“图像特征”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3091799个，建议您升级VIP下载更多相关专利

[发明专利]基于特征筛选和深度融合的卷积神经网络特征融合算法-CN202110942485.6在审
发明人：王梨名;祁昆仑;杨超;马欣悦 -专利权人：中国地质大学（武汉）
申请日： 2021-08-17 - 公布日： 2021-12-24 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于特征筛选和深度融合的卷积神经网络特征融合算法。方法包括如下步骤：(1)、将来自同一幅影像的多个不同的卷积特征按照通道进行拼接。然后对拼接后的特征进行批量归一化，来调整各层输出特征的分布。(2)对融合后的综合特征进行包括挤压、激励和注意三个过程的特征筛选。(3)通过一维卷积对多个特征进行深度融合，进一步挖掘各个特征的信息和特征信息之间的关系。(4)最后对深度融合的特征进行激活，通过激活函数把激活的特征保留并映射出来。本发明可以明显提升深度学习方法中多特征(多尺度特征融合、注意力特征融合等)相关类别算法模型的精度，提高图像分类、语义分割和目标检测等任务的识别效果。
基于特征筛选深度融合卷积神经网络算法

[发明专利]基于浅层自适应增强上下文的CenterNet小目标检测方法-CN202310258164.3在审
发明人：张杰;曲光;刘博文;张焕龙;王凤仙;江泳;李林伟;王夏兵;李岱霖 -专利权人：郑州轻工业大学;中国人民解放军空军通信士官学校
申请日： 2023-03-16 - 公布日： 2023-06-23 - 主分类号： G06V10/44 文献下载
摘要：本发明提出了一种基于浅层自适应增强上下文的CenterNet小目标检测方法，属目标检测的技术领域，本发明构建CenterNet目标检测模型；利用主干特征提取网络对输入图像进行特征提取得到浅层特征和深层特征；通过浅层特征层选择一个小目标信息较多的浅层特征，通过自适应增强上下文模块获取上下文信息，将上下文信息和原始浅层特征加权融合得到增强后的浅层特征；将增强后的浅层特征与经反卷积的深层特征进行特征融合得到预测特征图；将预测特征图送入预测网络预测目标的属性，获得目标的检测结果。本发明将通过自适应增强上下文模块进行浅层特征与深层特征融合，具有丰富的细节信息和语义信息，提高小目标的检测精度，且能够提升检测效果。
基于自适应增强上下文 centernet 目标检测方法

[发明专利]一种基于多模态共有特征空间探索的跨模态行人重识别方法-CN202310320447.6在审
发明人：刘海东;冉中矗;张浩;于兴哲;王佳亮;张强;金国强 -专利权人：陕西黄陵发电有限公司;西安热工研究院有限公司
申请日： 2023-03-27 - 公布日： 2023-06-27 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了一种基于多模态共有特征空间探索的跨模态行人重识别方法，包括单模态特征提取网络，多模态共有特征空间探索网络和多模态特征交互的辅助训练模块，对训练图像进行预处理获取训练样本；构建单模态特征提取网络和多模态共有特征探索网络，单模态特征提取网络进行单模态特征提取，多模态共有特征空间探索网络在多个模态共有特征空间中提取模态共有特征并进行合理的融合，两部分网络的训练在分类损失和度量损失的监督下进行，得到的特征描述被用于测试时进行相似度计算；本发明能够减小特征之间的模态差异，交互之后的特征同样适用损失函数进行约束，增强网络提取行人模态共有特征的能力。
一种基于多模态共有特征空间探索跨模态行人识别方法

[发明专利]一种基于特征过滤和特征对齐的小样本目标检测方法-CN202211228411.7在审
发明人：王勇;杨亮;张彤 -专利权人：中南大学
申请日： 2022-10-08 - 公布日： 2023-05-09 - 主分类号： G06V10/44 文献下载
摘要：本发明公开了一种基于特征过滤和特征对齐的小样本目标检测方法，建立了一个小样本目标检测模型，对于生成的查询集和支撑集特征，通过不同的卷积编码划分为key、value特征对，将特征对输入至空间交叉注意力和通道交叉注意力特征过滤模块，得到经过双重交叉注意力过滤后的特征，将特征进行拼接后输入至RPN网络生成候选框，将候选框和特征进行ROIAlign得到候选特征，融合候选特征和支撑集特征生成可变形卷积核，利用可变形卷积核对候选特征进行特征矫正对齐，最终分别输出候选特征的对应的类别概率及框的精细回归。相比于现有的图像分割方法，本发明能够在样本稀缺条件下提供更精准的检测，适用于各种复杂场景下的目标检测，泛化性能更强，检测效果更好。
一种基于特征过滤对齐样本目标检测方法

