-
公开(公告)号:CN109685072B
公开(公告)日:2021-05-14
申请号:CN201811575838.8
申请日:2018-12-22
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于生成对抗网络的复合降质图像高质量重建方法,针对同时含有雾霾,系统噪声,低照度和压缩失真等多种降质问题的低质量图像,本发明首先从针对复合因素降质图像重建的角度出发,建立了一种基于生成对抗网络的复合降质图像高质量重建方法,可完成针对受雾霾,低照度,压缩,系统噪声,光学模糊等因素组合降质图像的重建;其次,本发明采用非对称的生成网络,大大减少了模型的参数量,使模型易于训练和使用;再者,采用端到端的思想,简化了重建系统的架构,省去了预处理与后处理;最后,生成网络全部由卷积层组成,可输入任意尺寸复合降质图像进行重建。
-
公开(公告)号:CN112653899A
公开(公告)日:2021-04-13
申请号:CN202011509545.7
申请日:2020-12-18
Applicant: 北京工业大学
IPC: H04N21/2187 , H04N21/234 , H04N21/44
Abstract: 本发明涉及一种基于联合注意力ResNeSt的复杂场景下网络直播视频特征提取方法。首先对网络直播视频进行关键帧提取,得到视频的关键帧数据。为了利用视频帧的多尺度特征,按照特征金字塔网络的多尺度结构,设计了一个并行通路。该并行通路是自下而上构建的,与原有主干通路之间利用横向连接和斜向连接进行信息交换,其中横向连接和斜向连接均为卷积运算。考虑到网络直播的画面表现形式多以人为主体,同时夹杂大量冗余信息,因此引入空间——通道联合注意力,便于聚焦画面主体特征。最后,将融合了联合注意力的并行特征金字塔结合卷积层和池化层,构造ResNeSt特征提取模块,通过多层模块叠加,实现复杂场景下网络直播视频的特征提取。
-
公开(公告)号:CN112560858A
公开(公告)日:2021-03-26
申请号:CN202011088800.5
申请日:2020-10-13
Applicant: 国家计算机网络与信息安全管理中心 , 北京工业大学
Abstract: 本发明公开了一种联合轻量化网络和个性化特征提取的字符图片检测及快速匹配方法,首先基于轻量化网络的深度学习方法对字符类图片进行分类,检测出字符类图片和非字符类图片,对于字符类图片进一步划分出复杂背景和简单背景两类字符类图片;进而针对两类字符图片,分别提取个性化特征表征图片内容;最后根据提取的个性化特征使用对应方法进行快速匹配,在保证准确率的同时,提高匹配速度。本发明可以有效降低匹配时间,可以综合、高效地利用字符类图片的内容信息,达到兼具鲁棒性和实时性的字符类图片匹配需求。
-
公开(公告)号:CN107516312B
公开(公告)日:2019-11-15
申请号:CN201710692254.8
申请日:2017-08-14
Applicant: 北京工业大学
Abstract: 一种应用浅层神经网络进行中医面色自动分类的方法属于计算机视觉领域。设计的浅层网络层数共有5层,采用三种不同的层结构,分别为输入层、特征提取层、输出层。输入层由一个卷积层和修正线性单元组成;特征提取层由3层网络组成,前两层的每层都由一个卷积层和ReLU激活函数组成,在卷积层和ReLU之间都有一个批归一化,并在特征提取层的第二个ReLU后面加入池化层,特征提取层的第三层是一个全连接层,后接一个修正线性单元ReLU;输出层由全连接层组成,后加一个softmax分类器。本发明在分类精度上有明显优势,对缩放、平移、旋转等畸变具有不变性,有很强的鲁棒性,能够有效的提高分类精度,将深度学习的理论应用于中医面诊客观化研究。
-
公开(公告)号:CN109685072A
公开(公告)日:2019-04-26
申请号:CN201811575838.8
申请日:2018-12-22
Applicant: 北京工业大学
CPC classification number: G06K9/42 , G06K9/4604 , G06N3/0454 , G06N3/08 , G06T5/002 , G06T5/50
Abstract: 本发明公开了一种基于生成对抗网络的复合降质图像高质量重建方法,针对同时含有雾霾,系统噪声,低照度和压缩失真等多种降质问题的低质量图像,本发明首先从针对复合因素降质图像重建的角度出发,建立了一种基于生成对抗网络的复合降质图像高质量重建方法,可完成针对受雾霾,低照度,压缩,系统噪声,光学模糊等因素组合降质图像的重建;其次,本发明采用非对称的生成网络,大大减少了模型的参数量,使模型易于训练和使用;再者,采用端到端的思想,简化了重建系统的架构,省去了预处理与后处理;最后,生成网络全部由卷积层组成,可输入任意尺寸复合降质图像进行重建。
