-
公开(公告)号：CN110557521B
公开(公告)日：2020-12-04
申请号：CN201810541578.6
申请日：2018-05-30
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
Abstract: 本发明提供了一种视频去雨的方法、装置、设备及计算机可读存储介质。该方法包括：搭建进行视频去雨的循环深度神经网络模型；对循环深度神经网络模型进行训练，以获得优化后的循环深度神经网络模型；采用优化后的循环深度神经网络模型对待处理的含雨视频进行去雨操作。由于循环深度神经网络模型能够编码相邻帧之间的背景信息，抽取更具有表示性的特征，能够整合含雨视频中的时域和空域上的冗余信息，所以能够达到很好的视频去雨的效果，使恢复出的视频更加准确和清晰。
-
公开(公告)号：CN108510569B
公开(公告)日：2020-11-03
申请号：CN201810078035.5
申请日：2018-01-26
Applicant: 北京大学
IPC: G06T11/60 , G06T11/00 , G06F40/109
Abstract: 本发明提供一种基于多通道的艺术字生成方法及系统，该方法步骤包括：提取源文字图像和目标文字图像的偏移图像；将源文字图像、源文字图像的偏移图像和源艺术字图像按通道合并为多通道源图像立方；初始化目标艺术字图像，将该初始化的目标艺术字图像、目标文字图像、目标文字图像的偏移图像按通道合并为多通道目标图像立方；迭代查找目标图像立方中每个图像块在源图像立方中的相似图像块，并使用相似图像块的艺术字图像通道更新目标图像立方对应的通道，直到收敛或者目标图像立方的更新程度小于一设定阈值；提取目标图像立方的艺术字图像通道，生成目标艺术字图像。
-
公开(公告)号：CN108133459A
公开(公告)日：2018-06-08
申请号：CN201611093936.9
申请日：2016-12-01
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
IPC: G06T5/00
CPC classification number: G06T5/001 , G06T5/009 , G06T2207/20081
Abstract: 本发明提供了一种深度图增强方法和一种深度图增强装置，其中，深度图增强方法包括：对训练集图像的多个图像特征信息进行提取，得到多个图像特征信息的第一联合特征；对测试集图像的多个图像特征信息进行提取，得到多个图像特征信息的第二联合特征；基于第一联合特征与第二联合特征的相似性，查找测试集图像在训练集图像的对应部分的最近邻；根据查找到的最近邻，对测试集图像进行邻域嵌入，用以重建测试集图像的高频信息、低频信息和梯度信息；利用全局优化方程结合高频信息、低频信息和梯度信息，得到增强后的测试集图像。通过本发明的技术方案，可以有效地增强深度图的结构和细节，提升深度图的视觉质量。
-
公开(公告)号：CN105096261B
公开(公告)日：2018-04-17
申请号：CN201410200267.5
申请日：2014-05-13
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
Abstract: 本发明提供了一种图像处理装置和图像处理方法，其中图像处理方法包括：对接收到的原始图像进行估算处理，以得到原始图像对应的模糊核；根据模糊核，对原始图像进行迭代处理，以得到清晰的图像；在清晰的图像中确定目标区域，并提取出目标区域对应的目标图像；对目标图像进行透视纠偏处理，以得到目标图像对应的正视图像；对正视图像进行增强处理，以得到结果图像。通过该技术方案，用户在观看图像或视频时，不再受观看角度的影响，站在任何方位观看图像或视频都可以看到清晰度、对比度极高的不存在透视失真的正视图像。
-
公开(公告)号：CN106558020A
公开(公告)日：2017-04-05
申请号：CN201510633384.5
申请日：2015-09-29
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
Abstract: 本发明涉及一种基于网络图像块检索的图像重建方法及系统，该方法包括：检索与待重建图像内容相同的网络图像；将两种图像拆分成子图像，计算每个子图像的纹理特征，对每个待重建图像的子图像，在网络图像中查找纹理特征相似的子图像；将纹理特征相似的子图像分别拆分成图像块，查找联合特征相似的图像块，训练得到外部字典；将待重建图像进行多尺度采样后拆分成图像块，训练得到内部字典；将外部字典和内部字典合并形成重建字典并对待重建图像进行重建，得到重建后的图像。本发明在图像重建过程中，不仅考虑了图像内部的自相似性，还考虑了其他图像的相似信息，并在字典训练时考虑了字典组织的结构性信息，提升了重建图像的分辨率。
-
Patent Agency Ranking
公开(公告)号：CN106327422A
公开(公告)日：2017-01-11
申请号：CN201510379988.1
申请日：2015-07-01
