-
公开(公告)号：CN106504190A
公开(公告)日：2017-03-15
申请号：CN201611243656.1
申请日：2016-12-29
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于3D卷积神经网络的立体视频生成方法，能将现有的2D视频源转换成能在3D立体显示设备上播放的立体视频。包括以下步骤：准备足够数量非动画3D电影作为训练数据，将3D视频源分离成左眼图像序列和右眼图像序列，删去片头、片尾及空白帧后，用模糊C均值聚类法对左眼图像序列进行镜头分割，并以镜头为单位组织训练文件，计算所有左眼图像序列的均值并将这些图像减去该均值，以右眼图像序列作为训练的目标。用这些训练数据训练所构造的3D卷积神经网络直到收敛。将需要转换成立体视频的2D视频源进行镜头分割并减去训练图像均值后输入到训练得到的3D卷积神经网络，将得到该2D视频的右眼视频图像序列，最终将两者合并成立体视频。
-
公开(公告)号：CN119417920A
公开(公告)日：2025-02-11
申请号：CN202411427032.X
申请日：2024-10-12
Applicant: 浙江工商大学
IPC: G06T11/00 , G06T9/00 , G06F3/04817 , G06F9/451 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于Transformer的图标风格迁移模型，用ImageNet预训练的VGG编码器分别提取内容图标的内容特征和风格图标的风格特征，并设计了一个风格编码器对风格特征进行编码，生成风格编码的风格值和风格键。然后，构建基于Transformer的解码器根据风格值和风格键对内容特征进行风格化，解码出具有新风格的内容图标，最后用卷积神经网络解码器进一步细化所生成的图标。该方法只需输入任意两张图标作为内容和风格，即可生成一张新的图标图像，大大扩展可用图标的数量，提高软件开发UI界面设计的效率。
-
公开(公告)号：CN113992810A
公开(公告)日：2022-01-28
申请号：CN202111237178.4
申请日：2021-10-21
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于深度学习的敏捷图像加密方法，加密网络和解密网络利用改进的ResNet作为骨干网，去掉了ResNet中的所有池化层，在残差模块的残差连接中引入空洞卷积，并采用了多尺度融合的结构。同时为了提高图像加密方法的安全性，对基于深度学习卷积神经网络的加密图像进一步进行混淆，大大扩充了加密方法的密钥空间，增强了该图像加密方法的雪崩效应，提高了群举搜索攻击和差分攻击的难度。该图像加密方法易于与基于深度学习的人工智能系统集成，从而提高人工智能系统的隐私保护能力。该方法有比较好的时间性能，修改密钥不需要重新训练加密和解密网络，模型结构和参数均可公开，符合柯克霍夫原则，使用方便快捷。
-
Patent Agency Ranking
公开(公告)号：CN108734719A
公开(公告)日：2018-11-02
申请号：CN201710281484.5
申请日：2017-04-14
Applicant: 浙江工商大学
Abstract: 本发明提出了一种基于全卷积神经网络(FCN)的鳞翅目昆虫前背景自动分割方法。通过微调预训练好的卷积神经网络(CNN)模型，构建了一个用于像素级分类预测的全卷积网络。训练网络前，首先对昆虫图像数据集进行了数据增强，以此来满足深度神经网络训练对样本数量的要求。通过对不同卷积层的输出进行融合，探索得到一个可用于鳞翅目昆虫图像前背景分割的网络模型。由CNN初始的分割结果进一步用条件随机场(CRF)来细化边缘细节，并通过提取并填充前景的最大轮廓，以移除网络模型输出结果中存在的噪点干扰和前景中的空洞。该方法使昆虫图像预处理任务完全自动化，可以显著提高鳞翅目昆虫种类自动识别的效率。
-
公开(公告)号：CN106157307A
公开(公告)日：2016-11-23
申请号：CN201610510552.6
申请日：2016-06-27
Applicant: 浙江工商大学
IPC: G06T7/00
CPC classification number: G03B13/30 , G02B27/0075 , G03B3/02 , G06K9/00228 , G06K9/62 , G06N3/08 , G06T7/00 , G06T7/579 , H04N13/271
Abstract: 本发明公开了一种基于多尺度CNN和连续CRF的单目图像深度估计方法，其利用CRF模型根据DCNN的输出深度图计算单点势能，根据输入RGB图像计算成对稀疏势能，最后用MAP(最大化后验概率)算法推导出优化的深度图。本发明结合了多尺度CNN和连续CRF优化思想，不仅能够以较高的精确度估计出深度图，又能使得到的深度图轮廓清晰；本发明所估计的深度有比较高的分辨率，而且所得到的深度图能保留场景中所有对象的深度细节信息，具有更好的视觉效果。
-
公开(公告)号：CN114338944A
公开(公告)日：2022-04-12
申请号：CN202210003353.1
申请日：2022-01-04
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于深度学习的密文域图像分类方法，所设计的深度学习神经网络模型ECNet不仅可以对明文图像进行加密，而且可以对加密图像在密文域直接进行分类，其中ECNet加密解密网络使用的是基于ResNet改进而成的多尺度特征融合网络，在残差模块中引入了空洞卷积，使输出有较大的感受野，同时基于不同层次图像特征实施图像加解密。加密解密密钥平面基于混沌算法生成，修改密钥不需要重新训练网络，有较高的安全性和灵活性。ECNet能够在不解密出明文图像的情况下直接将解密特征映射为分类特征进行分类，并能用密钥控制分类网络的访问权限，能够很好地保护图像内容的隐私安全，且分类精度与明文图像的分类精度相当。
-
公开(公告)号：CN113099066A
公开(公告)日：2021-07-09
申请号：CN201911333509.7
申请日：2019-12-23
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于多尺度融合空洞卷积残差网络的大容量图像隐写方法，利用改进的ResNet作为骨干网，去掉了ResNet中的所有池化层，在残差模块的残差连接中引入空洞卷积，并采用了多尺度融合的结构。同时为了提高隐写的安全性，隐写网络采用了隐写分析网络进行对抗训练。训练隐写网络和显现网络时均采用了基于卡方距离的损失函数设计，从而能够以良好的透明性在图像中隐写图像，并以较高的保真度从含密图像中提取出秘密图像，同时又有较高的安全性，不易被隐写分析工具检测到。
-
公开(公告)号：CN106157307B
公开(公告)日：2018-09-11
申请号：CN201610510552.6
申请日：2016-06-27
Applicant: 浙江工商大学
IPC: G06T7/50
Abstract: 本发明公开了一种基于多尺度CNN和连续CRF的单目图像深度估计方法，其利用CRF模型根据DCNN的输出深度图计算单点势能，根据输入RGB图像计算成对稀疏势能，最后用MAP(最大化后验概率)算法推导出优化的深度图。本发明结合了多尺度CNN和连续CRF优化思想，不仅能够以较高的精确度估计出深度图，又能使得到的深度图轮廓清晰；本发明所估计的深度有比较高的分辨率，而且所得到的深度图能保留场景中所有对象的深度细节信息，具有更好的视觉效果。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.036 seconds)
