状态，融合历史时刻的不同事件特征。在进行图像和事件特征融合时，采用特征融合模块，完成对两种模态数据的信息交互，提高了目标检测的准确率。
一种基于图像事件多模态道路场景目标检测方法

[发明专利]一种运动信息辅助的视觉单目标跟踪方法-CN202211532172.4在审
发明人：卢湖川;张鹏宇;王栋 -专利权人：大连理工大学;大连理工大学宁波研究院;大连维视科技有限公司
申请日： 2022-12-01 - 公布日： 2023-06-23 - 主分类号： G06T7/20 文献下载
摘要：本发明属于机器学习、视觉目标跟踪领域，提供了一种运动信息辅助的视觉单目标跟踪方法。本发明分别对跟踪过程中的相机运动和目标运动进行建模。对于相机运动建模方法，本发明使用特征点匹配算法计算出相邻帧间变换矩阵，并给出由相机运动导致的目标偏移量。对于目标运动建模方法，本发明使用卷积‑长短时记忆网络通过目标历史运动信息，估计目标未来的速度和位置。本发明在引入运动信息进行辅助跟踪后，可以显著提高跟踪算法应对光照变化，遮挡等挑战的能力，提升跟踪算法鲁棒性，并且具有较低的计算量，能够达到实时跟踪需求。
一种运动信息辅助视觉目标跟踪方法

[发明专利]一种基于Transformer结构的局部和全局视角兼容的目标跟踪方法-CN202211543971.1在审
发明人：王栋;刘畅;卢湖川 -专利权人：大连理工大学;大连理工大学宁波研究院;大连维视科技有限公司
申请日： 2022-12-01 - 公布日： 2023-06-23 - 主分类号： G06T7/223 文献下载
摘要：一种基于Transformer结构的局部和全局视角兼容的目标跟踪方法。本发明的Transformer结构采用ViT‑Base的网络结构，将依据前一帧跟踪位置裁剪的局部搜索区域和全图搜索区域同时作为输入，两路搜索分支共享特征提取和特征融合网络的权重，实现在统一模型下的局部和全局视角目标跟踪。同时使用一个基于Transformer的特征编码网络获得跟踪框的特征向量，在局部跟踪结果的回归质量预测得分较低时，从全局和局部跟踪的多个结果中选择与第一帧给定目标的特征向量距离最小的跟踪框作为当前帧的最终跟踪结果；在局部跟踪结果的回归质量预测得分较高时，采用局部跟踪结果作为当前帧的最终跟踪结果。
一种基于 transformer 结构局部全局视角兼容目标跟踪方法

[发明专利]一种基于动态滤波器的视频显著性目标检测方法-CN202310013513.5在审
发明人：王一帆;徐松;卢湖川;王立君 -专利权人：大连理工大学;大连理工大学人工智能大连研究院;大连维视科技有限公司
申请日： 2023-01-05 - 公布日： 2023-04-18 - 主分类号： G06V20/40 文献下载
摘要：本发明属于机器学习、视频目标分割、显著性目标检测领域，提供了一种基于动态滤波器的视频显著性目标检测方法。本方法的特征提取网络使用轻量化MobileV3，在保持较高精度的同时，降低模型的内存大小，提升检测速度，对检测网络部署在AI边缘设备的可行性大大提升。设计了一个基于动态滤波器的模块，使得模型的卷积核参数并不是训练好就固定的，而是会根据输入进行动态的调整，使得模型的泛化性得到了提升。同时利用视频这种数据本身的特性，进行时间一致性的约束，使得对于视频的分割结果具有稳定性。
一种基于动态滤波器视频显著目标检测方法

