“提取图像特征”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3513301个，建议您升级VIP下载更多相关专利

[发明专利]训练图像特征提取模型和提取图像特征的方法、装置-CN202110555863.5有效
发明人：魏翔;孙逸鹏;姚锟;韩钧宇;刘经拓;丁二锐 -专利权人：北京百度网讯科技有限公司
申请日： 2021-05-21 - 公布日： 2022-11-11 - 主分类号： G06V10/44 文献下载
摘要：本公开提供了训练图像特征提取模型和提取图像特征的方法、装置，涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域，可应用于图像处理场景下。具体实现方案为：获取样本集和初始图像特征提取模型；从样本集中选取样本，执行如下训练步骤：将选取的样本的物品图像输入主干模型，得到图像特征向量；将图像特征向量分别与选取的样本的目标类别对应的预定数目的子中心向量计算相似度，并将相似度最大值作为目标类别的相似度；基于目标类别的相似度计算损失值；若损失值小于预定阈值，则确定出初始图像特征提取模型训练完成。通过该实施方式能够提高特征提取模型的训练速度和准确度，减少对精标数据的依赖。
训练图像特征提取模型方法装置

[发明专利]图像特征提取方法-CN202210098537.0在审
发明人：杨淼;谢宏 -专利权人：成都云盯科技有限公司
申请日： 2022-01-27 - 公布日： 2022-05-03 - 主分类号： G06V10/25 文献下载
摘要：本申请涉及一种图像特征提取方法，包括：对待处理图像进行预处理，得到第一预处理图像和第二预处理图像；其中，第一预处理图像为ROI彩色图像，第二预处理图像为基于第一预处理图像得到的ROI灰度图像；提取第二预处理图像的特征点集合；基于特征点集合，对第一预处理图像进行采样，生成采样图像；基于DL2‑net网络结构对采样图像进行图像特征提取，生成与特征点集合对应的特征向量集。
图像特征提取方法

[发明专利]图像特征提取方法-CN201010130681.5有效
发明人：杨小康;张瑞;陈晓琳 -专利权人：上海交通大学
申请日： 2010-03-24 - 公布日： 2010-07-07 - 主分类号： G06K9/46 文献下载
摘要：一种图像处理技术领域的图像特征提取方法，包括步骤为：提取图像中全部像素点的位置信息和颜色信息；对图像进行提取边缘区域的处理，得到边缘区域每个像素点的位置信息和颜色信息；对图像I的边缘区域提取颜色自相关特征，得到边缘区域的颜色自相关图；对图像的全部区域提取边缘方向自相关特征，得到全局的边缘方向自相关图；对图像的全部区域内提取颜色自相关特征，得到全局的颜色自相关图；将三种自相关图进行特征前融合，得到图像的特征本发明通过特征融合，实现了更为全面的基于图像结构的内容描述，减小了计算量且提高了性能，用于图像检索时准确率更高。
图像特征提取方法

[发明专利]图像特征提取方法-CN201910173459.4有效
发明人：冯建兴 -专利权人：上海皓桦科技股份有限公司
申请日： 2019-03-07 - 公布日： 2021-09-21 - 主分类号： G06K9/46 文献下载
摘要：本发明属于图像学习领域，并且具体提供了一种图像特征提取方法，旨在降低图像特征学习对硬件条件的过度依赖，同时提高图像特征学习效果。为此目的，本发明提供的图像特征提取方法主要包括以下步骤：通过预设的卷积神经网络获取目标图像的图像特征；该方法还包括对卷积神经网络进行网络训练，其具体包括获取图像样本集中每个图像样本的相似样本，并且分别对每个图像样本及其对应的相似样本进行图像变换；通过卷积神经网络并且根据图像变换结果获取相应的图像特征；根据目标函数、图像样本及其对应的相似样本的图像特征并利用机器学习算法对卷积神经网络进行网络训练。基于上述步骤，本发明可以保证图像特征的学习效果，又可以降低对硬件条件要求。
图像特征提取方法

