-
公开(公告)号：CN109862299B
公开(公告)日：2021-08-27
申请号：CN201711236795.6
申请日：2017-11-30
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
IPC: H04N7/01
Abstract: 本申请提供一种分辨率的处理方法及装置，该方法包括：获取待处理的目标低分辨率视频数据，采用训练好的目标时空循环残差卷积网络将目标低分辨率视频数据转换成目标高分辨率视频数据。实现了端对端地学习如何对帧内和帧间相关性同时进行建模，采用联合空间‑时间残差学习方式，预测高清视频的时间残差，促进对空间残差和视频帧的预测。通过嵌入时间残差预测，能够对高分辨率视频多帧之间的运动上下文进行隐含建模，同时具有较低的计算复杂度。
-
公开(公告)号：CN110232392B
公开(公告)日：2021-08-17
申请号：CN201810178131.7
申请日：2018-03-05
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: G06K9/62
Abstract: 本发明提出了一种视觉优化方法、视觉优化系统、计算机设备和计算机可读存储介质。其中，视觉优化方法包括：获取完成预训练的预设卷积神经网络以及预设问题的感知损失函数；根据预设问题的感知损失函数和预设卷积神经网络中预设层数对应的感知损失函数训练得出与预设层数对应的多个模型；根据预设指标评估多个模型；根据评估结果和预设指数权重规则获得多个模型中每个模型的权重；根据每个模型的权重和预设层数对应的感知损失函数获取优化的感知损失函数。本发明充分利用并整合了预训练好的网络从低层到高层，从局部到整体的语义信息，同时具有理论保障，实现了准确细微地指导两张图片的相似性。
-
公开(公告)号：CN113259676A
公开(公告)日：2021-08-13
申请号：CN202010084834.0
申请日：2020-02-10
Applicant: 北京大学
IPC: H04N19/182 , H04N19/124 , H04N19/42 , G06T9/00 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于深度学习的图像压缩方法和装置，主要用于图像的编码压缩，即将原始图像信号，利用其冗余性，压缩编码成二进制码流，并且尽可能地使得原本的图像信号在解码时得以还原重建。本发明基于卷积神经网络，使用多尺度超先验结构，充分利用超先验表示信息进行重建，实现了全可并行网络结构，可以有效地提高图像压缩性能，尤其是针对高分辨率图像有明显优化。
-
公开(公告)号：CN112785523A
公开(公告)日：2021-05-11
申请号：CN202110088761.7
申请日：2021-01-22
Applicant: 北京大学
Abstract: 本发明公开了一种子带网络桥接的半监督图像去雨方法及装置，通过深度学习来进行雨天图像的半监督学习，提出了一种递归频带表示来连接无监督和全监督框架。本文提取出一系列由粗到精的频带表示，并通过递归的端到端学习进行增强，进行雨痕去除和细节修正。在感知质量引导的对抗学习下，使用深度频带表示进行重构，生成最终的复原结果。本发明提取出一系列由粗到精的频带表示，并通过递归的端到端学习进行增强，进行雨痕去除和细节修正，提出了一种递归频带表示来连接无监督和全监督框架。
-
公开(公告)号：CN112634178A
公开(公告)日：2021-04-09
申请号：CN202110041992.2
申请日：2021-01-13
Applicant: 北京大学
Abstract: 本发明公开了一种基于双向时域一致的视频去雨方法与装置。本方法为：1)收集雨天视频数据并将其划分为多个片段；2)搭建去雨模型并进行训练，模型包括由外至内去雨网络和由内至外预测网络；其中，对于每一片段，第一阶段：由内向外去雨网络首先分别估计该训练样本中间一帧的前后相邻帧到该帧的光流，并基于光流对相邻帧的运动补偿结果计算当前帧的粗去雨结果；再根据补偿结果以及粗去雨结果计算当前帧的精细去雨结果；第二阶段：由内向外预测网络利用光流和当前帧的精细去雨结果预测当前帧的相邻帧，并对相邻帧的预测结果和其真实值之间施加一致性约束，构成时序一致损失函数；3)利用训练后的模型对视频进行去雨，获得去雨后的视频。
