-
Patent Agency Ranking
公开(公告)号：CN112069769B
公开(公告)日：2022-07-26
申请号：CN201910440039.8
申请日：2019-05-24
Applicant: 北京大学
IPC: G06F40/109
Abstract: 本发明提出一种针对特效字的智能字效迁移方法及系统，该方法包括以下步骤：利用训练数据集，训练遮罩提取子网络进行装饰元素遮罩的提取，训练基础特效迁移子网络进行基础文字特效迁移；将带有装饰元素的特效字Dy和其配对字形图片Cy输入到训练好的遮罩提取子网络中，得到装饰元素遮罩My；将Dy及其配对字形图片Cy、目标字形图片Cx输入到训练好的基础特效迁移子网络中，得到基础特效迁移和装饰元素消除的结果Sx；利用My，Cy和Cx进行元素重组，将装饰元素融合在Sx上，得到目标字形对应的迁移后的带有装饰元素的特效字Dx。本方法能够在迁移文字特效的同时迁移其装饰元素，且不会导致装饰元素的丢失和扭曲。
-
公开(公告)号：CN114363624A
公开(公告)日：2022-04-15
申请号：CN202011090817.4
申请日：2020-10-13
Applicant: 北京大学
Abstract: 本发明公开了一种基于敏感度的码率分配特征压缩方法，其步骤包括：1)将图像的神经网络中间层特征输入深层神经网络进行计算，得到无损网络输出；2)对于所述神经网络中间层特征的每一单通道i，进行如下处理：为单通道i对应的特征施加编码噪声，得到该单通道i的加噪特征；然后将单通道i的加噪特征输入深层神经网络进行计算，得到单通道i的加噪输出；然后计算单通道i的加噪输出与所述无损网络输出的差值，作为单通道i的编码噪声敏感度；3)根据各单通道的编码噪声敏感度进行码率分配，为每个单通道分配压缩质量参数；4)根据各单通道分配所得的压缩质量参数，对量化后的所述神经网络中间层特征进行压缩，得到中间层特征压缩码流。
-
公开(公告)号：CN112734676A
公开(公告)日：2021-04-30
申请号：CN202110076676.9
申请日：2021-01-20
Applicant: 北京大学
Abstract: 本发明公开了一种空间尺度泛化的去雨方法，其步骤包括：1)获取或构建合成训练数据集；2)每一样本分别进行放大和缩小，得到不同大小的图像并输入到残差网络中，提取相应图像的深度网络特征；3)计算相同内容、不同大小的雨天图像经过残差网络后输出的特征统一大小后按位相减得到特征差异，构建空间尺度泛化约束；4)将特征映射为去雨图像，构建图像级别的重构约束；5)将无雨图像及其缩放后的图像特征映射为输出图像并计算其与对应输入图像的差异，构建细节补偿约束；6)基于空间尺度泛化约束、重构约束和细节补偿约束，训练残差网络；7)将待处理的雨天图像输入到残差网络，提取特征并将其映射为输出图像。
-
公开(公告)号：CN112651898A
公开(公告)日：2021-04-13
申请号：CN202110034912.0
申请日：2021-01-12
Applicant: 北京大学
Abstract: 本发明公开了一种基于记忆增强的视频去雨方法与装置，其步骤包括：1)将卷积长短期记忆网络的内部状态作为全局长期记忆；对于待去雨处理的目标视频，将该目标视频的前n帧分别输入记忆增强去雨网络，获得各帧对应的去雨结果；2)对于该目标视频的第n帧之后的每一帧，执行步骤a)～c)，获得该目标视频对应的去雨视频：a)将当前待去雨帧的前多帧的去雨结果、全局长期记忆、当前待去雨帧输入记忆增强去雨网络进行去雨，得到当前帧的去雨结果；b)计算当前待去雨帧与其去雨结果之间的差值，作为当前待去雨帧的雨痕图；c)将雨痕图输入卷积长短期记忆网络，更新该卷积长短期记忆网络的内部状态作为新的全局长期记忆。
-
公开(公告)号：CN112598596A
公开(公告)日：2021-04-02
申请号：CN202011559932.1
申请日：2020-12-25
Applicant: 北京大学
Abstract: 本发明公开了一种基于动态网络路由的图像去雨方法及电子装置，包括根据样本雨图的相应雨量大小，划分为n个分辨率尺度；依据样本雨图与相应样本无雨图对一神经网络进行训练，使各样本雨图拟合相应的分辨率尺度，得到去雨模型；将待处理图片输入去雨模型，得到去雨图片。本发明可以为不同的输入雨图构建不同的前向传播路径，这对于提升去雨模型对不同雨分布的输入图像的鲁棒性有明显优势。
-
-
-
-
Search Results
15
records
(took 0.017 seconds)
