“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]特征提取网络训练方法、图像处理方法及装置-CN202110747865.4有效
发明人：张磊;李攀登;李岩;袁勇;谢洪涛;张勇东 -专利权人：北京达佳互联信息技术有限公司;北京中科研究院
申请日： 2021-07-02 - 公布日： 2022-09-02 - 主分类号： G06F16/55 文献下载
摘要：本公开关于一种特征提取网络训练方法、图像处理方法及装置，涉及图像处理领域。本公开实施例，新增一种用于提取第二特征的第二特征提取网络，第二特征用于表征目标类别图像的内容特征分布状况，也即是该样本图像的邻域结构，结合用于提取样本图像本身特征的第一特征提取网络，从两个角度来对样本图像的图像特征进行处理，考虑到了不同样本图像的邻域结构可能不均匀的情况，在训练过程中不仅学习样本图像本身的特征，还能够自适应地学习到样本图像的邻域结构，以此训练得到的特征提取网络在特征提取方面的准确性更好，这样提取到的特征能够更加准确地体现出图像所属的类别，基于训练后的特征提取网络进行图像检索也能够得到更加准确的检索结果。
特征提取网络训练方法图像处理装置

[发明专利]图像特征提取模型的训练方法、装置及电子设备-CN202111432043.3有效
发明人：魏翔;孙逸鹏;姚锟 -专利权人：北京百度网讯科技有限公司
申请日： 2021-11-29 - 公布日： 2023-08-11 - 主分类号： G06V10/774 文献下载
摘要：本公开提供了图像特征提取模型的训练方法、装置及电子设备，涉及人工智能技术领域，尤其涉及深度学习、计算机视觉技术领域。具体实现方案为：获取至少一目标样本图像；利用待训练的图像特征提取模型，提取至少一目标样本图像的第一图像特征，并利用指定网络模型，提取至少一目标样本图像的第二图像特征；基于第一图像特征、所提取的第二图像特征以及历史样本特征，计算图像特征提取模型的模型损失值；基于模型损失值，调整图像特征提取模型的模型参数。通过本方案，可以在保证图像特征提取模型的准确度的同时，降低了训练过程中GPU显存的占用。
图像特征提取模型训练方法装置电子设备

[发明专利]图像分割模型的处理方法和处理装置-CN201910845625.0在审
发明人：韩凯;闻长远;舒晗;陈翼翼;苏霞;王云鹤;许春景 -专利权人：华为技术有限公司
申请日： 2019-09-02 - 公布日： 2021-03-05 - 主分类号： G06T7/11 文献下载
摘要：本申请涉及人工智能领域中的图像分割技术，提供了图像分割模型的处理方法和处理装置。所述图像分割模型包括特征提取子模型和图像分割子模型，特征提取子模型用于提取图像的特征，图像分割子模型用于根据所述提取的特征对所述图像进行分割。所述处理方法包括：对所述特征提取子模型进行层宽调整，以得到第一特征提取子模型；根据第一特征提取子模型和图像分割子模型得到目标图像分割模型。本申请提供图像分割模型的处理方法和处理装置，有助于提高图像分割模型的分割精度，从而有助于在边缘设备上实现图像分割技术。
图像分割模型处理方法装置

[发明专利]图像修复方法、装置、计算机设备、存储介质和程序产品-CN202210632283.6在审
发明人：唐月标;孙才婵;王鹏培;叶泽锐 -专利权人：中国工商银行股份有限公司
申请日： 2022-06-07 - 公布日： 2022-08-16 - 主分类号： G06T5/00 文献下载
摘要：本申请涉及一种图像修复方法、装置、计算机设备、存储介质和程序产品。可用于金融科技领域或其他相关领域。所述方法包括：获取目标缺损图像；将该目标缺损图像输入至预先训练好的图像修复模型中，通过图像修复模型中的下采样模块和特征提取模块分别对目标缺损图像进行特征提取处理，将下采样模块和特征提取模块输出的特征图进行融合处理后进行上采样处理，以输出目标修复图像；其中，特征提取模块包括级联的第一特征提取层、第一分片层和第一连接层，第一特征提取层用于进行空间特征提取，分片层用于对第一特征提取层输出特征图进行分片处理，第一连接层用于对多个特征图进行连接处理并输出采用本方法能够提升图像修复的质量。
图像修复方法装置计算机设备存储介质程序产品