[发明专利]图像特征提取设备-CN200980138140.2有效
发明人：岩元浩太;大网亮磨 -专利权人：日本电气株式会社
申请日： 2009-07-14 - 公布日： 2011-08-24 - 主分类号： G06T1/00 文献下载
摘要：一种图像特征量提取设备，从图像提取可能调节识别能力与稳健性之间平衡的图像特征量，识别能力用于核实图像是否与其他图像相同。图像特征量提取设备根据提前定义的分级量化方法针对待量化的各图像区域分级地执行量化并计算多个分级量化指标，以便输出编码格式的分级量化指标代码，该编码格式可以唯一指定待量化的各区域的各分级的量化指标。
图像特征提取设备

[发明专利]使用图像特征从图像提取视窗-CN201580028581.2有效
发明人： A.谢里丹;S.B.萨特金 -专利权人：谷歌有限责任公司
申请日： 2015-06-23 - 公布日： 2019-11-19 - 主分类号： G06K9/32 文献下载
摘要：视窗是图像的子部分。例如，可接收为特定图像302、322选择视窗的请求。在该特定图像内标识一组潜在视窗602、622，并且在该组潜在视窗中的视窗内标识特征。对于该组潜在视窗中的每个给定视窗，至少部分基于具有一组特征权重的权重向量和该组潜在视窗中的该给定视窗内的标识的特征来计算得分。基于计算出的得分选择该组潜在视窗中的视窗。然后，响应于为该特定全景图像选择视窗的请求，提供所选择的视窗。
使用图像特征提取视窗

[发明专利]一种图像形状特征提取系统-CN201811246705.6在审
发明人：蔡昭权;蔡映雪;胡辉;胡松;陈伽;黄思博;黄翰;梁椅辉;罗伟 -专利权人：惠州学院
申请日： 2018-10-25 - 公布日： 2019-02-22 - 主分类号： G06K9/48 文献下载
摘要：本发明公开了一种图像形状特征提取系统，包括形状特征提取系统，所述形状特征提取系统包括图像数据采集模块、异常图像剔除模块、图像预处理模块、图像形状特征提取模块、图像形状显示及存储模块，涉及图像特征提取技术领域该图像形状特征提取系统，便于对图像数据信息进行接收，并且可以通过无线和有线两种方式进行数据的传输，便于对异常的图像数据进行剔除，避免损坏的图像进入图像形状特征提取模块，同时可以对图像进行预处理，便于后续特征提取过程的进行，实现对图像的形状特征进行提取，便于提取过程的进行，提高了提取质量，增加提取过程中的实用性，实现对图像形状特征提取结果的存储，同时便于人们的查看。
图像形状特征提取系统特征提取模块形状特征提取图像剔除图像数据采集模块图像预处理模块特征提取过程特征提取结果图像数据信息图像特征提取预处理存储模块图像数据形状特征异常图像存储传输

[发明专利]图像特征的提取方法、装置、设备及存储介质-CN202010158252.2在审
发明人：高玮;张超;胡浩;杨超龙 -专利权人：广东博智林机器人有限公司
申请日： 2020-03-09 - 公布日： 2020-07-07 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例公开了一种图像特征的提取方法、装置、设备及存储介质。该方法包括：获取待提取图像；将所述待提取图像输入到预先训练完成的目标特征提取模型中，得到输出的目标特征图像；其中，所述目标特征提取模型包括第一特征提取模型和第二特征提取模型，所述第一特征提取模型是基于原始建筑图像和与所述原始建筑图像对应的原始特征图像融合后得到的第一融合图像训练得到的，所述第二特征提取模型是基于所述原始训练图像和所述第一特征提取模型的输出图像融合后得到的第二融合图像训练得到的。本发明实施例通过将图像融合后的图像作为训练图像，对目标特征提取模型进行训练，解决了图像特征提取中人工成本的问题，提高了图像特征提取的精度。
图像特征提取方法装置设备存储介质

