“图像特征提取”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3513301个，建议您升级VIP下载更多相关专利

[发明专利]一种面部表情的分类方法和电子设备-CN202111216040.6在审
发明人：叶欣婷;谢耀钦;胡嘉尼;梁晓坤;秦文健 -专利权人：中国科学院深圳先进技术研究院
申请日： 2021-10-19 - 公布日： 2022-02-18 - 主分类号： G06V40/16 文献下载
摘要：本申请涉及图像处理领域，提供了一种面部表情的分类方法，包括：获取目标图像，该目标图像包括目标对象的面部表情；将目标图像输入到表情分类模型中，得到分类结果，分类结果用于指示面部表情的情绪表达程度；表情分类模型包括：第一特征提取网络、第二特征提取网络和融合分类模块；通过第一特征提取网络对目标图像进行局部特征提取，得到面部表情所在区域的第一特征；通过第二特征提取网络对目标图像进行全局特征提取，得到第二特征；通过融合分类模块对第一特征和第二特征进行特征融合和分类上述方法能够提高面部表情的情绪特征的提取率，从而解决面部表情分类准确率低的问题。
一种面部表情分类方法电子设备

[发明专利]面向机械臂抓取的透明物体6D姿态估计方法-CN202111488783.9在审
发明人：邹勤;吴婷;邱雁成 -专利权人：北湾科技（武汉）有限公司
申请日： 2021-12-08 - 公布日： 2022-03-01 - 主分类号： G06T7/73 文献下载
摘要：其输入为透明物体的RGB图像、Edge图像以及深度图像，输出为透明物体的6D位姿。构建三分支深度学习网络模型，该模型包括纹理特征提取网络、边缘特征提取网络、几何特征提取网络和关键点检测网络；其中，纹理特征提取网络输入数据为RGB图像，边缘特征提取网络输入数据为Edge图像，几何特征提取网络输入数据为深度图像；其中，关键点检测网络融合三个特征提取网络提取出来的特征，并嵌入自注意力机制来获取全局特征；最大限度利用透明物体的纹理信息和几何信息，结合特征融合思想和注意力机制，研究和探索出一种适用于透明物体6D姿态估计的方法
面向机械抓取透明物体姿态估计方法

[发明专利]一种道路目标检测方法、装置及存储介质-CN201910623507.5在审
发明人：蔡晓东;郑淑婷 -专利权人：桂林电子科技大学
申请日： 2019-07-11 - 公布日： 2019-11-19 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种道路目标检测方法、装置及存储介质，方法包括：基于SSD特征提取网络构建DSSD特征提取网络，DSSD特征提取网络包括SSD特征提取网络、去卷积层和预测层；对DSSD特征提取网络进行图像特征训练；将待识别的道路目标图像集输入训练后的DSSD特征提取网络中，输出道路目标图像。基于SSD特征提取网络构建DSSD特征提取网络，在SSD特征提取网络的基础上增加去卷积层和预测层，去卷积层将高分辨率低语义信息特征图与低分辨率高语义信息特征图融合，预测层将所有特征拼接图分类，确定道路目标
特征提取道路目标去卷积网络网络构建语义信息特征图预测图像特征训练存储介质低分辨率高分辨率网络包括图像集小目标检测拼接图像分类融合输出

[发明专利]一种基于图像预训练策略的图像超分辨率方法-CN202210464719.5在审
发明人：陈翔宇;王鑫涛;周建涛;董超 -专利权人：中国科学院深圳先进技术研究院
申请日： 2022-04-29 - 公布日： 2022-09-02 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于图像预训练策略的图像超分辨率方法。该方法包括：采集目标图像；将目标图像输入到经训练的图像超分辨率模型，输出超分辨率图像，所述图像超分辨率模型依次包括浅层特征提取模块、深层特征提取模块和高分辨率重建模块，其中，浅层特征提取模块针对输入的目标图像提取浅层特征，深层特征提取模块采用通道注意力机制和自注意力机制提取多层次的中间特征，高分辨率重建模块以来自于深层特征提取模块的输出特征以及经由残差连接传递的来自于浅层特征提取模块的输出特征作为输入，获得相对于输入目标图像的高分辨率图像本发明无论是在数值指标还是视觉效果方面，都提升了图像超分辨率的性能，并且通用性强。
一种基于图像训练策略分辨率方法

[发明专利]基于非局部特征的多级高光谱图像递进超分方法及系统-CN202111136667.0在审
发明人：胡建文;刘耀庭 -专利权人：长沙理工大学
申请日： 2021-09-27 - 公布日： 2022-01-04 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于非局部特征的多级高光谱图像递进超分方法及系统，本发明方法包括将低分辨率图像输入预先训练好的多级渐进网络来获得重建高分辨率图像，多级渐进网络包括初步特征提取模块、最终特征提取模块及依次布置在初步特征提取模块、最终特征提取模块之间的多个基于局部和非局部特征的特征提取级模块。每一个特征提取级模块的输入经过本级特征提取后的特征图和初步卷积输出的特征图相加，再通过转置卷积上采样得到超分重建图像，然后再经过跨步卷积下采样输出至下一个特征提取级模块。本发明在每一级实现了局部特征和全局特征的联合提取，能够有效地提升高光谱重建图像的空间分辨率，同时具有更高的重建质量。
基于局部特征多级光谱图像递进方法系统

