-
公开(公告)号：CN118968158A
公开(公告)日：2024-11-15
申请号：CN202411021313.5
申请日：2024-07-29
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及了一种面向计算资源有限平台的高通量打包分拣对象识别方法、系统、设备及介质，方法包括：获取训练图像数据集；构建基于卷积和视觉变换器(ViT)的高通量打包分拣对象识别网络，该网络包括一个卷积嵌入模块，三个稀疏变换器(Transformer)模块，两个全局‑局部下采样模块，两个多层感知机MLP和一个分类器；利用物流分装打包对象图像数据集训练打包分拣对象识别网络，得到一个适用于计算资源有限平台的高通量打包分拣对象识别网络模型；采用高通量打包分拣对象网络模型对物流打包分拣图像进行处理，实现对打包分拣对象的识别；该方法可用于面向计算资源有限平台的高通量打包分拣对象识别任务。
-
公开(公告)号：CN113724340B
公开(公告)日：2024-10-29
申请号：CN202110779150.7
申请日：2021-07-09
Applicant: 北京工业大学
IPC: G06T7/90 , G06T7/40 , G06T7/13 , G06V10/774 , G06T5/94
Abstract: 本发明提供一种基于跳跃连接注意力的引导式人脸图像编辑方法及系统。该方法包括：获取待编辑的人脸图像和引导图；将待编辑的人脸图像和引导图输入至经训练的基于跳跃连接注意力的引导式人脸图像编辑模型中，得到基于跳跃连接注意力的引导式人脸图像编辑模型输出的经编辑的人脸图像，其中基于跳跃连接注意力的引导式人脸图像编辑模型是通过对样本人脸图像随机提取边线和颜色两方面的引导条件，采用对抗方式从边线和颜色两方面进行引导式人脸图像编辑训练得到的，其中，基于跳跃连接注意力的引导式人脸图像编辑模型用于至少基于加权多尺度损失函数和嵌入跳跃连接注意力机制的残差上采样模块，对待编辑的人脸图像进行引导式编辑以得到经编辑的人脸图像。
-
公开(公告)号：CN113723174B
公开(公告)日：2024-06-28
申请号：CN202110779161.5
申请日：2021-07-09
Applicant: 北京工业大学
IPC: G06V40/16 , G06V10/774 , G06T3/4053 , G06T5/50
Abstract: 本发明提供一种基于生成对抗网络的人脸图像超分辨修复重建方法及系统。该基于生成对抗网络的人脸图像超分辨修复重建方法包括：获取待修复的低分辨率人脸图像；将待修复的低分辨率人脸图像输入至经训练的基于生成对抗网络的人脸图像超分辨修复重建模型中，得到基于生成对抗网络的人脸图像超分辨修复重建模型输出的经修复的高分辨率人脸图像；基于生成对抗网络的人脸图像超分辨修复重建模型用于至少基于改进的残差结构来将待修复的低分辨率人脸图像修复并重建为相应的经修复的高分辨率人脸图像。
-
公开(公告)号：CN113723174A
公开(公告)日：2021-11-30
申请号：CN202110779161.5
申请日：2021-07-09
Applicant: 北京工业大学
Abstract: 本发明提供一种基于生成对抗网络的人脸图像超分辨修复重建方法及系统。该基于生成对抗网络的人脸图像超分辨修复重建方法包括：获取待修复的低分辨率人脸图像；将待修复的低分辨率人脸图像输入至经训练的基于生成对抗网络的人脸图像超分辨修复重建模型中，得到基于生成对抗网络的人脸图像超分辨修复重建模型输出的经修复的高分辨率人脸图像；基于生成对抗网络的人脸图像超分辨修复重建模型用于至少基于改进的残差结构来将待修复的低分辨率人脸图像修复并重建为相应的经修复的高分辨率人脸图像。
-
公开(公告)号：CN110287849A
公开(公告)日：2019-09-27
申请号：CN201910534572.0
申请日：2019-06-20
Applicant: 北京工业大学
Abstract: 一种适用于树莓派的轻量化深度网络图像目标检测方法，属于深度学习和目标检测领域，首先收集含有待检测目标的图像，将收集到的图像进行预处理，用于网络训练；其次将预处理后得到的图像输入到深度可分离扩张卷积神经网络进行特征提取，得到不同分辨率特征图；接着将不同分辨率特征图输入到特征金字塔网络进行特征融合，生成携带更加丰富信息的融合特征图；然后采用检测网络对融合特征图进行待检测目标的分类与定位，最后进行非极大值抑制，得到最优的目标检测结果。本发明克服了基于深度神经网络的图像目标检测方法在树莓派平台上难以实现以及基于轻量化网络的图像目标检测方法在树莓派平台上检测准确率低的困难。
-
Patent Agency Ranking
公开(公告)号：CN109377448A
公开(公告)日：2019-02-22
申请号：CN201810484725.0
申请日：2018-05-20
Applicant: 北京工业大学
IPC: G06T5/00