[发明专利]一种基于Transformer的轻量化目标跟踪数据标注方法-CN202211543612.6在审
发明人：王栋;袁永胜;赵洁;卢湖川 -专利权人：大连理工大学;大连理工大学宁波研究院;大连维视科技有限公司
申请日： 2022-12-01 - 公布日： 2023-04-04 - 主分类号： G06T7/246 文献下载
摘要：本发明属于机器学习、单目标视觉跟踪、视频目标标注领域，提供了一种基于Transformer模型、泛化性较强的轻量化视频自动标注方法，具体为一种基于Transformer的轻量化目标跟踪数据标注方法。本发明与具体的跟踪算法解耦，初始标注可以使用任意轻量化跟踪算法，具有较强的泛化性，简化了标注流程，同时提高了标注速度。本发明使用Transformer模型处理时序信息，采用双向时序信息融合、运动及外观信息结合的方式，提高了网络对于困难帧的预测成功率以及目标边界框坐标回归的准确度，使自动标注质量得到明显的提升。标注网络轻量化的结构设计进一步降低了标注工作的时间成本。
一种基于 transformer 量化目标跟踪数据标注方法

[发明专利]一种基于条件化早退机制的动态推理路径目标跟踪方法-CN202211532182.8在审
发明人：卢湖川;祝嘉文;王栋 -专利权人：大连理工大学;大连理工大学宁波研究院;大连维视科技有限公司
申请日： 2022-12-01 - 公布日： 2023-03-28 - 主分类号： G06T7/246 文献下载
摘要：本发明属于机器学习、视觉目标跟踪领域，提供了一种基于条件化早退机制的动态推理路径目标跟踪方法。本发明的目标跟踪器使用MAE预训练的ViT结构作为特征提取主干，同时在不同的编码器层设置多个早退决策点，用于动态路径推理，在保证跟踪结果高准确性的同时，为不同的视频帧动态选择不同的推理路径，大大节省了在简单样本帧上推理的计算量，提高了跟踪方法的实际速度。另外，本发明可以部署在不同算力的设备上，只需要训练一次，之后的实际部署可以根据场景边缘设备的算力等条件灵活设置决策边界以满足实际应用中对算法性能和速度的权衡。
一种基于条件早退机制动态推理路径目标跟踪方法

[发明专利]一种基于像素匹配预测相机姿态的自监督单目深度预测训练方法-CN202211532186.6在审
发明人：卢湖川;何俊文;王立君;王一帆 -专利权人：大连理工大学;大连理工大学宁波研究院;大连维视科技有限公司
申请日： 2022-12-01 - 公布日： 2023-03-21 - 主分类号： G06T7/38 文献下载
摘要：本发明属于机器学习、3D计算机视觉、单目深度预测、自监督学习领域，提供了一种基于像素匹配预测相机姿态的自监督单目深度预测训练方法。本发明将自监督深度预测学习中抽象的相机运动预测过程转化为基于像素匹配的过程，并通过几何方式求解相机运动，增强其可解释性，同时提升其泛化性。本发明借助传统几何方法求解的相机运动更准确，使得自监督深度预测学习在室内环境或相机运动姿态变化大的场景下训练过程更稳定、效果更鲁棒。
一种基于像素匹配预测相机姿态监督深度训练方法

[发明专利]一种基于分割和回归网络对离群点鲁棒的深度补全方法-CN202211532176.2在审
发明人：卢湖川;李柏岑;王立君;王一帆 -专利权人：大连理工大学;大连理工大学宁波研究院;大连维视科技有限公司
申请日： 2022-12-01 - 公布日： 2023-03-17 - 主分类号： G06T7/10 文献下载
摘要：本发明属于机器学习、单目深度补全领域，公开了一种基于分割和回归网络对离群点鲁棒的深度补全方法。分割网络对于离群点更为鲁棒，回归网络可以生成更为精准的结果，本方法结合二者的优势，使用了一种对离群点更为鲁棒的单目深度补全方法。其中，包含一种分割‑回归的级联网络结构，相较于同参数量的纯回归网络结构，对非离群点的精度更高。同时，利用分割网络对于离群点更为鲁棒的特性，采用了一种对离群点更为鲁棒的损失函数，可以在训练过程中过滤掉一部分离群点，有效缓解了因拟合离群点从而降低网络性能的问题，从而进一步提高了非离群点的精度。
一种基于分割回归网络离群点鲁棒深度方法

