检索结果-内蒙古大学图书馆

中国光学 2015年第5期8卷 768-774页

作者：柯洪昌孙宏彬长春工程学院计算机技术与工程学院吉林长春130012

针对传统视觉显著性模型在自顶向下的任务指导和动态信息处理方面的不足,设计并实现了融入运动特征的视觉显著性模型。利用该模型提取了图像的静态特征和动态特征,静态特征的提取在图像的亮度、颜色和方向通道进行,运动特征的提取采用... 详细信息

针对传统视觉显著性模型在自顶向下的任务指导和动态信息处理方面的不足,设计并实现了融入运动特征的视觉显著性模型。利用该模型提取了图像的静态特征和动态特征,静态特征的提取在图像的亮度、颜色和方向通道进行,运动特征的提取采用基于多尺度差分的特征提取方法实现,然后各通道分别通过滤波、差分得到显著图,在生成全局显著图时,提出多通道参数估计方法,计算图像感兴趣区域与眼动感兴趣区域的相似度,从而可在图像上准确定位目标位置。针对20组视频图像序列(每组50帧)进行了实验,结果表明:本文算法提取注意焦点即目标区域的平均相似度为0.87,使用本文算法能够根据不同任务情境,选择各特征通道的权重参数,从而可有效提高目标搜索的效率。

关键词：视觉显著性自顶向下目标区域检测显著图

来源：评论

学校读者我要写书评

暂无评论

基于似物性分析的目标区域检测

基于似物性分析的目标区域检测

引用

作者：王刚中国科学院大学

学位级别：博士

计算机视觉中的“目标(Objects)”泛指图像中含有主要语义和视觉信息的若干区域，“似物性(Objectness)”是一种近年来提出地描述通用目标视觉共性的方法。基于似物性分析的目标区域检测(Object proposal)旨在快速、准确地给出图像中可... 详细信息

计算机视觉中的“目标(Objects)”泛指图像中含有主要语义和视觉信息的若干区域，“似物性(Objectness)”是一种近年来提出地描述通用目标视觉共性的方法。基于似物性分析的目标区域检测(Object proposal)旨在快速、准确地给出图像中可能含有目标的若干区域，从而避免在图像中进行全尺度、全空间的穷尽搜索。该类方法不仅能够为图像检索和语义识别提供更好的视觉基元，而且也是许多基于深度学习的计算机视觉任务的重要环节，例如目标识别、图像描述。然而，自然图像中目标区域存在很大的外观、姿态差异，且数量、尺度、位置未知，如何在图像中快速而准确地进行目标区域检测是当前一个重要的研究问题。\n 现有的目标区域检测方法可以分为基于滑动窗口打分的方法和基于超像素聚合的方法。基于滑动窗口打分的方法能够高效地输出目标大致的矩形区域，但是无法得到准确的目标轮廓。基于超像素聚合的方法能够自适应的得到具有较好边缘的区域，但是该类方法往往依赖复杂的分割算法，且输出的结果中包含许多非目标的背景区域。此外，大多数结构化的目标存在部件组成上的共性规则，是一种十分有效的似物性度量信息，而该部分信息往往未被有效利用。\n 为了解决上述问题，本文从边界准确性、前景显著性和结构一致性三个方面对基于似物性分析的目标区域检测进行深入的研究，旨在提出定位准确、显著性高、灵活性强的目标区域检测方法。本文主要贡献如下:\n 提出一种基于语义边界保持的目标区域检测方法。针对传统的基于超像素聚合的目标区域检测方法输出的区域数目过多，且存在过/欠分割的问题，本文在超像素分割SLIC方法像素与种子点距离度量中，考虑连线上语义边界的影响，使超像素分割区域更好地贴合实际目标区域的边界。此外，本文引入区域边界闭合率的概念，自动地在超像素聚合过程中选取少而有代表性的视觉一致区域。实验结果表明该方法在Berkeley图像分割数据集上比SLIC方法具有更好的边界准确性，并且检测得到的区域在多种图像变化下具有良好的鲁棒性。\n 提出一种基于自适应背景预测的显著目标区域检测方法。与前景区域相比，图像的背景区域往往比较简单，该方法从背景区域建模出发，进行高质量的显著目标区域检测。首先采用一种快速的似物性估计方法对图像的背景信息进行预测，然后在此基础上使用背景颜色对比度、背景连接度以及空间分布三个背景先验来度量图像显著性。该方法有效地避免以往基于背景先验的显著目标区域检测方法因目标出现在图像边缘而导致检测失败的问题，并得到均匀一致高亮的显著目标区域。实验结果表明该方法在MSRA10K和ECSSD两个标准数据集上超过其它11种显著性检测方法，且计算效率高。\n 提出一种基于部件关联学习的目标区域检测方法。基于全局信息的目标区域检测方法容易受到背景、遮挡的干扰，而基于部件的目标区域检测方法具有更好的灵活性。现有的方法已经能够对部件进行较为准确的识别，但是部件之间的关联关系建模仍然没有得到很好的解决。人体是一种典型的结构化目标，因此本文以人体为例，探讨如何利用部件之间的关联关系进行高效的目标区域检测。首先，提出利用部件连接来建模部件之间的关联关系，从检测结果图中可以直接推导出候选部件的归属。然后，根据部件连接可靠性的不同，推导得出基于最小生成树的人体部件解析算法，极大地减少运行时间。实验分别在2个单人数据集和3个多人数据集上进行了对比实验，结果表明本文提出的方法在提高目标区域检测准确性的同时，还能减少运行时间的花费。\n 总之，本文提出的基于似物性分析的目标区域检测方法是在深入分析现有方法不足的基础上展开的，从不同的角度对该任务进行有益的探索，为高层的图像理解和分析提供了良好的基础，具有广泛的应用前景。

