-
公开(公告)号：CN118840476A
公开(公告)日：2024-10-25
申请号：CN202311275553.3
申请日：2023-09-28
Applicant: 中国移动通信有限公司研究院 , 北京邮电大学 , 中国移动通信集团有限公司
IPC: G06T17/00 , G06T15/04 , G06T3/4038 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种三维人脸重建方法、装置、设备及介质，涉及人工智能技术领域。其中，三维人脸重建方法包括：获取目标二维图像；将目标二维图像输入至训练完成的人脸重建模型中进行处理，获取人脸重建模型输出的基础三维人脸模型、第一纹理图和第一形状图；将第一纹理图和第一形状图进行融合处理，得到第二纹理图；将第一纹理图和第二纹理图经过上采样后进行拼接处理后输入至训练完成的细化纹理模型中进行处理，获取细化纹理模型输出的纹理三维人脸模型；其中，细化纹理模型包括卷积采样编码层和反卷积采样解码层，卷积采样编码层和反卷积采样解码层跳层连接。本发明能够提高三维人脸重建的精度，丰富三维人脸重建的细节。
-
公开(公告)号：CN118535025A
公开(公告)日：2024-08-23
申请号：CN202310177790.X
申请日：2023-02-23
Applicant: 中国移动通信有限公司研究院 , 北京邮电大学 , 中国移动通信集团有限公司
Abstract: 本申请提供一种表情驱动方法、装置、可读存储介质及电子设备，其中，方法包括获取当前表情图像；将当前表情图像输入第一模型，获得当前表情图像的第一坐标集，并将当前表情图像输入第二模型，获得当前表情图像的第二坐标集，第一坐标集与第二坐标集在当前表情图像对应的目标对象相同；根据第一坐标集和第二坐标集，确定第三坐标集；根据第三坐标集，执行表情驱动；其中，第一模型为基于融合变形驱动预先设置的模型，第二模型为基于骨骼驱动预先设置的模型。本申请实施例提供的表情驱动方法提高了表情驱动方法对变化幅度较大的表情的表示效果。
-
公开(公告)号：CN112836788B
公开(公告)日：2022-12-27
申请号：CN202011519173.6
申请日：2020-12-21
Applicant: 中国电子科技集团公司第二十七研究所 , 北京邮电大学
IPC: G06N3/04 , G06N3/08 , H04B17/345
Abstract: 本发明公开了用于干扰类型识别的低功耗深度学习网络方法，包括以下步骤：采用蒙特卡洛方法，随机生成N个符号进行调制，生成干扰信号和高斯白噪声，通过加性干扰的方式，把干扰信号和高斯白噪声加入调制信号中，得到训练样本；神经网络模块的构建，共五层网络结构：训练分类；利用训练完毕的神经网络模型对输入样本进行特征提取和类型判决。本发明使用1x1卷积对上一层的卷积输出进行降维，以此缩小数据尺寸，并且通过卷积分解的方式将1x8大卷积分解为两个1x3小卷积，以此降低了参数量，然后将两个1x3卷积排列至同一层网络上，拓宽该层网络宽度，减小了网络深度，在网络精度不损失的情况下，进一步减小了网络的参数量，降低网络功耗。
-
Patent Agency Ranking
公开(公告)号：CN110830435A
公开(公告)日：2020-02-21
申请号：CN201910797894.4
申请日：2019-08-27
Applicant: 国家电网有限公司信息通信分公司 , 北京邮电大学
Abstract: 本发明提出了一种网络流量时空特征提取和异常检测的方法及装置，其中，本发明的网络流量时空特征提取和异常检测的方法包括：S1)：基于历史网络流量数据建立网络模型；S2)：对所述网络模型进行压缩以建立压缩后的模型；S3)：基于所述压缩后的模型对网络流量数据提取特征并进行异常检测。
-
公开(公告)号：CN106650778A
公开(公告)日：2017-05-10
申请号：CN201610900207.3
申请日：2016-10-14
Applicant: 北京邮电大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/622
Abstract: 一种词袋模型优化和图像识别的方法及装置，其中，所述图像识别方法，包括：获取待测试图像的局部特征向量；将所述局部特征向量输入到利用词袋模型优化方法优化后的词袋模型中；根据所述词袋模型中的聚类词汇以及所述聚类词汇的权重，计算所述测试图像在每一个词袋模型中的编码残差；将所述多个词袋模型的所述编码残差进行排序，根据所述编码残差的大小，判断所述待测试图像的类别，本方法不需要大量训练样本图像就能获得很好的识别准确率，同时解决了大部分图像识别模型扩展能力差的问题。
-
公开(公告)号：CN112836788A
公开(公告)日：2021-05-25
申请号：CN202011519173.6
申请日：2020-12-21
Applicant: 中国电子科技集团公司第二十七研究所 , 北京邮电大学
IPC: G06N3/04 , G06N3/08 , H04B17/345
Abstract: 本发明公开了用于干扰类型识别的低功耗深度学习网络方法，包括以下步骤：采用蒙特卡洛方法，随机生成N个符号进行调制，生成干扰信号和高斯白噪声，通过加性干扰的方式，把干扰信号和高斯白噪声加入调制信号中，得到训练样本；神经网络模块的构建，共五层网络结构：训练分类；利用训练完毕的神经网络模型对输入样本进行特征提取和类型判决。本发明使用1x1卷积对上一层的卷积输出进行降维，以此缩小数据尺寸，并且通过卷积分解的方式将1x8大卷积分解为两个1x3小卷积，以此降低了参数量，然后将两个1x3卷积排列至同一层网络上，拓宽该层网络宽度，减小了网络深度，在网络精度不损失的情况下，进一步减小了网络的参数量，降低网络功耗。
-
公开(公告)号：CN106650778B
公开(公告)日：2019-08-06
申请号：CN201610900207.3
申请日：2016-10-14
Applicant: 北京邮电大学
IPC: G06K9/62
Abstract: 一种词袋模型优化和图像识别的方法及装置，其中，所述图像识别方法，包括：获取待测试图像的局部特征向量；将所述局部特征向量输入到利用词袋模型优化方法优化后的词袋模型中；根据所述词袋模型中的聚类词汇以及所述聚类词汇的权重，计算所述测试图像在每一个词袋模型中的编码残差；将所述多个词袋模型的所述编码残差进行排序，根据所述编码残差的大小，判断所述待测试图像的类别，本方法不需要大量训练样本图像就能获得很好的识别准确率，同时解决了大部分图像识别模型扩展能力差的问题。
-
公开(公告)号：CN115760624A
公开(公告)日：2023-03-07
申请号：CN202211460510.8
申请日：2022-11-17
Applicant: 北京邮电大学
IPC: G06T5/00 , G06T5/50 , G06V40/16 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/08
Abstract: 本发明提供了一种人脸图像祛斑方法、装置、设备及介质。其中，人脸图像祛斑方法，包括：获取初始面部图像；利用人脸斑点检测模型对初始面部图像进行斑点检测，得到第一斑点图像；利用面部修复模型对斑点图像进行修复，得到第二斑点图像；对第一斑点图像和第二斑点图像中相对应的点的像素值进行加权求和，得到第三斑点图像；将初始面部图像与第三斑点图像相结合，得到修复面部图像。通过本发明，解决了现有修复技术中出现的阴影或者条纹状问题，改善人脸图像修复效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.087 seconds)