[发明专利]一种基于异构Transformer的无监督视频目标分割算法-CN202211532178.1在审
发明人：王一帆;袁亦忱;卢湖川;王立君 -专利权人：大连理工大学;大连理工大学宁波研究院;大连维视科技有限公司
申请日： 2022-12-01 - 公布日： 2023-03-14 - 主分类号： G06V20/40 文献下载
摘要：一种基于异构Transformer的无监督视频目标分割算法，为无监督视频目标分割网络在外观运动特征融合的浅层和深层阶段设计两种不同的基于Transformer的融合策略，分别是全局上下文共享的Transformer和语义聚合‑回嵌的Transformer。全局上下文共享的Transformer能以较低的计算量学习视频帧之间的全局共享上下文信息，语义聚合‑回嵌的Transformer对前景和背景分别建模语义相关性并通过对特征向量软聚合的方式来进一步降低计算量。基于两种融合模块，为无监督视频目标分割任务设计一种层级异构的Transformer架构，这种架构能以较低的计算量实现最先进的性能。
一种基于 transformer 监督视频目标分割算法

[发明专利]一种基于Transformer与卷积神经网络的图像修复方法-CN202211532185.1在审
发明人：卢湖川;苗葳;王立君;王一帆 -专利权人：大连理工大学;大连理工大学宁波研究院;大连维视科技有限公司
申请日： 2022-12-01 - 公布日： 2023-03-03 - 主分类号： G06T5/00 文献下载
摘要：本发明属于机器学习、计算机视觉、图像修复领域，提供了一种基于Transformer模块和卷积神经网络的图像修复方法。本发明的图像修复模型使用Transformer模块与卷积神经网络相结合的混合端到端网络，对输入图像进行边缘提取获得结构先验后，得到更好的图像修复结果，再保持较高精度的同时，也保持了图像修复的速度。本发明设计了两类全新Transformer模块，分别用于对图像全局特征与局部特征的提取与处理，充分利用了图像像素与特征图的有效信息，有效的提高了图像修复的效果。同时，使用Canny算子与卷积神经网络获取图像边缘，为图像修复网络提供了一类结构先验，提升图像修复效果。
一种基于 transformer 卷积神经网络图像修复方法

[发明专利]一种基于隐式神经场表示的3D人体网格补全方法-CN202210558079.4在审
发明人：陈建川;易文涛;卢湖川;王一帆 -专利权人：大连理工大学;大连维视科技有限公司
申请日： 2022-05-19 - 公布日： 2022-10-18 - 主分类号： G06T17/20 文献下载
摘要：本发明提供了一种基于隐式神经场表示的3D人体网格补全方法，涉及3D重建技术技术领域，所述方法包括如下步骤：建立人体网格补全模型，建立隐式神经场，对所述人体网格补全模型进行训练，对完整的人体网格所在空间进行采样得到采样点，计算所述采样点对应的截断符号距离函数和颜色作为标签；根据采样点对应的空间点到三维网格表面最近的面片的颜色得到颜色信息；对待补全的有缺失的人体网格表面进行采样稀疏3D点云位置、颜色和表面法向量数据并输入至训练后的模型中建立隐式神经场中，然后利用MarchingCubes算法提取出完整的人体网格。本文提出了一个网格恢复网络，根据输入的部分3D形状以及对应的纹理信息来重建其完整结构的3D形状以及纹理细节的恢复。
一种基于神经表示人体网格方法

[发明专利]一种基于掩码训练的图像修复方法-CN202210523937.1在审
发明人：商彩;贾旭;卢湖川;何友 -专利权人：大连理工大学;大连维视科技有限公司
申请日： 2022-05-13 - 公布日： 2022-09-27 - 主分类号： G06T5/00 文献下载
摘要：本发明提供一种基于掩码训练的图像修复方法，涉及计算机视觉技术领域，包括步骤：获取图像训练集中的训练样本；将训练样本输入至待训练的掩码生成模型中对所述训练样本提取特征，得到掩码生成模型输出的掩码结果；将所述掩码生成模型输出的掩码结果与训练样本相乘，得到损坏图像；得到所述图像修复模型的处理层输出的初始修复结果；将所述初始修复结果对应于损坏部分的子图像填充至损坏图像，作为中间修复结果；根据所述纹理特征和初始修复结果，得到该训练样本对的最终修复结果；本发明通过生成动态掩码，确认了图像的可预测区域，减少了对训练过程的损害，使得训练好的图像修复模型输出的修复结果与原始图像接近，保证了图像修复效果。
一种基于掩码训练图像修复方法