[发明专利]一种特征增强的方法、目标分割方法、装置和存储介质-CN202110802881.9在审
发明人：廖炳焱;黄世亮;王亚运 -专利权人：浙江大华技术股份有限公司
申请日： 2021-07-15 - 公布日： 2021-11-19 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种特征增强的方法、目标分割方法、装置和存储介质，该方法包括：基于特征提取网络，对待处理图像进行特征提取，得到第一提取特征；对待处理图像进行下采样，并基于特征提取网络，对下采样后的待处理图像进行特征提取，得到第二提取特征；确定第一提取特征与第二提取特征的差异特征；基于差异特征与待处理图像的基础特征，对待处理图像对应的待处理特征进行处理，得到待处理图像的目标特征；其中，待处理特征是基于第一提取特征确定的；基础特征是基于特征提取网络中的子网络，对待处理图像和下采样后的待处理图像中的至少一个图像进行特征提取得到的。通过上述方式，本申请能够提升对图像进行特征提取的准确性。
一种特征增强方法目标分割装置存储介质

[发明专利]一种基于多重残差网络和正则化迁移学习的图像着色方法-CN201910999330.9有效
发明人：徐洪珍;章权;周梁琦;付亮 -专利权人：东华理工大学
申请日： 2019-10-21 - 公布日： 2023-04-28 - 主分类号： G06T11/40 文献下载
摘要：本发明公开一种基于多重残差网络和正则化迁移学习的图像着色方法，包括：制作灰度图像数据集；利用基于多重残差网络构造的图像特征提取模块提取图像特征；基于正则化迁移学习框架训练图像语义特征提取模块，并利用图像语义特征提取模块提取图像语义特征；将图像特征和图像语义特征输入到图像融合模块进行融合，获得灰度图像的融合特征；将灰度图像的融合特征输入到基于多重残差网络构造的图像着色模块进行着色，获得新的彩色图像。本发明基于多重残差网络构造图像特征提取模块和图像着色模块，提高网络的性能；基于正则化迁移学习框架训练图像语义特征提取模块，并提取图像语义特征，提高语义特征提取的准确率和图像着色的精确度。
一种基于多重网络正则迁移学习图像着色方法

[发明专利]一种基于解耦合的局部图像特征提取方法-CN202110898241.2有效
发明人：刘红敏;杨玉竹;樊彬;曾慧;张利欣 -专利权人：北京科技大学
申请日： 2021-08-05 - 公布日： 2022-04-29 - 主分类号： G06V10/44 文献下载
摘要：本发明涉及图像特征提取技术领域，特别是指一种基于解耦合的局部图像特征提取方法，方法包括：获取待提取图像；将图像输入到训练好的局部图像特征提取模型中，局部图像特征提取模型包括特征编码器网络FE和局部图像特征点和描述子提取网络E；基于图像以及特征编码器网络FE和局部图像特征点和描述子提取网络E，得到图像的特征点和描述子，完成对图像的特征提取。本发明是一种分解本质信息和外部环境因素特征的深度解耦合学习的局部图像特征提取与匹配的方法，从而在根本上解决复杂图像变化条件下的图像特征匹配问题。
一种基于耦合局部图像特征提取方法