Applicant: 北京大学 , 北大方正集团有限公司北京北大方正电子有限公司
IPC: G06T3/00
CPC classification number: G06T3/0012
Abstract: 本发明提供了一种图像风格化重建方法及装置，该方法包括：获取待转换的输入图像的第一边缘图像，以及目标风格图像的第二边缘图像；获取第一边缘图像的每一第一图像块的相似图像块集合，该每一相似图像块集合中的元素为与该第一图像块相似的第二图像块；根据所有的第一图像块，获取输入图像字典以及稀疏分解的稀疏系数；根据所有第一图像块对应的相似图像块集合，获取目标图像字典；根据所述输入图像字典、目标图像字典、稀疏系数，获得重建出所述输入图像的目标风格的第三图像；将第三图像和预先生成的初始化风格图像融合，得到用于输出的所述输入图像的重建风格化图像。上述方法及装置用以解决现有技术中图像风格化重建时无外部训练集的问题。
-
公开(公告)号：CN112307766B
公开(公告)日：2024-08-16
申请号：CN202010999268.6
申请日：2020-09-22
Applicant: 北京京东世纪贸易有限公司 , 北京沃东天骏信息技术有限公司 , 北京大学第三医院
IPC: G06F40/295 , G06F40/186
Abstract: 本公开的实施例公开了用于识别预设类别实体的方法、装置、电子设备和介质。该方法的一具体实施方式包括：获取待识别文本；获取预设类别实体识别模板，其中，该预设类别实体识别模板中包括至少一种文本匹配结构；利用该预设类别实体识别模板解析该待识别文本，生成待匹配模式串，其中，该待匹配模式串包括文本匹配结构标识序列；根据与该预设类别实体相匹配的预设模式串集合与该待匹配模式串之间的匹配，生成识别结果，其中，该识别结果用于指示该待识别文本中所包含的该预设类别实体。该实施方式实现了既可以保证识别方法的准确性，又提升了效率。
-
公开(公告)号：CN115345918A
公开(公告)日：2022-11-15
申请号：CN202110528861.7
申请日：2021-05-14
Applicant: 北京大学 , 广州市百果园信息技术有限公司
Abstract: 本发明涉及一种基于对比学习的任意风格迁移方法及系统。该方法首先利用训练数据集训练任意风格迁移网络模型；训练完成后，将目标内容图像输入到内容编码器中，处理得到内容编码；将参考艺术作品输入到风格编码器中，首个卷积层和含有最大池化的卷积层分别输出风格编码；将内容编码和最深层的风格编码输入到可替换的风格转换器；将可替换的风格转换器输出的内容输入到解码器中，并在解码器中的各个特征适应单样本规范化层输入其它各层的风格编码的均值和方差，处理得到最终的风格迁移结果图像或视频帧。本发明能将任意指定的参考艺术作品的风格表征迁移至任意目标内容图像，实现对目标内容图像的任意风格化，提升了主观视觉质量与艺术效果。
-
公开(公告)号：CN108305235B
公开(公告)日：2022-02-18
申请号：CN201710021329.X
申请日：2017-01-11
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
Abstract: 本发明提供一种多张图片融合的方法及装置，方法包括：确定包含有人物图像的第一图片和至少一张包含有第一图片中的至少部分背景图像的第二图片的光照属性，根据光照属性从第一图片和至少一张第二图片中确定一张目标图片，将非目标图片的光照属性转换为与目标图片相一致，并对第一图片和至少一张第二图片中相同的特征点的位置进行标记，基于相同的特征点的位置，将第一图片和至少一张第二图片进行重合，对重合区域的像素点进行选取，形成融合后的图片。本发明解决了现有技术获得的自拍图片中人像占的比例远大于背景所占的比例，导致图片中的背景图像显示不出自拍者所处的完整场景的问题。
-
公开(公告)号：CN113132755A
公开(公告)日：2021-07-16
申请号：CN201911415561.7
申请日：2019-12-31
Applicant: 北京大学
IPC: H04N21/2343 , H04N21/4402 , H04N19/132 , H04N19/13
Abstract: 本发明公开了一种可扩展人机协同图像编码方法及编码系统。本方法为：提取各样本图片的边缘图并矢量化，作为驱动机器视觉任务的紧凑表示；在矢量化后的边缘图中进行关键点提取作为辅助信息；对紧凑表示和辅助信息分别进行熵编码无损压缩，获得两路码流；对两路码流进行初步解码，获得边缘图以及辅助信息；将解码得到的边缘图以及辅助信息输入生成神经网络中，进行网络的前向计算；根据得到的计算结果与对应原始图片进行损失函数计算，并将计算的损失反向传播到神经网络进行网络权值更新直到神经网络收敛，得到双路码流解码器；获取待处理图像的边缘图和辅助信息并编码压缩后得到两路码流；双路码流解码器对收到的码流解码，重建图像。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.023 seconds)