[发明专利]基于自适应匹配的视频显著性检测方法、装置及存储介质-CN202210557195.4在审
发明人：李若琪;卢湖川;王一帆 -专利权人：大连理工大学;大连维视科技有限公司
申请日： 2022-05-19 - 公布日： 2022-09-27 - 主分类号： G06V20/40 文献下载
摘要：本发明提供一种基于自适应匹配的视频显著性检测方法、装置及存储介质。方法包括：S1、将待检测视频的第一帧图像数据输入分割网络进行处理；S2、建立一个记忆模块存储参考特征，用第一帧前景特征进行初始化；S3、将下一帧图像数据输入特征提取网络，将当前帧特征与参考特征进行相关性匹配，基于相关性匹配图与前一帧的显著性预测图获取相关性匹配特征，将相关性特征、当前帧的8倍下采样特征以及前一帧的前景特征融合后送入所述预测网络，从而得到当前帧的显著性预测图；S4、根据当前帧前景特征与参考特征的相关性匹配结果更新记忆模块的参考特征；S5、持续输入视频帧，重复上述S3‑S4直到得到所有视频帧的显著性预测图。本发明有效地利用视频整体的时序信息，并且不会随着视频帧数的增多而增加大量计算量。
基于自适应匹配视频显著检测方法装置存储介质

[发明专利]一种基于YOLOv5的智能机器人冰壶检测方法-CN202210549759.X在审
发明人：徐严顺;卢湖川;王一帆;何友 -专利权人：大连理工大学;大连维视科技有限公司
申请日： 2022-05-17 - 公布日： 2022-09-23 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种基于YOLOv5的智能机器人冰壶检测方法，涉及计算机视觉技术领域。本发明方法，包括如下步骤：获取冰壶比赛现场图像；使用标注软件对所述冰壶比赛现场图像进行标注，得到标注后的图像；将所述图像特征图输入至YOLOv5预测网络进行前背景预测，输出不同采样倍数对应的分类预测分数和回归定位系数；将所述预测分数及边框回归值反向映射至原始图像，并在原始图像上打印，得到检测结果图。本发明针对冰壶机器人比赛的数据特点，设计轻量化的目标检测网络，并克服数据分布单一、拍摄光线较暗等困难，设计了不同的数据增强方式，重新设计损失函数。在满足高识别和定位精度的同时实现了高帧率的检测速度。
一种基于 yolov5 智能机器人检测方法

[发明专利]一种基于图像修复的图像3D化方法-CN202210551793.0在审
发明人：丁齐星;卢湖川;王一帆 -专利权人：大连理工大学;大连维视科技有限公司
申请日： 2022-05-18 - 公布日： 2022-09-16 - 主分类号： G06T5/00 文献下载
摘要：本发明提供一种基于图像修复的图像3D化方法，包括：获取待处理图像，通过预先训练的深度提取模型获取图像深度；基于预设的深度边缘值获取初级背景边缘图，再对所述初级背景边缘图像进行滤波和连通域检测处理获取精确背景边缘图；根据预设的3D效果确定所述精确背景边缘图中需要修复的图像范围，并由所述待处理图像中获取修复处理所用的内容素材；将所述待处理图像、精确背景边缘图、需要修复的背景图像范围以及内容素材输入预先训练的图像修复模型中，从而生成修复的背景图像；将前景图像与修复的背景图像结合，按照预设的3D效果输出转换视频。本发明能够更广泛地应用于实际场景中，鲁棒性强，同时在前背景复杂的图像上也能取得良好的处理效果。
一种基于图像修复方法

1
2
下一页»
尾页
共 23 条