-
公开(公告)号：CN112446247A
公开(公告)日：2021-03-05
申请号：CN201910813847.4
申请日：2019-08-30
Applicant: 北京大学
Abstract: 本发明公开了一种基于多特征融合的低光照人脸检测方法及低光照人脸检测网络。本方法为：1)对于一待处理的低光照图片x，使用提亮分支的编码器来对其进行降采样操作，提取不同尺度卷积层的输出作为该图片x的多尺度特征Fx'，再使用提亮分支的解码器利用多尺度特征Fx'重建出一张提亮后的图片 2)使用特征提取网络提取该图片的多尺度特征3)使用空洞卷积层分别对所述多尺度特征Fx'和多尺度特征进行增强，分别得到Fx和 并将Fx和融合得到特征Fc，根据特征Fc预测得到图片x中的人脸区域包围框和对应置信度。本发明大大优化了低光照领域的人脸检测结果。
-
公开(公告)号：CN110097615B
公开(公告)日：2021-01-19
申请号：CN201811487971.8
申请日：2018-12-06
Applicant: 北京大学
IPC: G06T11/60 , G06T11/40 , G06F40/109 , G06F40/126
Abstract: 本发明为一种联合风格化和去风格化的艺术字编辑方法和系统，属于图像纹理合成技术领域。该方法的步骤包括：构造字形编码器，字形解码器，字效编码器，字效解码器，字形判别器和字效判别器，组成联合网络结构。在训练阶段，对网络从字形编解码，艺术字图片去风格化和文字图片风格化三个方面进行训练。在测试阶段，网络可以完成三个任务：去风格化，即输入艺术字图片，得到对应的文字图片；风格化，即输入参考艺术字图片和目标文字图片，得到对应的艺术字图片；风格创造：使用字效编码器对多种参考字效编码，对编码结果进行加权平均，解码后得到全新的字效。本发明通过联合考虑字形编解码、风格化和去风格化，能够生成高质量的艺术字图片。
-
公开(公告)号：CN112069769A
公开(公告)日：2020-12-11
申请号：CN201910440039.8
申请日：2019-05-24
Applicant: 北京大学
IPC: G06F40/109
Abstract: 本发明提出一种针对特效字的智能字效迁移方法，包括以下步骤：利用训练数据集，训练遮罩提取子网络进行装饰元素遮罩的提取，训练基础特效迁移子网络进行基础文字特效迁移；将带有装饰元素的特效字Dy和其配对字形图片Cy到训练好的遮罩提取子网络中，得到装饰元素遮罩My；将Dy及其配对字形图片Cy、目标字形图片Cx输入到训练好的基础特效迁移子网络中，得到基础特效迁移和装饰元素消除的结果Sx；利用My，Cy和Cx进行元素重组，将装饰元素融合在Sx上，得到目标字形对应的迁移后的带有装饰元素的特效字Dx。本方法能够在迁移文字特效的同时迁移其装饰元素，且不会导致装饰元素的丢失和扭曲。
-
公开(公告)号：CN112019854A
公开(公告)日：2020-12-01
申请号：CN201910450808.2
申请日：2019-05-28
Applicant: 北京大学
IPC: H04N19/176 , H04N19/149 , H04N19/30 , H04N19/96 , H04N19/82
Abstract: 本发明为一种基于深度学习神经网络的环路滤波方法，利用了视频编码中块划分树的信息，进一步提升视频恢复质量。与传统的视频编码器内采用了手工设计的去块效应模块以及样点自适应补偿模块不同，本发明利用了深度卷积神经网络在大量训练数据集上进行学习，从而更准确地学习到从低质量视频到高质量视频的非线性映射。本发明为块与块间增加了连接，从而可以传递未被压缩的特征信息。此外，本发明还利用了视频编码器提供的块划分树中的多层块划分信息，生成多层编码单元均值图，进一步辅助神经网络更好地消除块效应。
-
公开(公告)号：CN110324635A
公开(公告)日：2019-10-11
申请号：CN201810294119.2
申请日：2018-03-30
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: H04N19/523 , H04N19/59