关键词：目标区域检测超像素分割显著性分析人体区域检测似物性

来源：评论

学校读者我要写书评

暂无评论

目标区域检测方法、装置、设备及存储介质

目标区域检测方法、装置、设备及存储介质

引用

作者：王勇张洋程卓黄田野王典洪 430000 湖北省武汉市洪山区鲁磨路388号

本发明涉及计算机视觉领域，提供一种目标区域检测方法，包括以下步骤：获取待处理图像，通过超像素分割将所述待处理图像分割为u个超像素；基于无向图模型建立u个所述超像素中所有相邻超像素的关联；对u个所述超像素进行迭代合并处理... 详细信息

标准号: CN112418218B

本发明涉及计算机视觉领域，提供一种目标区域检测方法，包括以下步骤：获取待处理图像，通过超像素分割将所述待处理图像分割为u个超像素；基于无向图模型建立u个所述超像素中所有相邻超像素的关联；对u个所述超像素进行迭代合并处理，获得k个超像素块；大大降低了目标区域检测的计算成本；提取k个所述超像素块中每个超像素块的特征信息，通过计算获得每个超像素块的显著值；通过中心约束和边界约束对每个所述超像素块的显著值进行加权计算，获得目标区域。超像素迭代合并与中心约束、边界约束相结合有效提高了目标区域检测的效果；更好兼顾了目标区域检测的准确性与时效性。

关键词：像素块目标区域检测像素待处理图像边界约束计算机视觉领域合并处理加权计算模型建立目标区域特征信息像素迭代像素分割时效性无向图迭代关联合并分割

来源：评论

学校读者我要写书评

暂无评论

目标区域检测方法、装置、设备及存储介质

目标区域检测方法、装置、设备及存储介质

引用

作者：王勇张洋程卓黄田野王典洪 430000 湖北省武汉市洪山区鲁磨路388号

标准号: CN112418218A

来源：评论

学校读者我要写书评

暂无评论

目标区域检测方法、装置、存储介质和处理器

目标区域检测方法、装置、存储介质和处理器

引用

作者：朱亚旋金虹羽薛鸿吴继超宋楠楠 130011 吉林省长春市汽车经济技术开发区新红旗大街1号

本发明公开了一种目标区域检测方法、装置、存储介质和处理器。其中，该方法包括：获取待检测图像；对待检测图像进行特征提取，得到第一特征张量，其中，第一特征张量中包括目标特征区域，目标特征区域为待检测图像中目标区域在第一特... 详细信息

标准号: CN115578595A

本发明公开了一种目标区域检测方法、装置、存储介质和处理器。其中，该方法包括：获取待检测图像；对待检测图像进行特征提取，得到第一特征张量，其中，第一特征张量中包括目标特征区域，目标特征区域为待检测图像中目标区域在第一特征张量中对应的特征区域；基于预设特征增广方式对目标特征区域进行特征增广，得到第二特征张量，其中，第二特征张量中至少包括目标特征区域；基于第二特征张量，确定目标特征区域对应的目标标签，其中，目标标签用于指示目标特征区域在第二特征张量中的位置。本发明解决了图像检测准确性低的技术问题。

关键词：目标特征区域待检测图像目标标签特征区域目标区域检测存储介质检测图像目标区域特征提取图像检测指示目标处理器预设

来源：评论

学校读者我要写书评

暂无评论

目标区域检测方法、装置、设备及存储介质

目标区域检测方法、装置、设备及存储介质

引用

作者：郭双双龚星侯嘉悦 518064 广东省深圳市南山区高新区科技中一路腾讯大厦35层

本申请公开了一种目标区域检测方法、装置、电子设备及存储介质，方法包括：对待检测图像进行特征提取，得到目标特征，对目标特征进行处理得到三维特征图，根据三维特征图中各像素点的通道数得到待检测图像中各像素点为目标区域的概率... 详细信息

标准号: CN113947613B

本申请公开了一种目标区域检测方法、装置、电子设备及存储介质，方法包括：对待检测图像进行特征提取，得到目标特征，对目标特征进行处理得到三维特征图，根据三维特征图中各像素点的通道数得到待检测图像中各像素点为目标区域的概率；根据待检测图像中各像素点为目标区域的概率，确定待检测图像中的候选区域；对候选区域进行连通域分析处理，得到待检测图像的目标区域。通过采用本申请的上述检测方法，可以自动且快速检测出待检测图像中的目标区域。

