公开(公告)号：CN120031869A

公开(公告)日：2025-05-23

申请号：CN202510495985.8

申请日：2025-04-21

Applicant: 华侨大学

Inventor： 曾焕强 ,  徐思伟 ,  陈婧 ,  黄德天 ,  郭荣新 ,  杜永兆 ,  蔡磊 ,  龚鑫荣 ,  陈龙涛

IPC: G06T7/00 ,  G06T7/13 ,  G06T7/90 ,  H04N17/00

Abstract: 本发明公开了基于深浅层时空特征的屏幕内容视频质量评价方法及装置，涉及视频评价领域，方法包括：获取屏幕内容视频并从中提取视频块和关键帧，构建包含空间特征提取支路、时间特征提取支路、空域时域融合模块和质量回归模块的双支路屏幕内容视频质量评价模型；通过将关键帧输入空间特征提取支路获得空间特征，视频块输入时间特征提取支路获得时间特征，两者拼接后经由空域时域融合模块整合，最终通过质量回归模块输出视频质量分数。本发明通过构建并训练包含空间和时间特征提取支路的双支路屏幕内容视频质量评价模型，实现了对屏幕内容视频质量的有效评估。

公开(公告)号：CN119444804B

公开(公告)日：2025-04-29

申请号：CN202510037837.1

申请日：2025-01-10

Applicant: 华侨大学

Inventor： 陈龙涛 ,  廖国兴 ,  曾焕强 ,  朱建清 ,  黄德天 ,  黄诚惕 ,  傅玉青 ,  施一帆

IPC: G06T7/246 ,  G06T7/194 ,  G06V10/75 ,  G06V10/82 ,  G06V40/20

Abstract: 本发明涉及图像处理技术领域，提出了一种基于动态自适应和强化特征的多目标跟踪分割方法及系统，方法包括前处理步骤、外观代价计算步骤、预匹配步骤、运动代价计算步骤、正式匹配步骤、后处理步骤、重复步骤和可视化步骤。该方法通过具有动态自适应的数据关联对目标特征进行细化整合，以及利用基于掩码的注意力机制和基于四三角形变的掩码预测分别强化目标外观特征和运动信息，以能够在保持高跟踪精度的同时，实现快速运算和低成本运行，适用于更广泛的应用场景。

公开(公告)号：CN119477922A

公开(公告)日：2025-02-18

申请号：CN202510067481.6

申请日：2025-01-16

Applicant: 华侨大学

Inventor： 郑锦杰 ,  陈龙涛 ,  曾焕强 ,  黄诚惕 ,  傅玉青 ,  黄德天 ,  廖国兴

IPC: G06T7/00 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/096 ,  G06V10/44 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提供掩模与语义协同优化扩散模型的石材表面瑕疵检测方法，属于瑕疵检测领域，包括：获取数据集；将输入图片输入编码器以得到输入表征，对输入表征进行高斯噪声向前扩散得到全噪声表征；将各输入表征与掩模图片点乘后输入掩模引导的知识提炼网络以生成掩模表征；将输入表征输入含多维特征金字塔的语义引导增强网络以得到语义表征；将全噪声表征、掩膜表征和语义表征进行拼接后，进行反向扩散以逐步去除噪声，并解码生成重建图片；将输入图片及其对应的重建图片均输入特征提取网络，进而计算得到异常得分；根据异常得分进行排序并形成异常得分列表，将异常得分列表对应的输入图片的热力图反馈至用户。本发明能够有效提升对瑕疵的检测精度。