Abstract: 本发明公开一种基于生成对抗网络的人脸图像修复方法，包括：人脸数据集预处理，对收集到的图像进行人脸识别获取特定尺寸的人脸图像；训练阶段，将收集到的人脸图像作为数据集，对生成网络和判别网络进行训练，旨在通过生成网络获取较为逼真的图像，为了解决网络中存在的训练不稳定、模式崩溃问题，将最小二乘损失作为判别网络的损失函数；修复阶段，自动对原始图像添加特定的掩码，模拟真实缺失区域，将带有掩码的人脸图像输入优化好的深度卷积生成对抗网络中，通过上下文损失和两个对抗损失获取相关的随机参数，通过生成网络获取修复信息。本发明不仅能够解决缺损信息严重的人脸图像修复，而且能够生成更为符合视觉认知的人脸修复图像。
-
公开(公告)号：CN113538312B
公开(公告)日：2025-05-06
申请号：CN202110829368.9
申请日：2021-07-22
Applicant: 北京工业大学
IPC: G06T5/50 , G06T3/4038 , G06T7/11 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及一种实时低光照图像增强方法、系统、设备及介质，该方法包括：获取低光照基准数据集；设计基于金字塔结构的低光照增强网络；通过低光照基准数据集对低光照增强网络进行训练，得到低光照增强网络模型；采用低光照增强网络模型对低光照图像进行处理，实现图像的实时光照增强。本发明设计的轻量化金字塔结构的低光照增强方法，能够实现具有良好的视觉效果和色彩保真度的图像光照增强，其中深度可分离密集卷积块和多尺度深度可分离密集卷积块在减小模型参数量和计算量的同时，提升了特征提取性能，进而提高低光照增强效果。本发明适用于嵌入式平台的实时低光照增强。
-
公开(公告)号：CN113052210B
公开(公告)日：2024-04-26
申请号：CN202110263181.7
申请日：2021-03-11
Applicant: 北京工业大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06T3/4053 , G06T5/00
Abstract: 一种基于卷积神经网络的快速低光照目标检测方法属于深度学习领域。本发明通过对卷积神经网络的网络结构及特征图进行研究，使用三层金字塔结构的卷积神经网络作为低光照增强网络，将高分辨率的低光照图像转换为低分辨率的光照增强图像，实现了在恢复低光照图像光照亮度和色彩等细节的同时大幅减小计算资源消耗，提高成像速度。结合基于单像素注意力的轻量化超分辨率网络将低分辨率的增强图像上采样至高分辨图像，增强图像的纹理细节，提高检测精度。使用基于多尺度融合的目标检测网络融合了不同尺度图像的特征信息，有效地提高了检测精度。在Zurich RAW to RGB数据集下验证了本发明的有效性。
-
公开(公告)号：CN110689499B
公开(公告)日：2023-04-25
申请号：CN201910926607.5
申请日：2019-09-27
Applicant: 北京工业大学
IPC: G06T5/00 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/0475 , G06V10/82 , G06V40/16
Abstract: 本发明公开一种基于密集扩张卷积自编码对抗网络的人脸图像修复方法，该方法首先对人脸公开数据进行预处理得到人脸数据集；其次构建密集扩张卷积自编码对抗网络；然后利用重建损失预训练密集扩张卷积自编码生成网络，接着交替进行以下训练步骤：①用对抗损失训练双判别网络；②用联合损失训练经过预训练的生成网络；之后得到训练好的密集扩张卷积自编码生成网络，最后将待修复图像输入到此生成网络中，将生成图像与缺损图像进行融合，得到最终修复图像。本发明解决了语义信息缺失严重和大面积随机区域缺失的人脸图像修复难题。
-
公开(公告)号：CN113724340A
公开(公告)日：2021-11-30
申请号：CN202110779150.7
申请日：2021-07-09
Applicant: 北京工业大学
Abstract: 本发明提供一种基于跳跃连接注意力的引导式人脸图像编辑方法及系统。该方法包括：获取待编辑的人脸图像和引导图；将待编辑的人脸图像和引导图输入至经训练的基于跳跃连接注意力的引导式人脸图像编辑模型中，得到基于跳跃连接注意力的引导式人脸图像编辑模型输出的经编辑的人脸图像，其中基于跳跃连接注意力的引导式人脸图像编辑模型是通过对样本人脸图像随机提取边线和颜色两方面的引导条件，采用对抗方式从边线和颜色两方面进行引导式人脸图像编辑训练得到的，其中，基于跳跃连接注意力的引导式人脸图像编辑模型用于至少基于加权多尺度损失函数和嵌入跳跃连接注意力机制的残差上采样模块，对待编辑的人脸图像进行引导式编辑以得到经编辑的人脸图像。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.024 seconds)