关键词：待检测图像目标区域像素点候选区域目标特征三维特征目标区域检测连通域分析存储介质电子设备检测图像快速检测特征提取通道数概率申请检测

来源：评论

学校读者我要写书评

暂无评论

目标区域检测方法、装置、终端及存储介质

目标区域检测方法、装置、终端及存储介质

引用

作者：姜媚 518057 广东省深圳市南山区高新区科技中一路腾讯大厦35层

本发明实施例公开了一种目标区域检测方法、装置、终端及存储介质，属于计算机技术领域。该方法包括：确定多个样本区域以及分类结果；获取分类器，分类器包括依次排列的多个分类节点；根据多个样本区域以及多个样本区域的分类结果，对... 详细信息

标准号: CN108776822B

本发明实施例公开了一种目标区域检测方法、装置、终端及存储介质，属于计算机技术领域。该方法包括：确定多个样本区域以及分类结果；获取分类器，分类器包括依次排列的多个分类节点；根据多个样本区域以及多个样本区域的分类结果，对分类器中的第一个分类节点进行训练，第一个分类节点训练完成后继续对下一个分类节点进行训练，直至多个分类节点均训练完成；当确定当前跟踪的图像中不包括目标区域时，应用已训练完成的分类器，对当前跟踪的图像之后的第二图像中的至少一个区域进行分类，根据分类结果确定第二图像中的目标区域，无需对每帧图像均进行检测，减小了不必要的计算量。并且提高了分类器的准确性，进而提高了目标区域的准确性。

关键词：分类节点分类器分类结果目标区域样本区域图像计算机技术领域目标区域检测存储介质依次排列计算量帧图像跟踪减小终端分类检测应用

来源：评论

学校读者我要写书评

暂无评论

目标区域检测方法和装置、图像分割方法和装置

目标区域检测方法和装置、图像分割方法和装置

引用

作者：苏衍昌蒋均王志华黄巧文 541004 广西壮族自治区桂林市高新区信息产业园D-07号

本发明公开了一种目标区域检测方法、图像分割方法和装置，涉及图像处理技术领域。该方法包括：目标段检测处理，通过逐行对待检测图像进行二值化得到二值图，检测出二值图中的目标段的起始位置、结束位置和所在行号作为目标段的位置信... 详细信息

标准号: CN107240101B

本发明公开了一种目标区域检测方法、图像分割方法和装置，涉及图像处理技术领域。该方法包括：目标段检测处理，通过逐行对待检测图像进行二值化得到二值图，检测出二值图中的目标段的起始位置、结束位置和所在行号作为目标段的位置信息；目标区域检测处理，获取目标区域的位置信息；目标分割处理，根据目标区域的位置信息，在待检测图像中分割出所述目标区域；分别对不同的待检测图像并行执行目标段检测处理、目标区域检测处理和目标分割处理。该方法和装置提高了图像分割方法的适用性和实时性。

关键词：目标区域检测待检测图像方法和装置目标分割目标区域图像分割二值图检测图像处理技术并行执行获取目标检测图像二值化实时性逐行分割

来源：评论

学校读者我要写书评

暂无评论

目标区域检测方法和装置、图像分割方法和装置

目标区域检测方法和装置、图像分割方法和装置

引用

作者：苏衍昌蒋均王志华黄巧文 541004 广西壮族自治区桂林市高新区信息产业园D-07号

标准号: CN107240101A

关键词：目标区域检测待检测图像方法和装置目标分割目标区域图像分割二值图检测图像处理技术并行执行获取目标检测图像二值化实时性逐行分割

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络和条件随机场的潜在目标区域检测方法

基于卷积神经网络和条件随机场的潜在目标区域检测方法

引用

作者：罗荣华周高攀 510640 广东省广州市天河区五山路381号

本发明公开了一种基于卷积神经网络和条件随机场的潜在目标区域检测方法，步骤如下：1)对场景图片进行颜色空间和几何空间的转换，去均值处理后将多张图片一起作为神经网络的输入；2)构建一个卷积神经网络和条件随机场相融合的结构化网... 详细信息

标准号: CN108764244A

本发明公开了一种基于卷积神经网络和条件随机场的潜在目标区域检测方法，步骤如下：1)对场景图片进行颜色空间和几何空间的转换，去均值处理后将多张图片一起作为神经网络的输入；2)构建一个卷积神经网络和条件随机场相融合的结构化网络，在卷积网络最后的卷积层上生成三路输出，其中第一路输出为M个候选框的坐标，第二路输出为各候选框的二值标签，第三路输出为各候选框的相似特征，二、三路的输出形成全连接条件随机场的输入节点，通过全局优化得到各候选框的后验概率；3)根据后验概率进行非极大值抑制得到Top K个最终结果。本发明通过多图像输入和条件随机场的优化，可得到定位精度更高鲁棒性更好的目标区域检测结果。

关键词：候选框输出卷积神经网络后验概率机场卷积三路非极大值抑制目标区域检测潜在目标区域结构化网络场景图片高鲁棒性几何空间均值处理连接条件全局优化神经网络输入节点相似特征颜色空间最终结果多图像构建标签融合转换检测优化网络图片

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：