您的位置: 专家智库 > >

唐有宝

作品数:21 被引量:12H指数:1
供职机构:哈尔滨工业大学更多>>
发文基金:国家自然科学基金中央高校基本科研业务费专项资金教育部“新世纪优秀人才支持计划”更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 16篇专利
  • 3篇期刊文章
  • 2篇学位论文

领域

  • 9篇自动化与计算...

主题

  • 9篇图像
  • 9篇网络
  • 9篇卷积
  • 7篇像素
  • 5篇神经网
  • 5篇神经网络
  • 5篇文本检测
  • 4篇多个数据库
  • 4篇数据库
  • 4篇文本
  • 4篇静态图像
  • 4篇笔画
  • 4篇场景文本
  • 3篇识别技术
  • 3篇视觉显著性
  • 3篇图像处理
  • 3篇自然场景
  • 3篇卷积神经网络
  • 2篇多尺度
  • 2篇循环卷积

机构

  • 21篇哈尔滨工业大...

作者

  • 21篇唐有宝
  • 19篇邬向前
  • 14篇卜巍
  • 3篇卜巍
  • 1篇王宽全
  • 1篇张恩泽

传媒

  • 1篇北京航空航天...
  • 1篇浙江大学学报...
  • 1篇智能计算机与...

年份

  • 1篇2023
  • 1篇2021
  • 2篇2020
  • 2篇2019
  • 3篇2018
  • 2篇2017
  • 5篇2016
  • 1篇2015
  • 2篇2013
  • 2篇2011
21 条 记 录,以下是 1-10
排序方式:
基于深层监督的循环卷积神经网络的视觉显著性检测方法
本发明公开了一种基于深层监督的循环卷积神经网络的显著性检测方法,其包括如下步骤:一、初级深层网络结构的设计;二、循环卷积神经网络的设计;三、深层监督的循环卷积神经网络的设计;四、模型的训练与测试。本发明提出了一种新的网络...
邬向前卜巍唐有宝
文献传递
基于文本显著性的场景文本检测方法
本发明公开了一种基于文本显著性的场景文本检测方法,该方法包括如下步骤:初始文本显著性检测、文本显著性细化和文本显著性区域分类。在初始文本显著性检测阶段,设计了用于文本显著性检测的CNN模型,该模型能从图像中自动学习能够表...
邬向前卜巍唐有宝
文献传递
基于级联卷积网络和对抗学习的显著性目标检测方法
本发明公开了一种基于级联卷积网络和对抗学习的显著性目标检测方法,所述方法包括如下步骤:一、设计全局显著性估计器E;二、设计局部显著性细化器R;三、将全局显著性估计器E和局部显著性细化器R组合成为基于级联卷积神经网络的产生...
邬向前卜巍唐有宝
基于笔画片段和轮廓特征的笔迹识别方法
本发明涉及一种基于笔画片段和轮廓特征的笔迹识别方法,首先需要将书写人书写的笔迹用扫描仪扫描成静态图像,然后利用图像处理技术将笔迹图像进行二值化和边缘提取得到相应的二值图像和轮廓图像,然后利用本发明提出的特征提取方法分别对...
邬向前卜薇唐有宝
文献传递
基于卷积神经网络的区域和像素级融合的显著性检测方法
本发明公开了一种基于卷积神经网络的区域和像素级融合的显著性检测方法,该方法研究的对象是静态图像,其中图像的内容可以是任意的,研究的目标是从图像中找出吸引人眼注意力的目标,并为其赋予不同的显著性值。本发明主要提出了一种自适...
邬向前卜巍唐有宝
文献传递
基于链式多尺度全卷积网络的显著性目标检测方法
本发明公开了一种基于链式多尺度全卷积网络的显著性目标检测方法,所述方法步骤如下:对于一张图片I,先将其调整成不同尺度的一系列图片:{I<Sub>1</Sub>,I<Sub>2</Sub>,···,I<Sub>m</Sub...
邬向前卜巍唐有宝
文献传递
基于能量最小化框架的文档图像倾斜度检测与纠正方法
本发明提出了一种基于能量最小化框架的文档图像倾斜度检测和纠正方法,该方法的研究对象为机打文档图像,文档图像中的内容可以是文字、表格、图片等。本发明首先需要使用扫描仪将文档扫描成电子文档图像,然后估算前景像素状态信息,然后...
邬向前卜巍唐有宝
文献传递
基于深层监督的循环卷积神经网络的视觉显著性检测方法
本发明公开了一种基于深层监督的循环卷积神经网络的显著性检测方法,其包括如下步骤:一、初级深层网络结构的设计;二、循环卷积神经网络的设计;三、深层监督的循环卷积神经网络的设计;四、模型的训练与测试。本发明提出了一种新的网络...
邬向前卜巍唐有宝
文献传递
基于链式多尺度全卷积网络的显著性目标检测方法
本发明公开了一种基于链式多尺度全卷积网络的显著性目标检测方法,所述方法步骤如下:对于一张图片I,先将其调整成不同尺度的一系列图片:{I<Sub>1</Sub>,I<Sub>2</Sub>,···,I<Sub>m</Sub...
邬向前卜巍唐有宝
多层次MSER自然场景文本检测被引量:10
2016年
提出一种新的基于多层次最大稳定极值区域(MSER)的自然场景文本检测方法,其由候选区域的提取和文本检测组成.在候选区域提取过程中,采用多层次MSER区域提取方法:通过对原始图像进行多个颜色空间变换和多尺度放缩得到多个变换后的图像,采用多个阈值对其进行MSER区域检测,并将检测到的区域作为候选区域用于文本检测.检测过程中,对候选区域提取手工设计的底层特征和基于卷积神经网络(CNN)的深层特征,训练一个随机森林回归器对特征进行分类得到字符区域,再将其合并成单词区域,并进行相似的特征提取和分类,从而得到最终的文本检测结果.使用2个标准的数据库(ICDAR2011和ICDAR2013)对提出的方法进行性能评价,F指标在ICDAR2011和ICDAR2013上均为0.79,表明了所提出的自然场景文本检测方法的有效性.
唐有宝卜巍邬向前
共3页<123>
聚类工具0