[发明专利]面部表情控制方法和装置-CN202211533344.X在审
发明人：罗子初 -专利权人：上海哔哩哔哩科技有限公司
申请日： 2022-11-30 - 公布日： 2023-05-30 - 主分类号： G06V40/16 文献下载
摘要：本申请实施例提供了一种面部表情控制方法和装置，其中，所述的方法包括：对捕获到的面部图像进行特征提取得到面部特征点集合；按照面部中的各个部位从所述面部特征点集合中确定基准特征点，并确定各个所述基准特征点对应的关键特征点；根据各个所述基准特征点和所述关键特征点，确定各个部位的表情特征值；根据所述各个部位的表情特征值对虚拟角色的面部进行驱动，以使得所述虚拟角色进行表情迁移。从而通过基于各个部位的基准特征点和关键特征点进行归纳分析得到各个部位的表情特征值，然后再按照表情特征值驱动虚拟角色进行表情迁移，由于归纳得到的表情特征值更为平滑，抖动较小，可以极大地提升对虚拟角色的面部表情的迁移效果
面部表情控制方法装置

[发明专利]基于序列化网络的道路语义分割方法、装置及电子设备-CN202211465440.5在审
发明人：周智;邹文斌;田时舜;李霞;邹辉 -专利权人：深圳大学
申请日： 2022-11-22 - 公布日： 2023-03-28 - 主分类号： G06V10/26 文献下载
摘要：本发明涉及机器学习技术，揭露一种基于序列化网络的道路语义分割方法、装置及电子设备，该方法包括：利用道路语义分割模型中的序列流RGB‑D特征提取器对预先获取的道路图像进行特征提取，得到RGB数据特征及深度数据特征，道路语义分割模型还包括多模态特征融合模块以及语义流预测模块；利用多模态特征融合模块将RGB数据特征及深度数据特征进行特征融合，得到融合特征；利用语义流预测模块对融合特征进行语义流预测，得到语义流；从融合特征中选取基准特征，根据基准特征、融合特征及语义流进行语义对齐与标签匹配，得到语义流对应的道路标签。
基于序列网络道路语义分割方法装置电子设备

[发明专利]一种基于灾后无人机遥感影像的建筑物损毁分类方法-CN202210914538.8在审
发明人：洪中华;钟宏正;周汝雁;潘海燕;马振玲;张云;韩彦岭;王静;杨树瑚;徐利军 -专利权人：上海海洋大学
申请日： 2022-08-01 - 公布日： 2022-11-11 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于灾后无人机遥感影像的建筑物损毁分类方法，获取灾后的无人机遥感影像，并进行预处理；建立建筑物破坏分类网络模型并进行训练；该网络模型包括特征编码模块和分类模块，特征编码模块包括依次连接的带有注意力机制的多个卷积块，用于对无人机遥感影像进行特征编码，获取特征编码图，分类模块包括全局特征提取模块、上下文特征提取模块和分类器，全局特征提取模块用于对特征编码图进行全局特征提取，上下文特征提取模块用于对特征编码图进行上下文特征提取，分类器用于对融合了全局特征、上下文特征的图像特征进行分类；用训练好的建筑物破坏分类网络模型对获取灾后的无人机遥感影像进行损毁分类识别。
一种基于无人机遥感影像建筑物损毁分类方法

