-
公开(公告)号：CN109241810B
公开(公告)日：2022-01-28
申请号：CN201710555575.3
申请日：2017-07-10
Applicant: 腾讯科技(深圳)有限公司 , 中国科学院信息工程研究所
Inventor： 葛仕明
Abstract: 本申请提供一种虚拟角色图像的构建方法及装置、存储介质。方法包括：对至少两帧图像分别进行人脸检测，得到至少两帧图像各自对应的人脸图像，并对人脸图像进行特征点检测，得到特征点的位置数据；针对至少两帧图像中除第一帧图像之外的每一帧图像，执行如下处理：将第一人脸图像中特征点的位置数据与第一虚拟角色图像中相应面部特征点的位置数据进行映射，得到第一人脸图像对应的特征点映射数据；确定第二虚拟角色图像中的面部特征点相对于第一虚拟角色图像中相应面部特征点的位置变化；利用形变传播方法确定第二虚拟角色图像中多个肩部采样点相对于第一虚拟角色图像中相应肩部采样点的位置变化；确定第二虚拟角色图像。
-
公开(公告)号：CN113723414A
公开(公告)日：2021-11-30
申请号：CN202110923768.6
申请日：2021-08-12
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种蒙面人脸遮挡物分割方法与装置。本方法为：1)利用训练数据集训练一蒙面人脸分割网络；其中训练数据集中每对图像包括一张蒙面遮挡的人脸图像及对应的蒙面人脸的语义分割图像；2)蒙面人脸分割模型获取每对输入图像中的蒙面人脸；然后对蒙面人脸进行深度可分离卷积操作获得该蒙面人脸的特征地图；然后从该特征地图提取不同尺度特征并对其进行融合，得到全局特征地图；然后对该全局特征地图进行逐像素预测，得到预测分割图；然后根据该预测分割图与对应的语义分割图像计算得到损失值，利用损失值监督训练该蒙面人脸分割网络；3)利用步骤2)训练后的蒙面人脸分割网络对待处理图像进行分割，得到该待处理图像的预测分割图。
-
公开(公告)号：CN110070183B
公开(公告)日：2021-08-20
申请号：CN201910181274.8
申请日：2019-03-11
Applicant: 中国科学院信息工程研究所
IPC: G06N3/08
Abstract: 本发明涉及一种弱标注数据的神经网络模型训练方法及装置。该方法的步骤包括：1)通过特征流深度神经网络从输入的特征中学习标签预测，并输出目标标签的预测结果；2)通过标签流深度神经网络从输入的多视角弱标签中学习标签预测，并输出目标标签的预测结果；3)采用广义的交叉熵损失定义标签的一致性，通过联合地训练所述特征流深度神经网络和所述标签流深度神经网络，对目标标签的预测结果进行优化。本发明采用特征与标签两路学习标签预测，通过双流协同统一融合了模型和知识，同时考虑了弱特征和弱标签，创新性地构建了模型协同优化策略，利用彼此的知识交叉验证引导模型优化。
-
公开(公告)号：CN112991246A
公开(公告)日：2021-06-18
申请号：CN202110163783.5
申请日：2021-02-05
Applicant: 中国科学院信息工程研究所
Inventor： 葛仕明
Abstract: 本发明公开一种可见光与红外视频图像融合方法及装置，属于计算机视觉和图像处理领域，通过拍摄同一场景的可见光图像和红外图像，检测可见光图像和红外图像中的局部特征并进行匹配，进行相机标定，得到两个相机模态图像的空间映射矩阵；对可见光图像提取暗通道，并进行阈值化，得到场景分割图，该场景分割图将图像分成天空区域和非天空区域两类；对可见光图像和红外图像提取亮度通道，根据所述空间映射矩阵和场景分割图，对可见光图像和红外图像的亮度通道进行场景自适应通道融合，得到融合图像。本发你能够使无人机目标在融合后的图像中与背景具有更大的区分性，为后续的进一步检测识别等处理提供更好的数据输入。
-
公开(公告)号：CN112348200A
公开(公告)日：2021-02-09
申请号：CN202011203717.8
申请日：2020-11-02
Applicant: 中国科学院信息工程研究所
IPC: G06N20/00 , G06F16/176 , H04L29/06
Abstract: 本发明提供一种基于联邦学习的受控共享学习方法及系统，包括接收各客户端模型Vi,t的参数，并根据参数从各客户端中选取一或多个共享客户端，向共享的客户端发送共享指令，其中模型Vi,0通过各客户端的算力构建并依据相应私有数据集训练得到，且各模型Vi,0的分类模块结构一致；获取共享客户端模型Vi,t的分类模块参数St，并将计算得到的分类模块参数St+1发送至各客户端，以使各客户端依据私有数据集与分类模块参数St+1得到模型Vi,t+1。本发明仅需提供模型部分参数完成共享学习，使数据安全得到了很好的保障；且各客户端模型、是否参与共享学习等都自主可控。
-
Patent Agency Ranking
公开(公告)号：CN112163238A
公开(公告)日：2021-01-01
申请号：CN202010940180.7
申请日：2020-09-09