[发明专利]一种三维模型重建方法、装置及设备-CN202111441077.9在审
发明人：刘帅;杨智远;吴连朋 -专利权人：聚好看科技股份有限公司
申请日： 2021-11-30 - 公布日： 2022-03-11 - 主分类号： G06T17/00 文献下载
摘要：本申请提供了一种三维模型重建方法、装置及设备，涉及VR/AR技术领域，该方法包括：获取采集的二维图像，将所述二维图像输入到特征提取模块，其中，通过将样本图像输入特征提取层对样本图像进行特征提取，利用重建层根据提取的图像特征参数进行三维模型重建并输出，以输出样本三维模型为目标调整所述特征提取层和重建层的参数，调整结束时将所述特征提取层作为特征提取模块；利用所述特征提取模块提取所述二维图像的图像特征参数，所述图像特征参数包括形状参数、表情参数和姿态参数；将所述图像特征参数传输到云端。
一种三维模型重建方法装置设备

[发明专利]用于从图像中提取对象的方法、装置和存储介质-CN201910515139.2在审
发明人：张阳 -专利权人：北京沃东天骏信息技术有限公司
申请日： 2019-06-14 - 公布日： 2020-10-16 - 主分类号： G06T3/00 文献下载
摘要：本发明公开了一种用于从图像中提取对象的方法、装置和存储介质，涉及图像处理领域。用于从图像中提取对象方法包括：将待处理图像输入到多个串行连接的边缘特征提取模块中的首个边缘特征提取模块，其中，边缘特征提取模块基于深度可分离卷积操作对接收到的数据进行边缘特征提取处理，部分或全部边缘特征提取模块还用于对接收到的数据进行下采样处理；根据每个边缘特征提取模块处理后的数据相对于待处理图像的下采样倍数，对每个边缘特征提取模块的输出进行相应倍数的上采样处理；根据对上采样处理后的数据的合并结果，生成二值化图像；基于二值化图像提取待处理图像中的目标对象
用于图像提取对象方法装置存储介质

[发明专利]图像处理方法及装置-CN201711456179.1有效
发明人：董晓;卢兴敬;刘雷 -专利权人：华为技术有限公司;中国科学院计算技术研究所
申请日： 2017-12-28 - 公布日： 2021-07-16 - 主分类号： H04N19/42 文献下载
摘要：本申请实施例提供一种图像处理方法及其装置，其中方法包括如下步骤：将原始图像对应的前景图像转换为压缩图像；预估采用所述原始图像进行深度特征提取所需的第一提取时间和采用所述压缩图像进行深度特征提取所需的第二提取时间；根据所述第一提取时间和所述第二提取时间确定采用所述原始图像进行深度特征提取或采用所述压缩图像进行深度特征提取。采用本申请实施例，可以有效降低图像深度特征提取过程的计算量，从而改善视频物体检测的执行时间。
图像处理方法装置

[发明专利]脸部特征迁移方法、电子设备及存储介质-CN202110247134.3有效
发明人：潘军威;牟宇 -专利权人：浙江大华技术股份有限公司
申请日： 2021-03-05 - 公布日： 2023-03-14 - 主分类号： G06F16/583 文献下载
摘要：本申请公开了一种脸部特征迁移方法、电子设备及存储介质。该方法包括：获取更新后的第一特征提取模型；若当前不存在待识别图像，则利用第一特征提取模型对图像库中的图像进行特征提取得到第一脸部特征，并将第一脸部特征保存至第一特征库中；在第一特征提取模型进行特征提取的过程中，若存在新的待识别图像，则利用第一特征库和/或第二特征库中的特征对新的待识别图像进行脸部识别，其中，第二特征库是利用更新前的第二特征提取模型对图像库中的图像进行特征提取得到的。通过上述方式，能够实现脸部特征迁移，且不影响脸部识别的正常进行。
脸部特征迁移方法电子设备存储介质

