-
公开(公告)号：CN111932466B
公开(公告)日：2021-09-14
申请号：CN202010666315.5
申请日：2020-07-10
Applicant: 北京邮电大学
Abstract: 本说明书一个或多个实施例提供一种图像去雾方法、电子设备及存储介质，能够解决图像去雾过程中所存在的效果差、效率低的问题。所述方法包括：构建图像去雾模型；获取训练样本图像，所述训练样本图像包括训练有雾图像以及与所述训练有雾图像相对应的真实图像与景深图像；利用所述训练样本图像对所述图像去雾模型进行优化训练；利用优化后的图像去雾模型对目标监控场景的有雾图像进行处理，确定去雾图像。所述电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的实现所述图像去雾方法的计算机程序。所述存储介质存储计算机指令，所述计算机指令用于使所述计算机执行所述图像去雾方法。
-
Patent Agency Ranking
公开(公告)号：CN111626280B
公开(公告)日：2021-09-07
申请号：CN202010287514.5
申请日：2020-04-13
Applicant: 北京邮电大学
Abstract: 本说明书一个或多个实施例提供一种无定位点答题卡识别方法和装置，包括：获取答题卡图像和模板文件，模板文件具有答题卡中各个关键区域的预期位置；检测答题卡图像的的旋转角度并将其旋转至标准样式；从各个关键区域中提取待识别候选区域，其面积大于或等于待识别区域；根据待识别区域的结构特征定位待识别候选区域中的待识别区域；其中，待识别区域包括考号区域、选择题填涂区域中的至少一个，通过二值化处理和膨胀腐蚀处理定位考号区域，通过神经网络处理定位选择题填涂区域；根据模板文件及对待识别区域的定位结果，对完成定位的待识别区域执行识别处理。上述方法可以实现答题卡待识别区域的定位与识别。
-
公开(公告)号：CN111932466A
公开(公告)日：2020-11-13
申请号：CN202010666315.5
申请日：2020-07-10
Applicant: 北京邮电大学
Abstract: 本说明书一个或多个实施例提供一种图像去雾方法、电子设备及存储介质，能够解决图像去雾过程中所存在的效果差、效率低的问题。所述方法包括：构建图像去雾模型；获取训练样本图像，所述训练样本图像包括训练有雾图像以及与所述训练有雾图像相对应的真实图像与景深图像；利用所述训练样本图像对所述图像去雾模型进行优化训练；利用优化后的图像去雾模型对目标监控场景的有雾图像进行处理，确定去雾图像。所述电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的实现所述图像去雾方法的计算机程序。所述存储介质存储计算机指令，所述计算机指令用于使所述计算机执行所述图像去雾方法。
-
公开(公告)号：CN111815509B
公开(公告)日：2021-01-01
申请号：CN202010907304.1
申请日：2020-09-02
Applicant: 北京邮电大学
Abstract: 本发明公开了一种图像风格转换及模型训练的方法及装置，所述方法包括：将第一、二风格的图像，分别输入到编码器网络中的内容、风格编码器，分别提取出内容、风格编码特征图像；将所述风格、内容编码特征图像分别输入到解码器网络中，得到从第一风格转换到第二风格的目标图像；其中，由所述编、解码器网络组成的图像风格转换模型，是通过包括多个第一、二风格的图像的图像训练样本以及从图像训练样本中裁剪的实例图像预先训练得到的。应用本发明可以提高对多种不同场景下的风格转换适应性，并改善风格转换后图像模糊和图像中的实例效果差的问题，同时做到粗粒度和细粒度的高质量图像风格迁移。
-
公开(公告)号：CN111815509A
公开(公告)日：2020-10-23
申请号：CN202010907304.1
申请日：2020-09-02
Applicant: 北京邮电大学
Abstract: 本发明公开了一种图像风格转换及模型训练的方法及装置，所述方法包括：将第一、二风格的图像，分别输入到编码器网络中的内容、风格编码器，分别提取出内容、风格编码特征图像；将所述风格、内容编码特征图像分别输入到解码器网络中，得到从第一风格转换到第二风格的目标图像；其中，由所述编、解码器网络组成的图像风格转换模型，是通过包括多个第一、二风格的图像的图像训练样本以及从图像训练样本中裁剪的实例图像预先训练得到的。应用本发明可以提高对多种不同场景下的风格转换适应性，并改善风格转换后图像模糊和图像中的实例效果差的问题，同时做到粗粒度和细粒度的高质量图像风格迁移。
-
公开(公告)号：CN111626280A
公开(公告)日：2020-09-04
申请号：CN202010287514.5
申请日：2020-04-13
Applicant: 北京邮电大学
Abstract: 本说明书一个或多个实施例提供一种无定位点答题卡识别方法和装置，包括：获取答题卡图像和模板文件，模板文件具有答题卡中各个关键区域的预期位置；检测答题卡图像的的旋转角度并将其旋转至标准样式；从各个关键区域中提取待识别候选区域，其面积大于或等于待识别区域；根据待识别区域的结构特征定位待识别候选区域中的待识别区域；其中，待识别区域包括考号区域、选择题填涂区域中的至少一个，通过二值化处理和膨胀腐蚀处理定位考号区域，通过神经网络处理定位选择题填涂区域；根据模板文件及对待识别区域的定位结果，对完成定位的待识别区域执行识别处理。上述方法可以实现答题卡待识别区域的定位与识别。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