[发明专利]一种手语检索的方法-CN201010592907.3有效
发明人：张师林;李和平;张树武 -专利权人：中国科学院自动化研究所
申请日： 2010-12-08 - 公布日： 2011-04-06 - 主分类号： G06F17/30 文献下载
摘要：本发明涉及一种手语检索的方法，包括步骤S1：对手语进行视频解码并提取图像底层纹理特征、颜色特征和轮廓特征，根据手语运动特征生成手语特征库，用手语追踪双手方法得到手语特征为双手运动的坐标特征、双手运动的速度特征和双手的形状特征，进而构成时间序列特征，并以手语特征的字符串存储下来；步骤S2：对于用户输入的视频用坐标、速度和形状特征表示，得到用户输入视频的字符串；步骤S3：利用字符串编辑距离算法对用户输入视频的字符串和手语特征的字符串进行距离度量，得到输入视频和手语特征库中视频的相似度量。本发明解决了手语中快速且鲁棒的双手定位的问题，双手特征表示的问题和快速有效的手语相似度度量问题。
一种手语检索方法

[发明专利]一种并行特征全卷积神经网络装置及其构建方法-CN201810468647.5有效
发明人：曹铁勇;方正;张雄伟;杨吉斌;孙蒙;李莉;赵斐;洪施展;项圣凯 -专利权人：中国人民解放军陆军工程大学
申请日： 2018-05-16 - 公布日： 2022-03-15 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种并行特征全卷积神经网络及其构建方法。所述神经网络包括卷积神经网络，并行膨胀模块，并行特征上采样模块，特征图求和模块，特征图并列模块和几个卷积层。构建方法为：移除卷积神经网络最后的分类层，设计并行膨胀模块和并行特征上采样模块提取卷积神经网络中间层特征图；特征图求和模块提取出的特征图，通过加法操作两两相加；特征图并列模块提取出的特征图直接并列输出；从上述特征图求和模块、特征图并列模块输出的特征图分别组成一个张量，通过一个对应的卷积层，然后共同输入到网络末端的卷积层，融合所有加和及并列特征，输出融合结果。本发明有较少的网络参数量，更好地利用了网络中的特征图，可以应用到图像的像素级别标注任务中。
一种并行特征卷积神经网络装置及其构建方法

[发明专利]一种基于SIFT–COF特征光流的道路检测方法-CN201310218603.4有效
发明人：王燕清;石朝侠;齐登厚;鲍友山 -专利权人：南京三宝科技股份有限公司
申请日： 2013-06-04 - 公布日： 2013-09-04 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于SIFT–COF特征光流的道路检测方法，首先采集道路上的帧图像信息，并区分出道路区域和非道路区域；将非道路区域确定为ROI，然后对ROI中的特征进行提取，特征提取是以SIFT特征与Harris角点特征的结合的层次化结构；并通过帧间的特征匹配形成特征光流，根据特征光流的计算判断该特征位置；最后确定可通行区域和非可通行区域。本发明建立了SIFT特征与Harris角点特征的层次化结构，该方法实现了SIFT特征与Harris角点特征的优势互补，利用SIFT特征的尺度不变特性和Harris角点特征的均匀分布特性，不同类型的非结构化道路的光流检测对比试验显示了本方法的有效性
一种基于 sift cof 特征道路检测方法

[发明专利]一种局部视觉特征选择方法及装置-CN201610687614.0有效
发明人：段凌宇;刘赵梁;陈杰;黄铁军;高文 -专利权人：北京大学
申请日： 2016-08-18 - 公布日： 2019-05-28 - 主分类号： G06F16/583 文献下载
摘要：本发明提供了一种局部视觉特征选择方法及装置，所述方法包括：检测获取目标图像中的多个局部视觉特征，并获得每个局部视觉特征的自有属性；获得部分或全部所述局部视觉特征的深度属性；根据所述每个局部视觉特征的自有属性，以及部分或全部局部视觉特征的深度属性，采用预先建立的特征选择模型获得所述每个局部视觉特征位于查询目标中的可能性数值；按照所述可能性数值从高到低的顺序选择预设数量的局部视觉特征作为局部视觉特征子集。本发明使得在局部视觉特征子集内特征数目较少的配置下，仍然能够使得选择出的局部视觉特征尽可能多地包含位于查询目标中的局部视觉特征，在保持视觉特征描述子紧凑表达的前提下保证较为可靠的检索结果。
局部视觉特征选择查询目标深度属性特征子集自有属性获取目标检索结果模型获得视觉特征顺序选择预先建立描述子预设紧凑图像检测配置保证