[发明专利]用于训练图像特征提取模型的方法、图像识别方法及介质-CN202310188319.0在审
发明人：陈伟聪;赵妍;黄凯 -专利权人：北京有竹居网络技术有限公司
申请日： 2023-02-22 - 公布日： 2023-05-26 - 主分类号： G06N3/088 文献下载
摘要：本公开涉及一种用于训练图像特征提取模型的方法、图像识别方法及介质，涉及图像识别技术领域，在该方法中，初始图像特征提取模型基于第一图像编码特征、第一掩码图像块以及第二图像编码特征，获得第一重构图像。初始图像特征提取模型基于第二图像编码特征、第二掩码图像块以及第一图像编码特征，获得第二重构图像。然后基于第一重构图像、第二重构图像、第一图像以及第二图像，构建总损失函数，并基于总损失函数，调整初始图像特征提取模型的参数，获得训练好的图像特征提取模型，从而在图像特征提取模型的训练阶段能够利用多模态的图像对该图像特征提取模型进行训练，使得训练好的图像特征提取模型的特征提取更加准确。
用于训练图像特征提取模型方法识别介质

[发明专利]一种基于关系正则化的特征图像提取装置及提取方法-CN201810579502.2有效
发明人：雷海军;黄忠唯;杨张;雷柏英;毛睿;刘刚;罗秋明 -专利权人：深圳大学
申请日： 2018-06-07 - 公布日： 2023-05-12 - 主分类号： G06V10/771 文献下载
摘要：本发明公开了一种基于关系正则化的特征图像提取装置及提取方法，提取装置包括：图像预处理模块，用于对核磁共振图像以及扩散加权图像进行预处理，从所述核磁共振图像以及扩散加权图像中获取特征图像，特征提取模块，用于从所述特征图像中提取出关键元素特征；选择模型建立模块，用于选取特征选择函数，并引入正则项进行训练，建立特征选择模型；特征提取模块，用于利用特征选择模型从关键元素特征中提取出目标特征。本发明通过对核磁共振图像进行预处理，并引入正则项构建特征选择模型，利用特征选择模型进行特征筛选，以提取出图像中的目标特征，本发明能够更为准确的提取出图像中的目标特征，以便对目标特征进行准确的分析。
一种基于关系正则特征图像提取装置方法

[发明专利]图像特征提取方法、装置、设备及存储介质-CN202211660348.4有效
发明人：刘雄辉 -专利权人：南京芯驰半导体科技有限公司
申请日： 2022-12-23 - 公布日： 2023-03-10 - 主分类号： G06V10/44 文献下载
摘要：本公开提供了一种图像特征提取的方法、装置、设备及存储介质，通过将待处理图像划分为多个子图像，根据目标特征总数和子图像个数，确定各个子图像需要提取的默认特征个数，根据角点检测法，确定当前子图像的候选特征，根据所述当前子图像的候选特征个数和所述当前子图像需要提取的默认特征个数，确定所述当前子图像能够提取的实际特征个数，并在完成所述当前子图像的特征提取操作之后，进行下一子图像的特征提取，直至完成所有子图像的特征提取，不仅能够解决现有技术中提取特征点均匀性差的问题，还具有无需重复遍历图像的优点，能够显著提高特征点的提取效率。
图像特征提取方法装置设备存储介质

[发明专利]图像检测模型的训练、图像检测方法及装置-CN202310130361.7在审
发明人：范峻植;冉承祥;杨烨;夏粉;蒋宁 -专利权人：马上消费金融股份有限公司
申请日： 2023-02-17 - 公布日： 2023-05-30 - 主分类号： G06V20/62 文献下载
摘要：本申请实施例提供了一种图像检测模型的训练、图像检测方法及装置，所述图像检测模型包括第一特征提取网络、第二特征提取网络和检测标签预测网络；第一特征提取网络为n个图像检测任务的共用网络，第二特征提取网络包括n个特征提取子网络，检测标签预测网络包括n个标签预测子网络，特征提取子网络、标签预测子网络和图像检测任务一一对应；其中，通过第一特征提取网络进行图像细节特征提取，并将提取到的图像特征信息分别输入至n个特征提取子网络，以通过每个图像检测任务对应的特征提取子网络和标签预测子网络进行图像区域全局特征提取和标签预测，一并完成n个图像检测任务，这样能够提高模型训练效率和图像检测效率，降低模型维护成本。
图像检测模型训练方法装置

1
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