-
公开(公告)号：CN113205451A
公开(公告)日：2021-08-03
申请号：CN202110340411.5
申请日：2021-03-30
Applicant: 北京达佳互联信息技术有限公司 , 清华大学
Abstract: 本公开关于一种图像处理方法、装置、电子设备及存储介质。该方法包括：获取待处理图像和级联抠图模型，分别根据第一分辨率和大于第一分辨率的第二分辨率对待处理图像进行采样处理，得到第一级联图像和第二级联图像；将第一级联图像输入第一级联网络进行像素属性特征提取处理，得到第一特征图像；根据第二分辨率对第一特征图像进行上采样处理，得到目标上采样特征图像；将目标上采样特征图像和第二级联图像输入第二级联网络进行图像前景提取处理，得到第一目标掩码图像以用于从待处理图像中提取目标前景图像。根据本公开提供的技术方案，可以从低分辨率至高分辨进行抠图，提高抠图精度。
-
公开(公告)号：CN113139566A
公开(公告)日：2021-07-20
申请号：CN202010067758.2
申请日：2020-01-20
Applicant: 北京达佳互联信息技术有限公司
IPC: G06K9/62
Abstract: 本公开关于一种图像生成模型的训练方法及装置、图像处理方法及装置、电子设备和存储介质。其中，该训练方法包括：获取包含目标对象的多个历史目标图像；对多个历史目标图像中的目标对象进行目标特征引导信息的识别，以得到多个包含目标对象的目标特征引导信息的样本图像，该目标特征引导信息用于引导生成具有目标特征的目标对象；将样本图像输入待训练的图像生成模型，得到训练输出图像，该训练输出图像包含目标对象；根据同一样本图像对应的训练输出图像和历史目标图像计算损失值，并利用损失值调整模型参数，直至满足预设收敛条件，得到图像生成模型。本公开实施例可以为后续准确地控制生成目标对象的特征提供条件。
-
公开(公告)号：CN110288965B
公开(公告)日：2021-06-18
申请号：CN201910426223.7
申请日：2019-05-21
Applicant: 北京达佳互联信息技术有限公司
IPC: G10H1/00
Abstract: 本公开提供了一种音乐合成方法、装置和电子设备及存储介质，所述方法包括：获取当前隐变量；将当前隐变量输入至循环神经网络模型包括的各个循环神经网络单元中，以得到各个循环神经网络单元输出的音乐特征；通过对抗神经网络模型中训练完成的生成器，将各个循环神经网络单元输出的音乐特征分别转换为对应的音乐序列；其中，循环神经网络单元以及生成器为在对抗神经网络模型中的判别器为训练完成的情况下得到的；将音乐序列进行序列拼接得到当前隐变量对应的合成音乐序列。各个音乐序列依赖于当前隐变量以及各个循环单元之前的至少一个循环单元输出的音乐特征，使得各个音乐序列依赖的序列长度较短，实现了人工智能合成较长音乐。
-
公开(公告)号：CN112184876B
公开(公告)日：2021-04-27
申请号：CN202011045828.0
申请日：2020-09-28
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开关于图像处理方法、装置、电子设备和存储介质，所述方法包括：确定初始图像中待生成头发的掩膜区域；获取初始图像的亮度通道信息；将初始图像和掩膜区域输入目标模型的第一神经网络，将亮度通道信息输入目标模型的第二神经网络；通过第一神经网络输出在初始图像中的掩膜区域生成头发的图像。根据本公开，对亮度通道信息进行编码得到的隐变量所包含的语义特征，可以单独表征亮度信息，进而将隐变量输入到第一神经网络的残差模块中，就可以使得第一神经网络的输出包含与环境光相符的光照信息，从而在生成的头发上准确地添加能够体现环境光中的光照信息，使得输出的图像中，头发的光照情况与环境光中的光照情况相符，确保良好的显示效果。
-
公开(公告)号：CN109784327B
公开(公告)日：2021-04-16
申请号：CN201811475816.4
申请日：2018-12-04
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本申请是关于一种边界框确定方法、装置、电子设备及存储介质，涉及图像处理技术领域，所述边界框确定方法，包括：将待检测图像输入第一卷积神经子网络，获取所述待检测图像中目标物体的第一特征；所述第一特征包括：所述待检测图像中所述目标物体的边界图像特征；将所述第一特征，分别输入n个第二神经子网络，得到所述目标物体的n个第一边界框；所述n为大于等于2的整数；所述各个第一边界框包括第一位置参数值；基于所述n个第一边界框的各个第一位置参数值，确定所述待检测图像中目标物体的目标边界框。能够提升确定目标物体的边界框的鲁棒性，有效避免过拟合，能够提升目标物体的边界框的准确性。
-
Patent Agency Ranking
公开(公告)号：CN110378227B
公开(公告)日：2021-04-13
申请号：CN201910520668.1
