基于双重身份属性约束的人脸超分辨率方法及系统

    公开(公告)号:CN112950478B

    公开(公告)日:2022-07-19

    申请号:CN202110291613.5

    申请日:2021-03-18

    Abstract: 本发明公开了一种基于双重身份属性约束的人脸超分辨率方法及系统,该方法包括:S1、获取对应的低分辨率人脸图像LR和高分辨率人脸图像HR;S2、将LR输入第一生成器得到高分辨率空间的人脸图像SR,将SR输入第二生成器得到低分辨率空间的人脸图像LR′;S3、将HR输入第二生成器得到低分辨率空间的人脸图像LR″,将LR″输入第一生成器得到高分辨率空间的人脸图像SR′;S4、LR和LR′进行前向闭环约束,HR和SR′进行反向闭环约束;S5、SR和SR′进行前向身份约束,LR″和LR′进行反向身份约束。本发明提出了具有双重身份属性的双闭环网络能够超分辨低分辨率面部图像到相应的高分辨率部分同时保留身份信息,能够有效提升人脸图像的超分辨率重建性能。

    一种用于消毒通风的工业大风扇
    152.
    发明公开

    公开(公告)号:CN114751264A

    公开(公告)日:2022-07-15

    申请号:CN202210437412.6

    申请日:2022-04-25

    Abstract: 本发明公开了一种用于消毒通风的工业大风扇,包括主体、电源线,电源线上设置有收纳筒,收纳筒包括固定装置、收纳辊、固定杆,电源线从固定装置的位置穿过收纳筒且电源线缠绕连接至固定杆上;固定杆贯穿收纳辊且收纳辊固接于收纳筒内部,固定杆的两端与收纳筒的内腔转动连接,收纳辊内的固定杆上设置有扭簧,扭簧的一端与固定杆固接,扭簧的另一端与收纳辊的内腔固接;使得电源线被拉出收纳筒时,扭簧对电源线的回复拉力能够被固定装置抵消。本发明在电源线上设置收纳结构,在条件允许范围内可自由调节电源线的长度,便于收纳、伸缩。

    基于组合学习的人脸超分辨率方法及装置

    公开(公告)号:CN110580680B

    公开(公告)日:2022-07-05

    申请号:CN201910849721.2

    申请日:2019-09-09

    Abstract: 本发明公开了一种基于组合学习的人脸超分辨率方法及装置,属于人脸图像超分辨率领域,该方法包括:对下采样得到的低分辨率人脸图像进行组件分割;将低分辨率人脸图像和分割后的人脸组件图像块进行分块操作,分出相互重叠的图像块;将图像块输入各组件生成对抗网络产生高分辨率组件图像块,由上采样后的低分辨率人脸背景图像生成高分辨率人脸背景图像;通过融合网络提取高分辨率图像块特征及人脸背景图像组件特征;将两种特征进行融合后,重建得到目标人脸组件图像块;通过人脸组件在人脸图像中的坐标点,将目标人脸组件图像块对应合并至高分辨率人脸背景图像中,形成高分辨率人脸图像。本发明可以提高网络的重建性能,产生更高质量的人脸图像。

    基于多任务学习的低光照行人检测方法及系统

    公开(公告)号:CN111814595B

    公开(公告)日:2022-05-10

    申请号:CN202010568470.3

    申请日:2020-06-19

    Abstract: 本发明公开了一种基于多任务学习的低光照行人检测方法及系统,包括获取正常、低光照行人数据集;构建光照增强网络,并利用正常、低光照行人数据集进行预训练;构建行人检测网络,利用正常光照行人数据集进行预训练;基于多任务学习,设计一个能够融合不同任务之间特征的多任务学习模块,对两个网络进行特征共享,构建多任务特征共享的低光照行人检测网络;将两个预训练模型导入到该低光照行人检测网络,并利用正常、低光照行人数据集进行训练,得到多任务特征共享的低光照行人检测模型;利用多任务特征共享的低光照行人检测模型对被检测图像进行检测,得到图像中行人的位置。本发明能够准确、高效的在低光照的图像中检测出行人的位置。

    一种目标检测方法
    158.
    发明公开

    公开(公告)号:CN113657225A

    公开(公告)日:2021-11-16

    申请号:CN202110898055.9

    申请日:2021-08-05

    Abstract: 本发明提供一种目标检测方法,包括步骤:提取图像特征生成特征图;将特征图上采样,获得放大特征图;将放大特征图连接到类别预测头、宽高预测头和中心点偏移量预测头;在类别预测头中加入类别注意力网络,挖掘类内和类间的相距较远但语义相关的目标之间的有效信息;通过对真实目标框编码产生监督信息监督各预测头的训练;由各预测头输出的结果在待检测图像中框选识别对象并标记分类结果。本发明结合对目标类别作进一步判断的类别注意力和对边框回归的尺度自适应编码,使得网络在能关联类内和类间的特征,挖掘类内和类间的相距较远但语义相关的目标之间的有效信息的同时,还能根据检测目标的尺度变换进行更精准的框选,提升检测的准度和框选精度。

    多尺度纹理转移残差网络的遥感卫星超分辨率方法及装置

    公开(公告)号:CN112734642A

    公开(公告)日:2021-04-30

    申请号:CN202110035136.6

    申请日:2021-01-12

    Abstract: 本发明公开了一种多尺度纹理转移残差网络的遥感卫星超分辨率方法及装置,属于遥感卫星图像超分辨率领域,该方法包括:将下采样后的目标低分辨率图像通过深度残差网络进行特征提取,对提取出的特征图进行两次上采样操作,使其与原高分辨率卫星图像大小一致;由多尺度残差模块内使用不同卷积的残差块提取特征图特征信息,使用交叉的方式实现特征信息共享,残差模块外使用跳跃连接的方式实现多尺度特征信息融合;通过特征融合来更新目标低分辨率卫星图像的特征图以生成最终的高分辨率卫星图像;利用判别器对生成的高分辨率图像与原始的高分辨率图像进行对比。本发明所提出的网络优于其他最新的遥感卫星图像超分辨率算法,能生成更高质量的卫星图像。

    基于感知判别增强生成对抗网络的图像去雾方法及装置

    公开(公告)号:CN112150379A

    公开(公告)日:2020-12-29

    申请号:CN202010999372.5

    申请日:2020-09-22

    Abstract: 本发明公开了一种基于感知判别增强生成对抗网络的图像去雾方法及装置,该方法包括:样本采集,使用高清相机获得清晰无雾的图像,然后通过光学模型和深度先验信息合成有雾图像,从而获取有雾和无雾图像对;构建生成网络,将采集到的数据样本分为训练集和测试集,将训练集中的有雾图像输入到生成网络中,生成去雾图像;构建感知判别增强对抗网络,将生成的去雾图像和原始的无雾图像发送到对抗网络中,判别生成的去雾图像的真假;迭代给定的次轮后,得到最优的模型;将测试图像输入到最优的模型中,进行去雾处理。本发明所提出的方法优于其他最新的图像去雾算法,能生成更高质量的无雾图像。

Patent Agency Ranking