-
公开(公告)号:CN105957067B
公开(公告)日:2018-10-19
申请号:CN201610258532.4
申请日:2016-04-23
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于颜色差分的彩色图像边缘检测方法,属于数字图像处理领域,该方法对平滑滤波操作具有更强的鲁棒性,可以排除大量的噪声边缘,只保留反映物体基本结构的真实边缘。平滑滤波去噪。构成邻域点对。对于平滑滤波后的图像IC(x,y),将每个像素(x,y)相邻的八个像素分别按照水平、竖直、45°和135°总共四个方向分成四个邻域点对。计算颜色相离结果。计算颜色差分图,得到的颜色差分图CDM(x,y)即为最终的边缘检测结果。能够有效抑制噪声干扰,排除大量人们不感兴趣的噪声边缘,仅保留反映物体基本结构变化的真实边缘;得到的边缘对于平滑滤波具有较好的鲁棒性,在滤波窗口尺寸较大时仍然能够具有较强的边缘响应,不易造成重要边缘丢失和断裂。
-
公开(公告)号:CN105045907B
公开(公告)日:2018-03-09
申请号:CN201510487893.1
申请日:2015-08-10
Applicant: 北京工业大学
IPC: G06F17/30
Abstract: 一种用于个性化社会图像推荐的视觉注意‑标签‑用户兴趣树的构建方法属于社会图像领域。本发明以标签为纽带将视觉注意与用户兴趣结合起来,利用视觉注意机制分析图像的视觉显著性,构建具有树结构的视觉注意模型,据此获得显著区,分析图像显著信息与标签语义的对应关系,生成显著标签和节点标签,构建标签树模型,进而结合用户历史信息将标签树向用户兴趣树传播,最后由用户兴趣树向用户推荐图像,根据用户对推荐结果的反馈,重新调整树模型,进一步优化个性化社会图像推荐。其中,生成视觉注意树模型细分为四个部分:图像区域分割,显著性度量,树结构的区域合并,生成显著图。本发明提高个性化图像推荐的准确率。
-
公开(公告)号:CN107507250A
公开(公告)日:2017-12-22
申请号:CN201710406983.2
申请日:2017-06-02
Applicant: 北京工业大学
Abstract: 一种基于卷积神经网络的面色舌色图像颜色校正方法涉及数字图像处理方法。算法主要包括离线部分和在线部分。离线部分由训练数据采集、颜色校正卷积神经网络网络框架搭建和训练组成,在线部分则是图像颜色校正和颜色校正效果评价。CNN模仿人类的认知过程,即从局部特征到全局特征的逐层抽象。将卷积神经网络应用于颜色校正中,可以获得较为理想的颜色重现效果。本发明通过采用深度卷积神经网络方法,对稳定光学环境中采集到的人脸面色和舌色进行颜色校正,重现在相同光学环境中目标对象真是呈现的颜色信息。
-
公开(公告)号:CN106997380A
公开(公告)日:2017-08-01
申请号:CN201710168022.2
申请日:2017-03-21
Applicant: 北京工业大学
CPC classification number: G06F16/5838 , G06F21/602 , G06T1/0021
Abstract: 基于DCGAN深度网络的成像光谱图像安全检索方法属于成像光谱图像领域。本发明利用DCGAN深度网络实现对成像光谱图像特征的高度表达,提出一种新的加密域成像光谱图像安全检索方法。首先利用深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Network,DCGAN)联合提取成像光谱图像的深度光谱‑空间特征,精准地表征成像光谱图像内容;同时为了保障遥感图像检索过程中的安全性,基于加密后特征相似度不变的准则,采用最小哈希(Min‑Hash)方法对深度特征进行加密,实现对深度特征的保护;最后在不解密的情况下,通过比较最小哈希值相等个数直接对图像特征进行Jaccard相似性距离度量,返回与查询图像相似的图像,在实现检索的同时,保障信息的安全性。
-
公开(公告)号:CN103678480B
公开(公告)日:2017-05-31
申请号:CN201310473542.6
申请日:2013-10-11
Applicant: 北京工业大学
Abstract: 本发明涉及一种具有隐私分级可控的个性化图像检索方法,针对个性化图像检索中存在的隐私保护问题,研究一种分层结构的用户隐私保护方案,具体内容包括构建分层用户兴趣模型并初始化,更新分层用户兴趣模型,裁剪某一层次以下的结点,或者裁剪树型结构中的目录分支,根据兴趣模型进行检索,将最相似的l幅图像作为检索结果返回给用户。本发明实现了对个性化图像检索的用户个人隐私信息的有效保护。
-
-
-
-
-
-
-
-
-