公开(公告)号：CN119006292B

公开(公告)日：2025-02-14

申请号：CN202411484614.1

申请日：2024-10-23

Applicant: 华侨大学

Inventor： 宋佳讯 ,  黄德天 ,  黄小茜 ,  阮淼华 ,  王一凡 ,  舒泊智 ,  董雨昕 ,  黄静

IPC: G06T3/4076 ,  G06N3/0455 ,  G06N3/0464 ,  G06T3/4046 ,  G06T5/60 ,  G06T5/77

Abstract: 本发明公开了一种基于稳定扩散模型的快速人脸图像超分辨率方法及系统，涉及图像超分辨技术领域，方法包括以下步骤：构建基于稳定扩散模型的人脸图像超分辨率模型，包括稳定扩散模型、引导提取模块和引导注入模块，引导提取模块根据输入的人脸低分辨率图像生成视觉引导和文本引导，引导注入模块将视觉引导和文本引导注入到稳定扩散模型，稳定扩散模型基于视觉引导和文本引导生成复原图像作为人脸高分辨率图像；对人脸图像超分辨率模型进行训练；利用训练好的人脸图像超分辨率模型实现快速人脸图像超分辨率。本发明结合视觉引导和文本引导来微调稳定扩散模型，不仅可以大幅提升人脸图像的真实性并保持相当的一致性，并且加快了复原速度。

公开(公告)号：CN118918009A

公开(公告)日：2024-11-08

申请号：CN202411413946.0

申请日：2024-10-11

Applicant: 华侨大学

Inventor： 阮淼华 ,  黄德天 ,  王一凡 ,  黄静 ,  郭耀辉 ,  宋佳讯 ,  林明昕 ,  刘航

IPC: G06T3/4053 ,  G06N3/0455 ,  G06N3/0464 ,  G06T5/60 ,  G06T5/70 ,  G06V10/764 ,  G06V10/80

Abstract: 本发明公开了一种基于稳定扩散的真实世界图像超分辨率方法，涉及图像超分辨率技术领域，具体通过构建并训练增强先验引导扩散模型实现；所述增强先验引导扩散模型实现真实世界图像超分辨率的过程为：预处理模块根据低分辨率图像生成预处理图像，分割模块根据预处理图像生成对应的分割掩码图像，注意力融合模块根据预处理图像和分割掩码图像的潜在特征生成融合潜在特征；语义提示提取器从预处理图像提取高质量语义提示词输入去噪主干网络；控制网络基于融合潜在特征对去噪主干网络进行特征调制；去噪主干网络输出高分辨率图像。本发明在真实世界图像超分辨率任务上更注重图像高频细节和结构层次，保证了复原图像的真实性与一致性。

公开(公告)号：CN118247180B

公开(公告)日：2024-09-24

申请号：CN202410661695.1

申请日：2024-05-27

Applicant: 华侨大学

Inventor： 郭耀辉 ,  黄炜杰 ,  夏宇 ,  宋佳讯 ,  阮淼华 ,  黄小茜 ,  黄德天

IPC: G06T5/77 ,  G06N20/00 ,  G06T5/50 ,  G06T5/70

Abstract: 本发明设计图像修复技术领域，公开了一种基于流形约束扩散模型的人脸图像复原方法及系统，方法包括以下步骤：S1，制作数据集并利用数据集预训练一个基础扩散模型；S2，构建受流形约束启发的额外校正项并添加到基础扩散模型，构建语义扩散引导统一框架并添加到基础扩散模型，获得人脸图像复原模型；S3，输入待复原人脸图像和引导信息到人脸图像复原模型，生成复原人脸图像。本发明基于扩散概率模型（DDPM）反向生成过程设计了一个受流形约束（Manifold Constrained）启发的额外校正项并引入语义扩散引导（Semantic Diffusion Guidance）框架控制生成过程，与之前的求解器协同使用，综合考虑了复原图像的正确性、真实性、一致性问题。

公开(公告)号：CN118279178B

公开(公告)日：2024-09-13

申请号：CN202410675877.4

申请日：2024-05-29

Applicant: 华侨大学

Inventor： 宋佳讯 ,  黄德天 ,  黄小茜 ,  郭耀辉 ,  阮淼华 ,  黄静 ,  舒泊智 ,  王一凡

IPC: G06T5/70 ,  G06N20/00 ,  G06T3/08 ,  G06T5/77 ,  G06V10/74 ,  G06F17/13

Abstract: 本发明公开了一种基于扩散生成模型的快速人脸图像复原方法及系统，涉及图像复原领域，方法包括以下步骤：制作数据集与选择预训练模型，以获得预训练扩散生成模型；基于预训练扩散生成模型获得快速人脸图像复原模型；利用快速人脸图像复原模型实现对于失真人脸图像的快速复原；所述基于预训练扩散生成模型获得快速人脸图像复原模型，包括：在预训练扩散生成模型的前向加噪模块中添加普罗米修斯随机微分方程，以及在预训练扩散生成模型的反向去噪模块中添加条件引导投影。本发明不仅可以实现复原图像真实性与一致性的保障，而且能大幅度缩短图像复原所需要的时间。