[发明专利]图像特征提取模型训练方法、图像特征提取方法和装置-CN202111472879.6在审
发明人：刘洪林 -专利权人：北京达佳互联信息技术有限公司
申请日： 2021-11-30 - 公布日： 2022-03-15 - 主分类号： G06K9/62 文献下载
摘要：本公开关于一种图像特征提取模型训练方法、图像特征提取方法和装置，包括：获取目标样本图像基于不同的数据增强方式得到的第一处理图像和第二处理图像；对第一处理图像、第二处理图像和其他样本图像分别进行特征提取处理，得到第一处理图像的第一图像特征、第二处理图像的第二图像特征和其他样本图像的图像特征；根据第一图像特征对第一处理图像进行重建处理，得到第一处理图像的重建图像与第一处理图像之间的重建损失；根据第一图像特征、第二图像特征和其他样本图像的图像特征，得到对比损失；基于对比损失和重建损失，对第一图像特征提取模型进行迭代训练，得到图像特征提取模型。该方法可提高训练得到的图像特征提取模型所提取的图像视觉特征的效果。
图像特征提取模型训练方法装置

[发明专利]CT图像特征提取方法、装置、电子设备和存储介质-CN202110642694.9在审
发明人：李建强;谭卓斐;付光辉 -专利权人：北京工业大学
申请日： 2021-06-09 - 公布日： 2021-09-07 - 主分类号： G06K9/46 文献下载
摘要：本发明提供一种CT图像特征提取方法、装置、电子设备和存储介质，所述方法包括：基于特征提取模型，获取样本CT图像的样本图像序列的特征权重参数；基于特征权重参数，提取CT图像特征；其中，特征提取模型是基于样本CT图像的样本图像序列对以及样本图像序列对对应的样本光流图进行对比学习得到的。本发明对比学习得到的特征提取模型能够学习无标签的样本CT图像的样本图像序列对上图像的通用表示形式，进而在基于特征提取模型的特征权重参数提取CT图像特征时，可以快速且准确从待提取特征的CT图像中提取出能够表达该CT图像本质的通用特征，从而可以避免传统方法中人工标注量大且周期长的问题。
ct 图像特征提取方法装置电子设备存储介质

[发明专利]基于复值的图像特征提取方法-CN202010724138.1在审
发明人：赵太银;秦科;田玲;罗光春;魏文轩;刘江麟 -专利权人：电子科技大学
申请日： 2020-07-24 - 公布日： 2020-11-13 - 主分类号： G06K9/46 文献下载
摘要：本发明公开了一种基于复值的图像特征提取方法，属于图像特征提取领域。为了使图像特征更具表现力，解决目前图像特征提取不够完善的问题，本发明包括：基于复数构建神经网络复值层；利用所述复制层构建用于特征提取的多个模块；将所述多个模块进行结合，利用结合后的模块进行图像特征提取。本发明基于现有神经网络结构，通过将复数引入数据表达，极大地提高了图像特征表示效果。
基于图像特征提取方法