[发明专利]一种基于图像特征提取的商标检索方法-CN201810298663.4有效
发明人：李建圃;樊晓东 -专利权人：南昌奇眸科技有限公司
申请日： 2018-04-03 - 公布日： 2022-04-29 - 主分类号： G06F16/583 文献下载
摘要：本发明提供一种基于图像特征提取的商标检索方法，包括：获取所有样本商标；对样本商标进行图像的分割；对样本商标的图像进行特征提取；根据提取的特征，针对样本商标的图像部分建立图像特征数据库；获取待测商标；按照与样本商标相同的步骤，对待测商标进行图像的分割以及特征提取；根据待测商标的图像特征，分别在图像特征数据库中进行相似度检索，获得相似度检索结果。在图像特征提取的步骤中采用改进的梯度方向直方图特征提取、合理设定多尺度滑窗的规格及滑动步长，可以明显提高特征鲁棒性，同时提高检索准确性。
一种基于图像特征提取商标检索方法

[发明专利]基于特征重标定的人脸特征提取方法、系统、设备及介质-CN202011576094.9在审
发明人：曾凡智;邹磊;周燕 -专利权人：佛山科学技术学院
申请日： 2020-12-28 - 公布日： 2021-03-19 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于特征重标定的人脸特征提取方法、系统、设备及介质，所述方法包括：构建人脸特征提取网络，所述人脸特征提取网络包括多块特征提取块；获取待识别用户的人脸图像；将待识别用户的人脸图像输入人脸特征提取网络，通过特征提取块进行初步特征提取，并对提取的初步特征信息进行压缩、筛选和重标定，得到人脸特征信息。本发明利用特征通道之间的关系可以对特征进行筛选，起到特征重标定的作用，在保持较高的特征提取速度的同时能兼顾较好的特征提取效果。
基于特征标定提取方法系统设备介质

[发明专利]基于二维局域均值分解-SIFT算法的图像特征提取方法-CN201810617689.0在审
发明人：安凤平 -专利权人：淮阴师范学院
申请日： 2018-06-15 - 公布日： 2019-03-01 - 主分类号： G06K9/46 文献下载
摘要：本发明公开的基于二维局域均值分解‑SIFT算法的图像特征提取方法，涉及图像处理技术领域，通过采用二维局域均值分解方法，将待特征提取图像的二维函数分解为若干个二维生产函数和一个趋势项，对SIFT算法进行优化并根据优化后的SIFT算法，分别对各个二维生产函数分量和趋势项进行图像特征提取，提高了图像特征提取方法的效率及效果，使得图像特征提取方法易于实施和推广，解决了现有图像特征提取方法存在的效率低、效果差且不易实施和推广的缺陷
图像特征提取二维分解生产函数图像处理技术二维函数特征提取优化图像

[发明专利]行人重识别的方法、系统、电子设备和存储介质-CN202211403947.8在审
发明人：刘树惠;李今鸣;查航 -专利权人：武汉众智数字技术有限公司
申请日： 2022-11-10 - 公布日： 2023-02-03 - 主分类号： G06V40/10 文献下载
摘要：本申请提供了行人重识别的方法、系统、电子设备和存储介质，包括：获取第一行人图像数据和第二行人图像数据，所述第一行人图像数据为黑白图像数据，所述第二行人图像数据为彩色图像数据；通过所述第一行人图像数据对第一特征提取网络进行训练，获取已训练第一特征提取网络；通过所述第二行人图像数据对所述已训练第一特征提取网络和第二特征提取网络进行联合训练，获取已训练第二特征提取网络；通过所述已训练第二特征提取网络对待识别图像进行特征提取，并根据提取的特征从预设的数据库中进行身份识别
行人识别方法系统电子设备存储介质

[发明专利]基于深度学习的超分辨率图像重建方法和装置-CN201810937200.8有效
发明人：邹超洋 -专利权人：广州视源电子科技股份有限公司
申请日： 2018-08-16 - 公布日： 2023-04-18 - 主分类号： G06T3/40 文献下载
摘要：本发明提供一种基于深度学习的超分辨率图像重建方法和装置，包括：根据图像集和目标放大倍数，建立高分辨率图像和低分辨率图像对应的训练集，根据训练集和预先构建的多尺度网络模型，进行网络训练，得到模型参数，其中，多尺度网络模型包括多个特征提取网络和一个组合网络，多个特征提取网络的网络深度不同，多个特征提取网络分别用于提取图像的特征，组合网络用于对多个特征提取网络提取到的多组特征进行组合，使用训练得到的多尺度网络模型，对输入的低分辨率图像重建得到高分辨率图像。通过多个网络深度不同的特征提取网络对图像进行特征提取，并进行多特征组合，能够获得更好的重建效果。
基于深度学习分辨率图像重建方法装置