-
Patent Agency Ranking
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：CN110232658A
公开(公告)日：2019-09-13
申请号：CN201810178126.6
申请日：2018-03-05
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
Abstract: 本发明提供了一种图像去雨方法、系统、计算机设备及介质。其中，一种图像去雨方法，包括：选取多张覆盖雨信号的图像及其对应的真实去雨图像作为训练集；在训练集上对总损失函数进行训练，获得具有对偶判别器的生成式对抗网络；采用生成式对抗网络中的生成器对真实雨图进行去雨，生成对应的去雨图。本发明在训练网络的时候，使用一对对偶判别器分别鉴别网络生成的去雨图和雨信号是否真实，从而训练出具有良好去雨能力的网络，使得网络生成的图片对应的残差变得纯净，有效帮助网络去掉雨信号，保留原始图片的细节。
-
公开(公告)号：CN106558018B
公开(公告)日：2019-08-06
申请号：CN201510621555.2
申请日：2015-09-25
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: G06T3/40
Abstract: 本发明公开一种基于构件分解的视频人脸幻构方法及装置，能够提高低分辨率人脸视频的人脸幻构的性能。所述方法包括：对于待进行人脸幻构的低分辨率人脸视频的每一帧图像，将该帧图像中的人脸部分按照人脸结构进行分解，并将分解得到的各个人脸部分分割成图像块；对于分割得到的每一个图像块，从预设的图像块库中获取该图像块的预设数量个最近邻图像块；对于所述低分辨率人脸视频的每一帧图像，利用所述最近邻图像块，采用基于局部约束的邻域嵌入的方法重建该帧图像分割得到的所述图像块，得到高分辨率图像块，通过将所述高分辨率图像块合并得到目标高分辨率图像；将各个目标高分辨率图像进行合并，得到目标高分辨率人脸视频。
-
公开(公告)号：CN105447824B
公开(公告)日：2018-05-15
申请号：CN201410426198.X
申请日：2014-08-26
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: 本发明实施例提供一种图像处理方法及装置。该方法包括：依据图片集生成通用字典，将图片集分成显著训练集和边缘训练集，依据显著训练集生成显著字典，依据所述边缘训练集生成边缘字典，所述图片集包括同一物体的多张图片；将所述同一物体的待处理图像分成显著区域、边缘区域和剩余区域；依据所述显著区域与所述显著字典生成高分辨率显著区域，依据所述边缘区域与所述边缘字典生成高分辨率边缘区域，依据所述剩余区域与所述通用字典生成高分辨率剩余区域，且所述高分辨率显著区域、所述高分辨率边缘区域和所述高分辨率剩余区域构成目标高分辨率图像。本发明实施例对图片的各个区域都进行了相应的高分辨率处理，使得处理后的图片的分辨率显著提高。
-
公开(公告)号：CN107464273A
公开(公告)日：2017-12-12
申请号：CN201610390891.5
申请日：2016-06-02
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: G06T11/40
CPC classification number: G06T11/40
Abstract: 本发明实施例提供一种图像风格刷的实现方法与装置。该方法包括根据输入图与参考图之间的稠密对应，获取输入图与参考图的匹配对应点；根据匹配对应点，确定输入图的第一超像素集合和参考图的第二超像素集合，并进一步确定超像素二部图；对超像素二部图进行二部图匹配，确定输入图的第一超像素集合与参考图的第二超像素集合中相互匹配的超像素对；根据第一颜色空间和所述超像素对，对输入图的超像素进行颜色转换，得到结果图。通过根据参考图具备的多种风格元素，对输入图进行风格转换，得到结果图，实现将参考图中包含的多种风格元素直接、全部转换至输入图上，改变输入图的颜色、灰度、对比度相关的视觉效果，从而使得结果图具有参考图的风格。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.028 seconds)
