-
公开(公告)号：CN113537456B
公开(公告)日：2023-10-17
申请号：CN202110660867.X
申请日：2021-06-15
Applicant: 北京大学
IPC: G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/084 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种深度特征压缩方法，本发明构建并训练一压缩模型，该模型首先对神经网络提取的图像特征表示进行变换，产生变换后的紧凑表示，提取变换后的表示的超先验码流；超先验码流用于产生码本各个基元素的线性组合系数；码本从特征中学习获得；根据线性组合系数和对应的码本产生超先验概率估计，从而使用熵编码器进行熵编码，产生码流；码流通过熵解码和解码变换产生输出的特征表示。本发明能够对深度特征进行有效压缩，而且能够对多个任务特征进行协同压缩，重建时，对特征进行分离操作，分别产生对应不同任务的重建特征；本发明还能够支持训练时未见的新任务。
-
公开(公告)号：CN113132727B
公开(公告)日：2022-07-22
申请号：CN201911393847.X
申请日：2019-12-30
Applicant: 北京大学
IPC: H04N19/124 , H04N19/172 , H04N19/42 , H04N19/44 , H04N19/70 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图像生成的可伸缩机器视觉编码方法，其步骤包括：构建一运动引导图像生成网络；训练神经网络：每次迭代时，从视频序列中选取关键帧与待编码帧及对应的关键点数据并输入网络，计算出关键帧和待编码帧的关键点；根据关键帧与待编码帧的关键点差别进行运动估计；根据估计所得运动以及关键帧获得待编码帧的重建帧；计算关键点位置的预测结果与关键点实际位置之间的预测误差以及计算待编码帧与其重建帧的重建误差，并将其反向传播到网络直到网络收敛；编码阶段：将待处理视频序列的每一帧输入训练后的运动引导图像生成网络，计算每一帧中的关键点的位置信息并进行量化压缩；解码阶段根据码流和任务进行图像重建。
-
公开(公告)号：CN110796607B
公开(公告)日：2022-07-22
申请号：CN201810876683.5
申请日：2018-08-03
Applicant: 北京大学
Abstract: 本发明公开了一种基于视网膜大脑皮层理论的深度学习低光照图像增强方法，其步骤包括：通过一个分解网络将待提亮低光照图片分解成本质和光照，在本质上进行噪声去除，将光照和本质输入一个提亮网络得到提亮后的光照，将提亮后的光照和去除噪声后的本质相乘得到最后的正常光照图片。本发明能够端对端地学习提亮低光照图像，通过机器学习方法能够取得更为精确的光照本质分解和更自然适用范围更广的提亮结果。
-
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：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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN109255756A
公开(公告)日：2019-01-22
申请号：CN201710576592.5
申请日：2017-07-14
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: 本发明提供一种低光照图像的增强方法及装置，该方法包括：计算原图像至少一个通道图像的增强梯度；建立关于至少一个通道图像的求解亮度分量和反射分量的目标函数；对至少一个通道图像的目标函数进行求解，以获得至少一个通道图像的亮度分量和反射分量；根据至少一个通道图像的亮度分量和反射分量计算至少一个通道增强后的图像；将各通道增强后的图像进行合成，或将某一通道增强后的图像与其他通道的原图像进行合成，以形成增强后的低光照图像。由于在目标函数中不在对数域上求解反射分量和亮度分量，所以有效抑制了图像中的噪声，并且在约束亮度分量的梯度时进行了1范数的约束，所以能够有效避免在图像增强的结果中产生光晕的现象。
-
公开(公告)号：CN107818545A
公开(公告)日：2018-03-20
申请号：CN201610819926.2
申请日：2016-09-12
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: 本发明提供一种图像处理方法及装置，包括：对第一图像采用插值算法得到第二图像；确定以每个插值像素点为中心的第一局部窗口和第二局部窗口，并在第二图像中选择与第二局部窗口的相似度小于第一预设阈值的第三局部窗口；根据每个第三局部窗口的中心点与每个第三局部窗口中的每个参考点在第二局部窗口中选择N个第一参考点；确定以第一局部窗口中任一个非插值像素点为中心的第四局部窗口，在第四局部窗口中选择与N个第一参考点对应的N个第二参考点，根据N个第二参考点和第四局部窗口的中心点，确定N个第一参考点分别对应的权重系数；根据权重系数和第二局部窗口的N个第一参考点，更新第一局部窗口的中心点的像素值。从而提高图像处理效果。
-
公开(公告)号：CN105096247B
公开(公告)日：2018-02-06
申请号：CN201410195204.5
申请日：2014-05-09
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: 本发明提供一种图像插值方法和装置。该方法包括：对于待插值候选图像中每个原始像素点，根据所述原始像素点的灰度值以及所述原始像素点相邻区域内的其他所述原始像素点的灰度值计算获取与所述原始像素点对应的等照度线的等效位移系数；根据所述等效位移系数构建等照度线插值网格；根据预设的插值方法在所述等照度线插值网格内插入插值像素点，得到与所述待插值候选图像对应的插值结果候选图像。本发明提供的图像插值方法和装置，使得确定的等照度线的等效位移系数更准确，进而提高了图像插值的效果。
-
公开(公告)号：CN119513907A
公开(公告)日：2025-02-25
申请号：CN202411431127.9
申请日：2024-10-14
Applicant: 北京大学
Abstract: 本发明公开了一种特征隐私安全性度量方法、装置及存储介质，属于信息安全领域。本发明针对现有方法对未知攻击的防御能力有限，且依赖特定攻击实例的问题，通过预训练受害者模型，提取中间层特征并记录攻击成功概率；执行多种反演攻击并通过防御策略优化模型；构建合成数据集，训练预测模型以预测攻击成功概率；使用训练好的预测模型评估不同防御策略下特征的隐私安全性。本发明通过分析中间层特征的分布性质，能够预测模型在未知攻击环境下的抗攻击能力，提升隐私保护的全面性和泛化能力，适用于多种模型和攻击场景。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.028 seconds)