[发明专利]一种基于深度学习的小面积指纹特征提取方法-CN202310268651.8在审
发明人：秦进;谢勇辉;陈汉钦;阎瑶;李天保;杨伟文 -专利权人：深圳市魔力信息技术有限公司
申请日： 2023-03-20 - 公布日： 2023-06-23 - 主分类号： G06V40/12 文献下载
摘要：本发明公开了一种基于深度学习的小面积指纹特征提取方法，其方法包括：构造指纹特征提取网络，并采集第一指纹图像和第二指纹图像；第二指纹图像为第一指纹图像对应的变换图像；指纹特征提取网络的输出为指纹特征；将第一指纹图像输入至指纹特征提取网络，得到第一指纹特征；将第二指纹图像输入至指纹特征提取网络，得到第二指纹特征；根据第一指纹特征和第二指纹特征计算目标损失函数；根据目标损失函数训练指纹特征提取网络；采集待提取的小面积指纹图像，将待提取的小面积指纹图像输入至训练完成的指纹特征提取网络，输出第三指纹特征。通过该方法提取的指纹特征具有较高的区分性和稳定性。
一种基于深度学习面积指纹特征提取方法

[发明专利]模型训练方法、图像特征提取方法、系统、设备及介质-CN202210187767.4在审
发明人：吕心铋;罗超;梁贤朋;邹宇 -专利权人：携程旅游信息技术（上海）有限公司
申请日： 2022-02-28 - 公布日： 2022-05-27 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种模型训练方法、图像特征提取方法、系统、设备及介质，该模型训练方法包括：获取历史训练样本数据集，该历史训练样本数据集包括历史图像分类标签数据，该历史图像分类标签数据与历史图像的哈希特征对应；基于历史训练样本数据集训练神经网络模型，以得到图像特征提取模型。本发明通过获取与历史图像的哈希特征对应的历史图像分类标签数据的历史训练样本数据集，基于历史训练样本数据集训练神经网络模型，以得到图像特征提取模型，以便利用图像特征提取模型提取图像的哈希特征，节约了图像特征的占用空间，加快了图像特征提取模型提取图像哈希特征的速度。
模型训练方法图像特征提取系统设备介质

[发明专利]特征提取模型的训练方法、装置、电子设备及程序产品-CN202210249293.1在审
发明人：王圣懿;张涛;韩冰 -专利权人：阿里巴巴（中国）有限公司
申请日： 2022-03-14 - 公布日： 2022-08-12 - 主分类号： G06V10/774 文献下载
摘要：本公开实施例公开了一种特征提取模型的训练方法、装置、电子设备及程序产品，所述方法包括：获取微调训练图像；利用预训练的特征提取模型提取所述微调训练图像的图像特征点；将属于所述微调训练图像的背景区域的图像特征点去除，将保留的图像特征点作为所述微调训练图像的标注标签；利用所述微调训练图像以及所述标注标签对所述特征提取模型进行微调训练。该技术方案能够使得特征提取模型具有对图像背景区域中图像特征点的识别能力，进而使得所提取出的图像特征点中不再包含背景区域中的图像特征点，提升了特征提取模型的效果。
特征提取模型训练方法装置电子设备程序产品

[发明专利]特征提取网络模型的训练方法、图像处理方法及其装置-CN202111639330.1在审
发明人：叶培楚;曾宪贤 -专利权人：广州极飞科技股份有限公司
申请日： 2021-12-29 - 公布日： 2022-05-10 - 主分类号： G06V10/40 文献下载
摘要：本申请披露了一种特征提取网络模型的训练方法、图像处理方法及其装置，涉及神经网络技术领域。该特征提取网络模型的训练方法包括：获取训练数据集，训练数据集中包括多幅图像帧；基于多幅图像帧之间的邻近关系和多幅图像帧，弱监督训练待训练网络模型，得到特征提取网络模型，其中，特征提取网络模型用于基于待处理图像集确定待处理图像集对应的特征点数据基于本申请训练得到的特征提取网络模型，不仅能够保证提取的特征点的数量，而且能够提高所提取的特征点的鲁棒性。尤其是针对具备重复纹理的图像，本申请训练得到的特征提取网络模型能够充分兼顾特征点的数量和鲁棒性。
特征提取网络模型训练方法图像处理及其装置