公开(公告)号：CN119722839A

公开(公告)日：2025-03-28

申请号：CN202411763238.X

申请日：2024-12-03

Applicant: 杭州电子科技大学

Inventor： 周家辉 ,  杨冰 ,  姚金良 ,  黄孝喜 ,  余承昊

IPC: G06T11/00 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于语义对齐和文本融合的文本生成图像方法，其分别提取真实图像与生成图像的语义特征，通过判别器中的语义对齐模块对两者的高层语义进行比对和调整，并根据判别器的输出结果对生成器的参数进行更新，确保生成图像在语义层面和细节处理与真实图像保持一致，弥补文本描述的不足，从而提升了整个生成模型的表现；同时，本发明通过星模块卷积层能够更加全面地捕捉文本描述中隐含的细微差异，从而显著增强了图像的细节表现力和生成质量；此外，本发明在生成器添加可变形卷积，有效地保留了复杂的细节信息，使得生成图像在视觉上更加真实，且增强了模型在不同情境和风格下的适应性和一致性。

公开(公告)号：CN116168186A

公开(公告)日：2023-05-26

申请号：CN202310177297.8

申请日：2023-02-28

Applicant: 杭州电子科技大学

Inventor： 姚金良 ,  郑豪男 ,  黄孝喜 ,  杨冰 ,  王荣波 ,  谌志群

IPC: G06T19/20 ,  G06V10/26 ,  G06V10/44 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种服装长度可控的虚拟试衣图生成方法，涉及虚拟试衣技术领域。本发明方法主要包括：输入预处理阶段需要的图片，经过预处理去除服装信息、计算服装长度控制向量得到服装未知的人物表示和服装长度控制向量；输入语义预测阶段需要的图片，经过试穿语义分割图生成器生成待调整的试穿语义分割图；输入语义补偿阶段需要的图片，经过基于真值的补偿网络对待调整的试穿语义分割图进行修剪补偿，得到试穿语义分割图；输入服装变形阶段需要的图片，经过服装对齐生成器预测服装形变图；输入试穿图生成阶段需要的图片，经过试穿生成器生成试衣图像。本发明方法提出了新的服装未知的人物表示和服装长度控制向量，实现了服装长度可控的虚拟试穿。

公开(公告)号：CN116148864A

公开(公告)日：2023-05-23

申请号：CN202310177279.X

申请日：2023-02-28

Applicant: 杭州电子科技大学

Inventor： 姚金良 ,  许非凡 ,  黄孝喜 ,  杨冰 ,  王荣波 ,  谌志群

IPC: G01S13/95 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/047 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/084

Abstract: 本发明公开了一种基于DyConvGRU和Unet的预测细化结构的雷达回波外推方法，属于短临气象预测领域。该方法依次包括以下步骤：S1：对雷达灰度图像进行预处理，划分训练样本集和测试样本集；S2：构建DyConvGRU和判别器网络，将步骤S1得到的训练样本输入到构建的模型并训练，得到收敛的DyConvGRU和判别器网络；S3：将步骤S1得到的训练样本输入到步骤S2获得的收敛的模型，得到预测结果O；S4：构建Unet和判别器网络，将步骤S3中的输出O输入到构建的模型中并训练，得到收敛的Unet模型和判别器网络；S5：将S1中的测试样本依次输入到步骤S2和步骤S3中收敛的DyConvGRU和Unet模型，得到雷达回波外推图像。本发明能够对雷达外推图像进行有效的预测，为短临气象预报提供有效的技术支持。

公开(公告)号：CN114819091A

公开(公告)日：2022-07-29

申请号：CN202210492786.8

申请日：2022-05-07

Applicant: 杭州电子科技大学

Inventor： 张传刚 ,  杨冰 ,  那巍

IPC: G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/766 ,  G06V10/26 ,  G06V10/82 ,  G06K9/62 ,  G06F9/48 ,  G06T7/66

Abstract: 本发明涉及基于自适应任务权重的多任务网络模型训练方法及系统。本发明通过一个特定于任务的策略学习共享模式，该策略自主选择在多任务网络中执行哪些层，并且能够同时搜索与任务较匹配的权重，以更好地训练模型。本发明基于ResNet重构了多任务网络模型，训练过程中根据数据集中的图像有效地优化了学习策略，提高了任务指标的同时克服了多任务模型的单一性。本发明基于概率论极大似然估计推导了适用于回归和分类任务的多任务损失函数，其能够在训练过程中自动调节任务权重以更好地提升模型性能，克服了任务权重不灵活的问题。

公开(公告)号：CN103957343A

公开(公告)日：2014-07-30

申请号：CN201410163162.7

申请日：2014-04-22

Applicant: 杭州电子科技大学

Inventor： 朱文华 ,  杨冰

IPC: H04N1/46 ,  H04N1/60

Abstract: 本发明涉及一种彩色误差扩散方法。一般数字打印机、印刷机只有非常有限的颜色可以输出。本发明方法首先将彩色图像经过色彩转换后获得再现设备色空间的图像，获得的图像分解为多个色平面的灰度图像；然后选择一种二值灰度误差扩散方法进行处理，并将选择的二值灰度误差扩散方法扩展至多级灰度误差扩散方法；对获得的再现设备色空间中的彩色图像进行量化和误差扩散处理。本发明方法引入嵌入式多级灰度误差扩散方法控制输出重叠点的数量，该方法在输出色空间中进行量化处理，避免了复杂的色彩转换带来的色彩失真，既能够有效控制重叠点的产生，又能满足任意数量色平面颜色空间的输出需求。