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种多方参与数据不共享的网络模型训练方法，其步骤包括：1)参与数据共享的各参与方利用所选隐私数据集训练各自所选网络模型，分别得到一教师网络模型；2)采用步骤a)～b)对学生网络模型S进行多轮训练，得到最终的公开网络模型M；a)选出一个教师网络模型Ti指导学生网络模型S更新：首先将训练数据Xi输入模型Ti，得到标签 在中加入噪声N得到Yi，将Xi输入学生网络模型S，输出S(Xi)；然后最小化S(Xi)与Yi之间的相似距离训练学生网络模型S；b)利用学生网络模型S对公开的未标记数据进行部分标记，然后使用部分标注的数据通过半监督知识蒸馏的方法将学生网络模型S中的知识蒸馏到一公开网络模型M中。
-
公开(公告)号：CN105654073B
公开(公告)日：2019-01-04
申请号：CN201610176917.6
申请日：2016-03-25
Applicant: 中国科学院信息工程研究所
IPC: G06K9/00 , B60W30/18 , B60W40/105
Abstract: 本发明公开了一种基于视觉检测的速度自动控制方法。本方法为：1)统计车辆与右侧车道线和左侧车辆不同距离下，交通标志在图像中的位置，得到一表格；建立交通标志几何变形程度ε与道路拐角θ之间的函数f1、弯道临界车速vcurlim与θ之间的函数f2；2)检测待控制车辆的右侧车道边缘线位置L1和距离左侧车辆的位置L2；3)根据L1、L2和该表格从该图像中选取出包含交通标志的图像区域；3)综合两种方法计算该图像中的道路拐角θ；4)根据f1和θ计算该图像中的交通标志几何变形程度ε，对该图像进行恢复，检测出限速标志并识别出限速速度值v1；5)根据前方车辆的相对车速、前方两侧车速以及v1、vcurlim控制车速。本发明在提升系统可靠性的同时节约成本。
-
公开(公告)号：CN104850832B
公开(公告)日：2018-10-30
申请号：CN201510226393.2
申请日：2015-05-06
Applicant: 中国科学院信息工程研究所
IPC: G06K9/00
Abstract: 本发明涉及一种基于分级迭代的大规模图像样本标注方法及系统，所述方法包括：利用半自动软件工具标注原始数据集中的目标；对已标注的原始数据集进行粗采集，得到正样本集和负样本集；利用正样本集和负样本集进行训练，得到目标检测器；利用目标检测器对原始数据集进行精采集，更新正样本集和负样本集；判断正样本集中的样本数量是否达到预设数量或检测器性能是否达到预设标准，如果未达到，利用更新的正样本集和负样本集重新训练目标检测器，迭代精采集过程，否则结束迭代。本发明利用软件工具使得标注工作更快速更高效，整个过程不但提高了标注和采集的速度，节省了人力成本，通过粗采集和精采集的结合提高了样本的精确性。
-
公开(公告)号：CN106022300A
公开(公告)日：2016-10-12
申请号：CN201610388492.5
申请日：2016-06-02
Applicant: 中国科学院信息工程研究所
CPC classification number: G06K9/00818 , G06K9/6256 , G06K9/6267 , G06K9/6288 , G06K2209/25
Abstract: 本发明提供了一种基于级联深度学习的交通标志识别方法和系统，引入级联卷积神经网络的思想，对目标标志样本空间进行扩充，添加更多具有监督性的样本，目的是为了使得交通标志的识别加入更多的先验信息，使进行识别器训练的样本空间有更高的监督性。该方法能更充分地利用标志的各种特征信息，弥补现有基于神经网络的交通标志识别的不足，从而提高标志的检测和识别率。
-
公开(公告)号：CN105654073A
公开(公告)日：2016-06-08
申请号：CN201610176917.6
申请日：2016-03-25
Applicant: 中国科学院信息工程研究所
IPC: G06K9/00 , B60W30/18 , B60W40/105
CPC classification number: G06K9/00818 , B60W30/18 , B60W40/105 , G06K9/00798 , G06K2209/25
Abstract: 本发明公开了一种基于视觉检测的速度自动控制方法。本方法为：1)统计车辆与右侧车道线和左侧车辆不同距离下，交通标志在图像中的位置，得到一表格；建立交通标志几何变形程度ε与道路拐角θ之间的函数f1、弯道临界车速vcurlim与θ之间的函数f2；2)检测待控制车辆的右侧车道边缘线位置L1和距离左侧车辆的位置L2；3)根据L1、L2和该表格从该图像中选取出包含交通标志的图像区域；3)综合两种方法计算该图像中的道路拐角θ；4)根据f1和θ计算该图像中的交通标志几何变形程度ε，对该图像进行恢复，检测出限速标志并识别出限速速度值v1；5)根据前方车辆的相对车速、前方两侧车速以及v1、vcurlim控制车速。本发明在提升系统可靠性的同时节约成本。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.031 seconds)