申请日：2019-06-17
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开关于修正样本标注数据的方法、装置、设备及存储介质，该方法包括：获取带标注数据的图像样本，所述标注数据包括圆形目标的初始边缘位置及初始中心位置；根据所述初始边缘位置进行圆形拟合得到初始半径，将所述初始半径浮动得到多个搜索半径，将所述初始中心位置浮动得到多个搜索中心点；对所述圆形目标进行边缘检测，得到所述圆形目标的边缘像素点；计算每个搜索中心点与每个边缘像素点的距离值，确定距离值相同的次数中的最大次数；比较各搜索中心点对应的最大次数中的最大值，根据最大值对应的搜索中心点和距离值，得到修正中心位置和修正边缘位置。本公开采用非人工审核校对方式修正样本标注数据，提高了标注数据的修正效率和准确率。
-
公开(公告)号：CN112581358A
公开(公告)日：2021-03-30
申请号：CN202011497173.0
申请日：2020-12-17
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开提供了一种图像处理模型的训练方法、装置、电子设备及存储介质，属于多媒体技术领域。方法包括：将第一样本人脸图像对应的第一头发图像输入图像处理模型中的头发线条迁移网络，得到第二头发图像；获取第一样本风格图像对应的第三头发图像；将该第一样本人脸图像、该第二头发图像以及该第三头发图像输入该图像处理模型中待训练的风格图像生成网络，以该第三头发图像为监督信息，对该待训练的风格图像生成网络进行迭代训练，得到训练完毕的图像处理模型。上述方案，通过在风格图像生成网络的训练过程中加入包括增强后的头发边缘信息的头发图像，使得图像处理模型所输出的风格图像中包括更多表示发丝的线条，提高了该风格图像的精确度。
-
公开(公告)号：CN112508959A
公开(公告)日：2021-03-16
申请号：CN202011480916.3
申请日：2020-12-15
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
IPC: G06T7/10
Abstract: 本公开关于一种视频目标分割方法、装置、电子设备及存储介质，涉及计算机视觉领域。方法包括：确定第一目标帧的第一目标特征、第一参考帧的第一参考特征和第一参考帧的参考分割图；基于第一目标帧的第一非局部注意力对第一目标特征进行加权，得到第二目标特征；基于第一参考帧的第二非局部注意力对第一参考特征进行加权，得到第二参考特征；基于第二目标特征和第二参考特征确定第一偏移信息；基于第一偏移信息对第二参考特征进行偏移处理，得到偏移后的第二参考特征，确定偏移后的第二参考特征与第二目标特征的第一局部注意力；将参考分割图和第一局部注意力输入目标分割模型，得到第一目标帧的第一目标分割图；该方案提高了视频目标分割的精度。
-
公开(公告)号：CN109446994B
公开(公告)日：2020-10-30
申请号：CN201811280155.X
申请日：2018-10-30
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本申请是关于一种手势关键点检测方法、装置、电子设备及存储介质，其中，该方法包括：获取手势图像及手势图像的手势类别，在预先训练得到的多个关键点检测网络中，确定与手势类别对应的关键点检测网络，将手势图像输入与手势类别对应的关键点检测网络中，得到与手势类别对应的手势关键点以及手势关键点在手势图像中的位置。由于在本申请实施例中，该多个关键点检测网络中的每个关键点检测网络对应一种手势类别，与该手势类别对应的关键点检测网络的参数是针对该手势类别的参数，因此，采用与该手势类别对应的关键点检测网络，检测该手势类别的手势图像中的关键时，可以提高手势关键点检测的准确度。
-
公开(公告)号：CN110992395A
公开(公告)日：2020-04-10
申请号：CN201911060893.8
申请日：2019-11-01
Applicant: 北京达佳互联信息技术有限公司
IPC: G06T7/215
Abstract: 本公开关于图像训练样本的生成方法及装置、运动跟踪方法及装置，属于图像处理技术领域，图像训练样本的生成方法包括：获取原始图像和原始图像中跟踪对象的区域，对原始图像进行运动模糊处理，得到运动模糊图像，确定原始图像中每个像素点到该区域的最短距离，按照像素点到该区域的最短距离和像素点的模糊程度负相关的规则，对原始图像和运动模糊图像中的像素点进行合成处理，得到图像训练样本。这样，可使图像训练样本中跟踪对象所在区域的模糊程度最高、离跟踪对象越远的区域模糊程度越低，比较接近真实场景下采集的图像中跟踪对象的运动特征，因此，以这样的图像样训练本训练得到的运动跟踪模型对跟踪对象的检出率较高，不易丢失跟踪对象。
-
-
-
-
-
-
-
-
-
Search Results
201
records
(took 0.087 seconds)