[发明专利]疲劳状态判断方法、电子设备及计算机可读存储介质-CN201910139671.9有效
发明人：邓淑龙 -专利权人：湖北亿咖通科技有限公司
申请日： 2019-02-25 - 公布日： 2021-01-08 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种疲劳状态判断方法、电子设备及计算机可读存储介质，涉及汽车安全技术领域，该方法用于确定用户的疲劳状态，该方法包括：获取人脸图像中多个视觉特征区域的视觉特征点；基于边缘检测算法确定每个视觉特征区域的轮廓边缘，将属于每个视觉特征区域的视觉特征点移动到该视觉特征区域的轮廓边缘上；根据视觉特征点确定视觉特征参数；根据视觉特征参数确定用户是否处于疲劳状态。通过采用边缘检测算法确定特征区域的轮廓边缘，然后将特征点移动到轮廓边缘上，再根据移动后的特征点所对应的特征参数确定用户是否处于疲劳状态，该方法采用边缘检测算法对特征点进行修正，提高了特征点的准确性，从而提高了确定用户疲劳状态的准确性
疲劳状态判断方法电子设备计算机可读存储介质

[发明专利]一种基于自适应的特征选择的目标跟踪方法-CN201910881798.8有效
发明人：郭文华;贺晨龙;马耀军 -专利权人：西安交通大学
申请日： 2019-09-18 - 公布日： 2022-02-11 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于自适应的特征选择的目标跟踪方法，包括步骤：一、目标特征的描述：分别计算目标区域、待匹配区域和搜索区域的各个特征的描述：包括在第一帧计算目标的特征描述；在之后跟踪的每一帧计算搜索区域的特征描述和待匹配区域的特征描述；二、多特征融合的跟踪算法：在跟踪过程中，选择根据上一帧计算所得最优特征作为本帧的描述特征，若是第一帧图像因没有先验信息则可随机选择一种特征作为本帧的描述特征；三、步骤三：多特征的选择：根据目标中心位置，划分搜索区域的前景和背景，计算的各个特征的相似度值，利用判别熵计算不同特征区分前景背景的能力，根据判别熵选择区分能力最强的特征，并在下一帧跟踪中使用。
一种基于自适应特征选择目标跟踪方法

[发明专利]一种基于深度特征记忆库的无监督缺陷检测方法及终端-CN202211618023.X有效
发明人：童同;詹文鹏;杨和;刘文哲;高钦泉 -专利权人：福建帝视科技集团有限公司
申请日： 2022-12-16 - 公布日： 2023-06-02 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于深度特征记忆库的无监督缺陷检测方法及终端，涉及无监督缺陷检测技术领域，输入待检图片至预训练模型，提取待检图片的矩阵特征；输入待检图片的矩阵特征至特征描述器，以对待检图片的矩阵特征进行融合编码，得到待检图片的泛化特征；将待检图片的泛化特征与核心特征库的特征进行比对，得到待检图片的泛化特征与核心特征库的特征的向量相似度，对向量相似度归一化得到异常得分，若异常得分超过设定阈值，判断为缺陷。其通过增加可训练的特征描述器其做进一步的特征调整，使特征泛化，能自适应图像旋转、缩放等常见操作，不会因为这些常见的操作导致分割区域异常。
一种基于深度特征记忆监督缺陷检测方法终端

[发明专利]基于计算机视觉的五金冲压配件质量检测方法-CN202310084181.X有效
发明人：段吉祥;甘丽兰 -专利权人：深圳市威祥五金制品有限公司
申请日： 2023-02-09 - 公布日： 2023-04-25 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及图像处理领域，具体涉及基于计算机视觉的五金冲压配件质量检测方法，包括：获取模板点云、待测点云以及模板点云中各个特征点和各个区域；根据各个特征点对应的各个球体区域的参考权重以及法向变化程度得到各个特征点的特征强度，并根据各个特征点的代表性得到各个特征点的自身特征，根据各个特征点之间的距离以及各个特征点的自身特征得到各个特征点的局部聚集强度，进而得到各个区域的区域特征强度；根据各个区域的区域特征强度及预设数量得到各个区域的预匹配特征点本发明用较少的特征点获取较为准确的点云配准效果，提高五金冲压配件的质量检测效率。
基于计算机视觉五金冲压配件质量检测方法