-
公开(公告)号：CN110610509B
公开(公告)日：2023-07-21
申请号：CN201910881566.2
申请日：2019-09-18
Applicant: 上海大学
Abstract: 一种可指定类别的优化抠图方法及系统，采用多类别预测的语义分割网络生成待测图像的不同类别前景的三元图，通过连通域计算可快速获得图片中某一类别的三元图，再采用抠图网络根据选定类别的三元图和待测图像进行精细化抠图，得到优化质量的alpha图。本发明能够自动提取图像中指定类别的前景部分，生成符合各种场景要求的透明底图，可以帮助提升后期图像处理效率，也可帮助市场营销人员用于生成海报等市场营销资料，有效提升商品转化率，减少人工成本。
-
Patent Agency Ranking
公开(公告)号：CN111242213B
公开(公告)日：2023-07-25
申请号：CN202010030106.1
申请日：2020-01-13
Applicant: 上海大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 一种无标签的自动人脸属性编辑方法，采用人脸数据集对基于卷积神经网络的对抗网络生成器及其对应的鉴别器进行初步训练，然后以经人脸数据集训练后的分类器生成编辑标签，并与人脸数据集中的原始人脸图像合并后输入初步训练后的对抗网络生成器及其鉴别器实现网络微调，从而得到属性编辑后的图像。本发明基于深度学习中的鉴别器预测人脸图像的属性，可以同时进行图像属性的编辑和识别且无需对原图进行标签标注，适用于身份验证领域如识破罪犯的伪装、寻找走失儿童等，也可用于日常生活中的人像修整。
-
公开(公告)号：CN110728220A
公开(公告)日：2020-01-24
申请号：CN201910937319.X
申请日：2019-09-30
Applicant: 上海大学
Abstract: 本发明公开了一种基于人体动作骨骼信息的体操辅助训练方法，采用光学动作捕捉系统获取专业人士和学习者所做的体操动作骨骼数据，以序列的形式存储，专业人士数据作为参考序列，建立参考数据库；再通过学习者的动作骨架信息和参考动作骨架信息进行对比，得到动作相似性和错误姿势。本发明方法能快速识别人体关节部位的动作信息，实时进行动作评价和体操训练反馈，能对体操学习者的动作进行科学可观的评价，发现动作的问题，找到纠正错误姿势、优化提升动作标准和得出改进的方向，对体操学习者的动作加以评价以及指导，提高学习者的体操学习效果。本发明提出的方法具有一定的工程应用价值。
-
公开(公告)号：CN110610509A
公开(公告)日：2019-12-24
申请号：CN201910881566.2
申请日：2019-09-18
Applicant: 上海大学
Abstract: 一种可指定类别的优化抠图方法及系统，采用多类别预测的语义分割网络生成待测图像的不同类别前景的三元图，通过连通域计算可快速获得图片中某一类别的三元图，再采用抠图网络根据选定类别的三元图和待测图像进行精细化抠图，得到优化质量的alpha图。本发明能够自动提取图像中指定类别的前景部分，生成符合各种场景要求的透明底图，可以帮助提升后期图像处理效率，也可帮助市场营销人员用于生成海报等市场营销资料，有效提升商品转化率，减少人工成本。
-
公开(公告)号：CN111242213A
公开(公告)日：2020-06-05
申请号：CN202010030106.1
申请日：2020-01-13
Applicant: 上海大学
Abstract: 一种无标签的自动人脸属性编辑方法，采用人脸数据集对基于卷积神经网络的对抗网络生成器及其对应的鉴别器进行初步训练，然后以经人脸数据集训练后的分类器生成编辑标签，并与人脸数据集中的原始人脸图像合并后输入初步训练后的对抗网络生成器及其鉴别器实现网络微调，从而得到属性编辑后的图像。本发明基于深度学习中的鉴别器预测人脸图像的属性，可以同时进行图像属性的编辑和识别且无需对原图进行标签标注，适用于身份验证领域如识破罪犯的伪装、寻找走失儿童等，也可用于日常生活中的人像修整。
-
公开(公告)号：CN110533615A
公开(公告)日：2019-12-03
申请号：CN201910810872.7
申请日：2019-08-30
Applicant: 上海大学
Abstract: 本发明涉及一种基于生成对抗网络的老电影大面积破损修复方法，该方法针对老电影大面积破损设计了一种修复方法，包括三个步骤：（1）对待修复老电影进行预处理，标记破损帧掩膜；（2）将老电影中未破损序列输入生成对抗网络，进行深度网络模型训练；（3）将老电影中破损序列输入步骤2所训练的网络模型，最终输出修复结果。本方法所设计生成对抗网络的生成网络采用逐帧修复的方式，接收破损帧和已修复帧为输入，判别网络对抗式地判别生成网络输出结果的真假，通过多损失联合的目标函数实现网络的训练。该方法相较现有方法在修复质量和效率方面都有一定的提高，具有工程应用价值。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
