-
公开(公告)号：CN106057145A
公开(公告)日：2016-10-26
申请号：CN201610409238.9
申请日：2016-06-12
Applicant: 北京印刷学院
Inventor： 解凯
CPC classification number: G09G3/3607 , G09G3/2003
Abstract: 本发明涉及一种基于坐标下降优化的显示设备颜色特性化模型增益‑偏置‑伽玛(GOG：gain‑offset‑gamma)确定方法，包括步骤：解区域的搜索和解的优化计算方法，该方法利用GOG模型目标函数的形状特性，采用次优化坐标下降和黄金分割方法优化求解GOG模型，可以有效避免采用梯度下降方法所具有的陷入局部极小问题，即解与初值选择相关现象，改进了求解方法的稳定性，能够得到全局最优解，从而使GOG模型求解过程的效率得到提高。
-
公开(公告)号：CN109447906B
公开(公告)日：2023-07-11
申请号：CN201811325648.0
申请日：2018-11-08
Applicant: 北京印刷学院
IPC: G06T3/40 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及一种基于生成对抗网络的图片合成方法，对不同域的图片进行特征提取和融合，生成一副新的图片，包括步骤如下：首先，收集和整理图片样本，并对其分组，各组图片具有相同特征；然后，构建并训练对抗网络，初始化网络参数；接着，选择合适的损失函数和优化方法；之后，将样本传入生成对抗网络开始训练；最后，根据训练结果，适当调整网络参数，以期获得更好的结果。本发明对图像内容进行合成并且产生新的图像，同时简化人工操作，提升工作效率。
-
Patent Agency Ranking
公开(公告)号：CN109447906A
公开(公告)日：2019-03-08
申请号：CN201811325648.0
申请日：2018-11-08
Applicant: 北京印刷学院
Abstract: 本发明涉及一种基于生成对抗网络的图片合成方法，对不同域的图片进行特征提取和融合，生成一副新的图片，包括步骤如下：首先，收集和整理图片样本，并对其分组，各组图片具有相同特征；然后，构建并训练对抗网络，初始化网络参数；接着，选择合适的损失函数和优化方法；之后，将样本传入生成对抗网络开始训练；最后，根据训练结果，适当调整网络参数，以期获得更好的结果。本发明对图像内容进行合成并且产生新的图像，同时简化人工操作，提升工作效率。
-
公开(公告)号：CN106097253A
公开(公告)日：2016-11-09
申请号：CN201610717073.1
申请日：2016-08-24
Applicant: 北京印刷学院
CPC classification number: G06T3/4053 , G06T3/0056 , G06T3/602
Abstract: 本发明涉及一种基于块旋转和清晰度的单幅图像超分辨率重建方法。为增加训练样本块的多样性，但又不增加计算复杂度，将样本块进行一定角度的旋转，然后引入块清晰度对训练样本进行分类。对于块清晰度较高的纹理、角以及边缘块，利用分类好的对应样本库进行自相似性重建，而清晰度较低的块，则直接使用插值放大进行重建。在搜索匹配过程中使用快速近似最近邻搜索库搜索，提高了重建效率。最终利用迭代反投影算法和局部约束进行优化。本发明的方法能够大幅度减少计算的复杂度，同时提高了单幅自相似性重建图像的质量和效率，能够获得较好的视觉效果。
-
公开(公告)号：CN113674154A
公开(公告)日：2021-11-19
申请号：CN202110970721.5
申请日：2021-08-23
Applicant: 北京印刷学院
Abstract: 本发明涉及一种基于生成对抗网络的单幅图像超分辨率重建方法及系统，其方法包括：S1：获取高分辨率子图像集IBH；S2：利用双三次插值法对IBH进行下采样，得到低分辨率子图像集IBL；S3：将低分辨率子图像集IBL输入到生成网络，通过网络的正向传播得到重建后的图像集IS；S4：将IBH与IS分别送入判别网络中进行正向传播得到其分类概率；S5：对判别网络的参数反向传播，更新判别网络；S6：对生成网络的参数反向传播，更新生成网络；S7：重复步骤S3～S6，直至当生成网络与判别网络达到相对的平衡状态时，得到重建的超分辨率图像。本发明的生成网络方法采用U‑Net网络结构，使得重建的图片更接近于真实图像，并在判别网络引入残差模块，提升抽取深层特征的能力。
-
公开(公告)号：CN107577752B
公开(公告)日：2019-11-08
申请号：CN201710770141.5
申请日：2017-08-31
Applicant: 北京印刷学院
Abstract: 本发明涉及一种基于关键字的XML检索排序处理系统及方法，由6个模块组成：基本语义节点筛选模块，文档语义分割模块，关键字检索模块，单元结构分析模块，语义加权模块以及结果筛选模块。本发明克服了原本基于SLCA结构关键字查询方法返回结果粒度不合适，易返回粒度过大的不相关结果和单关键字返回结果效果不好的缺点，可以更加准确地返回粒度适中，相对独立，比较符合用户意图的语义片段。对XML结果进行排序使用户可以选择返回固定个数的查询结果，进一步提高了查询的准确率，较好地满足了用户的偏好。
-
公开(公告)号：CN106097253B
公开(公告)日：2019-04-09
申请号：CN201610717073.1
申请日：2016-08-24
Applicant: 北京印刷学院
Abstract: 本发明涉及一种基于块旋转和清晰度的单幅图像超分辨率重建方法。为增加训练样本块的多样性，但又不增加计算复杂度，将样本块进行一定角度的旋转，然后引入块清晰度对训练样本进行分类。对于块清晰度较高的纹理、角以及边缘块，利用分类好的对应样本库进行自相似性重建，而清晰度较低的块，则直接使用插值放大进行重建。在搜索匹配过程中使用快速近似最近邻搜索库搜索，提高了重建效率。最终利用迭代反投影算法和局部约束进行优化。本发明的方法能够大幅度减少计算的复杂度，同时提高了单幅自相似性重建图像的质量和效率，能够获得较好的视觉效果。
-
-
-
-
-
-
Search Results
17
records
(took 0.021 seconds)
