-
公开(公告)号：CN110084149B
公开(公告)日：2022-07-26
申请号：CN201910279694.X
申请日：2019-04-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于难样本四元组动态边界损失函数的人脸验证方法，包括如下步骤：（1）构建人脸样本图像数据库并进行预处理。（2）对数据库中的人脸图像进行分组，设定有效的选取机制来选取难样本四元组。（3）设置模型损失函数为包含动态阈值边界的四元组损失函数，投入难样本进行训练，得到收敛好的网络模型。（4）利用训练好的网络对待验证的人脸图像进行特征提取，计算特征向量间的距离，根据距离大小判断验证结果。本发明的方法具有如下优点：1）模型收敛速度快；2）对人工设置的边界阈值依赖程度低；3）更有效地提取人脸特征并提高人脸验证的准确度。
-
-
公开(公告)号：CN118333918A
公开(公告)日：2024-07-12
申请号：CN202410438320.9
申请日：2024-04-12
Applicant: 南京邮电大学
IPC: G06T5/90 , G06T5/60 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于零元素特征引导的低光照图像增强网络及增强方法，首先进行数据预处理，输入低光照图像，对低光照图像求取其零元素图；然后再构建联合注意力Transformer编码网络和可逆网络，将低光照图像和其零元素图一起输入至联合注意力Transformer编码网络中提取条件特征，采样标准正态分布，将其和提取的条件特征输入可逆网络中，执行可逆变换，输出增强后的图像。其中，联合注意力Transformer编码网络中，在原Transformer的自注意力模块基础上，利用零元素特征设计了零元素注意力模块；可逆网络中，设计了交叉仿射耦合层以实现图像特征的交叉学习。本发明基于零元素特征的引导加强了低光照图像中缺失信息的学习，改善了增强图像的视觉效果，并同时提升了图像的峰值信噪比。
-
公开(公告)号：CN115690355A
公开(公告)日：2023-02-03
申请号：CN202211392177.1
申请日：2022-11-08
Applicant: 南京邮电大学
Abstract: 本发明属于模式识别领域，具体的说是一种新型HSV空间模型的构建方法，使其能够有效地实现图像RGB空间与新型HSV空间的转换，具体包括步骤一、通过图像采集，获得图像RGB空间；步骤二、求取图像RGB空间转换到新型HSV空间的模型；步骤三：求取步骤二中得到的图像新型HSV空间转换为RGB空间的模型。本发明充分考虑了图像的RGB空间和HSV空间之间的关系，对原始HSV空间进行改进，实现彩色图像在RGB空间与新型HSV空间的相互转换。
-
公开(公告)号：CN115690318A
公开(公告)日：2023-02-03
申请号：CN202211392161.0
申请日：2022-11-08
Applicant: 南京邮电大学
Abstract: 本发明属于模式识别领域，具体的说是一种快速HSI空间模型的构建方法，使其能够更加快速地实现图像RGB空间与HSI空间的转换具体包括如下步骤：步骤一、通过图像采集，获得图像RGB空间；步骤二、求取图像RGB空间转换到HSI空间的模型；步骤三：求取步骤二中得到的图像HSI空间转换为RGB空间的模型。本发明充分考虑了图像的RGB空间和HSI空间之间的关系，对原始HSI空间进行改进，实现彩色图像在RGB空间与快速HSI空间的相互转换。
-
Patent Agency Ranking
-
公开(公告)号：CN114676755A
公开(公告)日：2022-06-28
申请号：CN202210208723.5
申请日：2022-03-04
Applicant: 南京邮电大学
Abstract: 本申请涉及一种基于图卷积网络的无监督域自适应的分类。所述方法包括：获取源域中的样本数据和目标域中样本数据作为训练数据；根据源域和目标域中样本数据间的相似性分别更新两个域中样本的图连接关系；将源域和目标域中的样本数据输入到域自适应网络中进行训练，域自适应网络是基于图卷积网络的无监督域自适应网络，域自适应网络包括：跨域特征提取模型、源域特征提取模型、分类模型、域对抗鉴别模型、类对齐模型；训练域自适应网络不断更新迭代域自适应网络中的参数，当域自适应网络达到收敛条件时，获得域自适应分类模型；输入待分类数据至域自适应分类模型进行分类，获得待分类数据的分类结果。提高了基于图卷积的无监督域自适应模型性能。
-
公开(公告)号：CN113361492A
公开(公告)日：2021-09-07
申请号：CN202110813505.X
申请日：2021-07-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于正交三角分解的光照不变特征提取方法，包括如下步骤：步骤1：采集人脸彩色图像，并转化为人脸灰度图像；步骤2：通过正交三角分解算法，获得局部邻域的上三角矩阵对角线元素，并对其进行非线性放大；步骤3：对步骤2获得的非线性放大后的上三角矩阵对角线元素，构造光照不变特征。本发明充分考虑了人脸灰度图像的光照特性，通过正交三角分解算法，能有效消除阴影边缘的影响。
-
公开(公告)号：CN110956090A
公开(公告)日：2020-04-03
申请号：CN201911064788.1
申请日：2019-11-04
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于正负光照不变单元融合的人脸特征提取方法，该方法包括如下步骤：采集人脸彩色图像，并转化为人脸灰度图像；对灰度人脸图像的每个灰度值，构造以该灰度值为中心的5个局部邻域；通过以每个灰度值为中心的5个局部邻域，构造人脸灰度图像的正负光照不变单元模型；通过正负光照不变单元模型，构建基于正负光照不变单元融合的人脸特征。本发明充分考虑了灰度人脸图像的局部邻域中灰度值之间的关系，通过构造灰度人脸图像灰度值的5个局部邻域，构建人脸灰度图像的正负光照不变单元模型，产生基于正负光照不变单元融合的人脸特征，该人脸特征同时控制5个局部邻域中正负光照不变单元之间平衡，不受不同局部邻域之间关系的影响。
-
公开(公告)号：CN119624830A
公开(公告)日：2025-03-14
申请号：CN202411644047.1
申请日：2024-11-18
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于通道间和通道内注意力Transformer和完备流的图像增强网络，所述增强网络包括通道间和通道内注意力Transformer网络和可逆流网络，通道间和通道内注意力Transformer网络包括4个零元素、通道间和通道内联合注意力编码网络、4个零元素、通道间和通道内联合注意力解码网络、下采样模块和上采样模块；4个零元素、通道间和通道内联合注意力编码网络包括：局部‑全局特征编码模块DSL1、局部‑全局特征编码模块DSL2、局部‑全局特征编码模块DSL3和局部‑全局特征编码模块DSL4；4个零元素、通道间和通道内联合注意力解码网络包括：局部‑全局特征解码模块UPL1、局部‑全局特征解码模块UPL2、局部‑全局特征解码模块UPL3和局部‑全局特征解码模块UPL4；本发明所设计的低光照图像增强网络能有效实现对图像缺失信息的修复，基于可逆流网络产出的增强图像具有优秀的视觉效果以及更为出色的峰值信噪比与结构相似性。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.017 seconds)