Abstract: 本发明提供了一种分像素插值方法、系统、计算机设备和介质。其中，一种分像素插值方法，包括：对训练集中的每一张原始图像进行处理，得到整像素块和分像素块；将整像素块前向传播到卷积神经网络，得到分像素块的预测值；计算分像素块的预测值与分像素块的均方差；将均方差反向传播到卷积神经网络，以更新卷积神经网络各层的权值，循环迭代直至卷积神经网络收敛，得到分像素插值网络。通过本发明的技术方案，实现了通过单一网络即可插值出属于不同分像素位的参考块，并使得视频压缩的性能得到提升。
-
Patent Agency Ranking
公开(公告)号：CN110097615A
公开(公告)日：2019-08-06
申请号：CN201811487971.8
申请日：2018-12-06
Applicant: 北京大学
Abstract: 本发明为一种联合风格化和去风格化的艺术字编辑方法和系统，属于图像纹理合成技术领域。该方法的步骤包括：构造字形编码器，字形解码器，字效编码器，字效解码器，字形判别器和字效判别器，组成联合网络结构。在训练阶段，对网络从字形编解码，艺术字图片去风格化和文字图片风格化三个方面进行训练。在测试阶段，网络可以完成三个任务：去风格化，即输入艺术字图片，得到对应的文字图片；风格化，即输入参考艺术字图片和目标文字图片，得到对应的艺术字图片；风格创造：使用字效编码器对多种参考字效编码，对编码结果进行加权平均，解码后得到全新的字效。本发明通过联合考虑字形编解码、风格化和去风格化，能够生成高质量的艺术字图片。
-
公开(公告)号：CN106327422B
公开(公告)日：2019-05-07
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
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：CN106296567B
公开(公告)日：2019-05-07
申请号：CN201510272143.2
申请日：2015-05-25
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
Abstract: 本发明公开了一种基于稀疏表示的多层次图像风格的转换方法及装置，该方法包括：将待转换的彩色图像转换成第一灰度图像，通过提取第一灰度图像和目标风格图像的边缘特征重建第一灰度图像的结构层作为第二灰度图像和纹理层作为第三灰度图像，获取彩色图像中的显著区域和非显著区域，在显著区域和非显著区域采用不同的权值融合第二灰度图像和第三灰度图像得到第四灰度图像，根据目标风格图像调整所述第四灰度图像的饱和对比度，获得与目标风格图像风格相同的彩色图像。该方法不仅保留了待转换图像的结构特征，也增添了目标风格图像的纹理特征，实现了通过一张目标风格图像就可以完成待转换图像的风格转换，展示了良好的视觉效果。
-
公开(公告)号：CN105761213B
公开(公告)日：2019-02-26
申请号：CN201410784530.X
申请日：2014-12-16
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修补方法和图像修补装置，其中，所述图像修补方法，包括：确定待修补图像中包含有缺失像素的至少一个缺失块；针对所述至少一个缺失块中的每个缺失块，按照从所述每个缺失块的边缘到中心的顺序逐次修补所述每个缺失块内的缺失像素，以对所述待修补图像进行修补。通过本发明的技术方案，可以提高对缺失像素修补的准确性，有效地实现了对缺失像素的图像进行修补的目的。
-
公开(公告)号：CN105096299B
公开(公告)日：2019-02-26
申请号：CN201410193194.1
申请日：2014-05-08
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: 本发明提出了一种多边形检测方法和一种多边形检测装置，其中，多边形检测方法包括：获取输入图像的边缘图像；从所述边缘图像中提取出多条待选直线；将所述多条待选直线进行分组，每组包含n条边，并计算所述n条边的n个交点，将所述n个交点作为n边形的候选顶点；对所述输入图像进行角点检测，获取一组与所述角点相似度最大的候选顶点，以作为所述n边形的顶点。本发明在检测多边形时同时考虑直线和角点，能够对图像中的多边形进行准确检测，从而提高了检测目标多边形的准确性。
-
-
-
-
-
-
-
-
-
Search Results
201
records
(took 0.025 seconds)
