-
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：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。
-
公开(公告)号：CN113538312A
公开(公告)日：2021-10-22
申请号：CN202110829368.9
申请日：2021-07-22
Applicant: 北京工业大学
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：CN113591648B
公开(公告)日：2024-06-28
申请号：CN202110829196.5
申请日：2021-07-22
Applicant: 北京工业大学
Abstract: 本发明涉及一种无锚点实时图像目标检测方法、系统、设备及介质，方法包括：获取训练图像数据集；以特征提取网络CA‑Fused EfficientNet为骨干网络，并结合特征融合模块PAN和无锚点检测器GFL，构建检测模型；通过训练图像数据集对检测模型进行训练，得到训练后的检测模型；将含有待检测目标的图像作为输入，通过训练好的检测模型对图像中的待检测目标进行检测。本发明可以广泛应用于实时图像目标检测中。
-
Patent Agency Ranking
公开(公告)号：CN113591648A
公开(公告)日：2021-11-02
申请号：CN202110829196.5
申请日：2021-07-22
Applicant: 北京工业大学
Abstract: 本发明涉及一种无锚点实时图像目标检测方法、系统、设备及介质，方法包括：获取训练图像数据集；以特征提取网络CA‑Fused EfficientNet为骨干网络，并结合特征融合模块PAN和无锚点检测器GFL，构建检测模型；通过训练图像数据集对检测模型进行训练，得到训练后的检测模型；将含有待检测目标的图像作为输入，通过训练好的检测模型对图像中的待检测目标进行检测。本发明可以广泛应用于实时图像目标检测中。
-
公开(公告)号：CN113052210A
公开(公告)日：2021-06-29
申请号：CN202110263181.7
申请日：2021-03-11
Applicant: 北京工业大学
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：CN112183203A
公开(公告)日：2021-01-05
申请号：CN202010866848.8
申请日：2020-08-26
Applicant: 北京工业大学
Abstract: 一种基于多尺度像素特征融合的实时交通标志检测方法属于深度学习和目标检测领域。首先获取含交通标志的图像并预处理；其次将预处理后的图像输入到MobileNetv2网络进行特征提取；接着将提取到的多尺度特征图输入到像素特征融合模块进行像素重排，拼接生成兼具语义信息与细节信息的融合特征图；然后对融合特征图进行下采样得到六个尺度特征图并输入到高效通道注意力模块，对特征通道按重要程度分配权重；之后将加权的六尺度特征图输入到SSD检测层来预测边界框的位置和对象的类别；最后进行非极大值抑制，得到最优的交通标志检测结果。本发明在检测交通标志图像时能够兼顾实时性与准确性，并具有很强的鲁棒性。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.025 seconds)