[发明专利]基于空间扩展卷积和光谱扩展卷积的高光谱数据分类方法-CN202310449506.X在审
发明人：王硕;刘正军;陈一铭;刘爱霞 -专利权人：中国测绘科学研究院
申请日： 2023-04-24 - 公布日： 2023-07-21 - 主分类号： G06V10/44 文献下载
摘要：所述方法包括：获取初始高光谱图像，并根据初始高光谱图像，确定第一高光谱图像和第二高光谱图像；根据第一高光谱图像和空间特征提取网络，确定空间特征图；空间特征提取网络基于空间扩展卷积进行空间特征提取；根据第二高光谱图像和光谱特征提取网络，确定光谱特征图；光谱特征提取网络基于光谱扩展卷积进行光谱特征提取；将空间特征图和光谱特征图输入至特征融合层，得到融合特征图；将融合特征图输入至特征分类网络，得到初始高光谱图像对应的分类结果。本方案能够提高特征的提取精度，进而提高高光谱数据的分类精度。
基于空间扩展卷积光谱数据分类方法

[发明专利]图像分类方法、特征提取网络的训练方法和装置-CN202011227392.7在审
发明人：苏驰;李凯;刘弘也;王育林 -专利权人：北京金山云网络技术有限公司
申请日： 2020-11-05 - 公布日： 2021-01-05 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种图像分类方法、特征提取网络的训练方法和装置，将目标图像输入至预先训练完成的特征提取网络中，输出目标图像的图像特征；基于图像特征，确定目标图像的类别；其中的特征提取网络包括串联的多层级特征提取层；每层级特征提取层用于输出当前层级对应的层级特征；图像特征通过至少两个层级对应的层级特征进行融合得到。该方式中，图像特征中包括至少两个层级的层级特征，因而该图像特征中包含的特征层级更加丰富，可以应对直播等复杂场景下的图像识别，从而可以准确有效地识别敏感图像，降低了敏感图像的漏检率和误检率。
图像分类方法特征提取网络训练装置

[发明专利]融合颜色特征与卷积神经网络的彩色图像特征提取方法-CN201510759561.4有效
发明人：宋彬;王宇;田方;赵梦洁;秦浩 -专利权人：西安电子科技大学
申请日： 2015-11-10 - 公布日： 2018-11-16 - 主分类号： G06K9/46 文献下载
摘要：本发明公开了一种融合颜色特征与卷积神经网络的图像特征提取方法，主要解决现有技术下颜色特征提取不全面和卷积神经网络特征提取对颜色不敏感的问题。其实现步骤为：(1)输入彩色图像；(2)获取主体图像；(3)获取颜色特征向量；(4)获取归一化卷积神经网络特征向量；(5)获取融合特征向量。本发明能够同时发挥颜色特征提取和卷积神经网络特征提取的优势，可用于图像处理技术领域。
融合颜色特征卷积神经网络彩色图像提取方法

[发明专利]一种结合形状和颜色的双目立体视觉图像特征提取方法-CN201510159543.2有效
发明人：王永滨;段峰峰;杨丽芳;伏文龙;潘淑静;官安琦 -专利权人：中国传媒大学;湖南师范大学
申请日： 2015-04-05 - 公布日： 2017-12-01 - 主分类号： G06K9/46 文献下载
摘要：一种结合形状和颜色的双目立体视觉图像特征提取方法，属于多媒体信息检索、智能信息处理、数据挖掘等数据处理领域，克服双目立体视觉图像特征提取精确度不高、复杂度大等缺点。本发明步骤通过立体匹配对双目立体视觉图像进行深度图提取；基于选定大小窗口对双目立体视觉深度图像进行轮廓形状特征提取，并进行降维；采用滑动窗口检测方法对完整深度图像进行特征提取，并进行降维；对双目立体视觉左图像进行颜色特征提取，形成直方图特征；对轮廓形状特征和颜色特征进行高斯归一化，实现多特征融合的双目立体视觉图像特征提取。本发明能够获取精确、低维的双目立体视觉图像特征，较好的应用于基于内容的相关资源索引和检索。
一种结合形状颜色双目立体视觉图像特征提取方法

[发明专利]基于优化特征提取装置的图像特征提取系统-CN201910761868.6有效
发明人：吴华;杨双;于山虎;韦统启;孙鑫盛 -专利权人：杭州凝眸智能科技有限公司
申请日： 2019-08-19 - 公布日： 2023-02-21 - 主分类号： G06V10/40 文献下载
摘要：一种优化特征提取方法及其神经网络结构，通过分别提取图像的水平方向特征和垂直方向特征进行拼接得到特征图后，再从中分别提取空间关注特征和通道关注特征，经合并后得到优化特征提取图。本发明能够兼顾图像水平方向与垂直方向特征信息融合以及空间关注(关注特征提取)机制和通道关注(通道关注特征提取)机制，具有较强鲁棒性。
基于优化特征提取装置图像系统

首页
«上一页
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