公开(公告)号：CN117671135A

公开(公告)日：2024-03-08

申请号：CN202311512308.X

申请日：2023-11-14

Applicant: 华侨大学

Inventor： 朱显丞 ,  黄德天 ,  曾焕强 ,  范宇凌 ,  施一帆 ,  陈龙涛

IPC: G06T17/00 ,  G06N3/0455 ,  G06N3/0464 ,  G06T3/4053 ,  G06T7/13 ,  G06V10/40

Abstract: 本发明公开了一种基于稀疏再聚焦的高分辨率人脸图像重建方法，涉及图像处理技术领域，包括：利用卷积核为3×3的第一卷积层提取输入的低分辨率人脸图像的浅层特征；基于三个依次连接的组件特征提取网络提取组件特征；其中，第一个组件特征提取网络的输入与第一卷积层的输出相连接；基于三个依次连接的组件生成模块生成高分辨率组件图；其中，每个组件生成模块的输入与一个组件特征提取网络的输出相连接；利用逐像素相加合并高分辨率组件图，生成重建的高分辨率人脸图像。本发明能够有效抑制冗余特征并强调关键特征，实现高效的特征提取；根据图像组件的复杂度分而治之地重建组件并合并，能够降低高频细节的重建难度并复原高分辨率人脸图像。

公开(公告)号：CN117218005A

公开(公告)日：2023-12-12

申请号：CN202311476526.2

申请日：2023-11-08

Applicant: 华侨大学

Inventor： 朱显丞 ,  黄德天 ,  于耀博 ,  李肖蕊 ,  曾焕强

IPC: G06T3/40 ,  G06V10/40 ,  G06T5/00 ,  G06V10/764

Abstract: 本发明涉及图像超分辨率的技术领域，公开了一种基于全距离特征聚合的单帧图像超分辨率方法及系统，包括以下步骤：利用通道上采样卷积层，将输入的低分辨率图像转换为通道数为C的浅层特征图；对浅层特征图进行短距离、中距离和长距离的特征提取，并聚合成为全距离特征图；利用基于亚像素卷积的通道下采样卷积层，将全距离特征图的通道数由C下采样至输入的低分辨率图像的通道数。本发明提供的超分辨率方法克服了原有经典超分辨率模型提取的特征信息尺度单一的问题，充分利用多尺度特征信息以复原精细的细节，同时抑制冗余噪声对图像重建的干扰。

公开(公告)号：CN116796814A

公开(公告)日：2023-09-22

申请号：CN202310767100.6

申请日：2023-06-27

Applicant: 华侨大学

Inventor： 黄德天 ,  吴娇绿 ,  黄小茜 ,  曾焕强 ,  朱建清 ,  陈婧 ,  施一帆

IPC: G06N3/063 ,  G06N3/092 ,  G06F9/54

Abstract: 本发明公开了一种基于多池优先经验回放的强化学习网络训练方法及装置，构建基于经验回放池和共享池的多池框架；将每个智能体对应的经验回放池中的样本按照采样概率采样至共享缓冲区中，将共享缓冲区中样本放入共享池中，将每个智能体从共享池中抽取的样本存放在各自的缓冲区中；在共享池中采用K‑means算法进行聚类，得到聚类结果，以对共享池中的样本进行清理；对强化学习网络分阶段进行训练，在不同的阶段智能体分别从其对应的经验回放池或者缓冲区中抽取样本进行学习，对经验回放池和共享池中样本的TD误差进行更新，并根据更新后的TD误差对共享池中的样本进行清理；重复交叉执行以上若干步骤，使智能体在环境异步环境下更好的探索最优策略。