-
公开(公告)号：CN113160042A
公开(公告)日：2021-07-23
申请号：CN202110556271.5
申请日：2021-05-21
Applicant: 北京邮电大学
Abstract: 本申请实施例提供的一种图像风格迁移模型训练方法、装置及电子设备，通过将样本源域图像和样本目标域图像输入待训练的图像风格迁移模型；通过内容编码层对样本源域图像和样本目标域图像进行特征提取，得到源内容张量和源风格张量；通过风格编码层对样本源域图像和样本目标域图像进行特征提取，得到目标内容张量和目标风格张量；通过预设损失函数，根据源内容张量、源风格张量、目标内容张量和目标风格张量计算待训练的图像风格迁移模型的当前损失；根据当前损失对待训练的图像风格迁移模型的参数进行调整，直至当前损失小于预设阈值，得到训练好的图像风格迁移模型。实现了提取样本图像的多个维度的特征进行模型的训练，避免模型的内容敏感性。
-
Patent Agency Ranking
公开(公告)号：CN114240786B
公开(公告)日：2025-01-17
申请号：CN202111563600.5
申请日：2021-12-20
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种图像重构方法及装置，涉及图像处理技术领域。上述方法包括：采用不同的分割方式对待处理图像进行分割，得到不同的子图像集，针对每一子图像集，采用目标分割方式对应的图像重构处理的方式对该子图像集中包含的各个子图像分别进行图像重构处理，得到各个子图像的子图像重构结果，针对每一子图像集，对该子图像集中包含的各个子图像的子图像重构结果进行合并，得到与所述待处理图像尺寸相同、与目标分割方式相对应的重构图像，基于各个预设的注意力权重，对各个重构图像进行融合，得到最终的图像重构结果。应用本发明实施例提供的技术方案可以提高图像重构的清晰度。
-
公开(公告)号：CN114240786A
公开(公告)日：2022-03-25
申请号：CN202111563600.5
申请日：2021-12-20
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种图像重构方法及装置，涉及图像处理技术领域。上述方法包括：采用不同的分割方式对待处理图像进行分割，得到不同的子图像集，针对每一子图像集，采用目标分割方式对应的图像重构处理的方式对该子图像集中包含的各个子图像分别进行图像重构处理，得到各个子图像的子图像重构结果，针对每一子图像集，对该子图像集中包含的各个子图像的子图像重构结果进行合并，得到与所述待处理图像尺寸相同、与目标分割方式相对应的重构图像，基于各个预设的注意力权重，对各个重构图像进行融合，得到最终的图像重构结果。应用本发明实施例提供的技术方案可以提高图像重构的清晰度。
-
公开(公告)号：CN113269259B
公开(公告)日：2023-04-18
申请号：CN202110598271.1
申请日：2021-05-31
Applicant: 北京邮电大学
IPC: G06F18/214 , G06F18/22 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例提供了一种目标信息的预测方法及装置，上述方法包括：获取目标信息在当前时间点之前的多个离散的时间点对应的目标历史信息；将目标历史信息输入预先训练的目标信息预测模型，获取目标信息在当前时间点后的变化趋势预测结果；RNN层，用于对输入的目标历史信息进行初始变化趋势特征提取，并将所提取的初始变化趋势特征输入GAN层；GAN层，用于基于初始变化趋势特征，确定目标信息在当前时间点后的变化趋势信息，作为目标信息的变化趋势预测结果。采用本发明实施例提供的方法，提高了预测出的目标信息在当前时间点后的变化趋势信息的精度。
-
公开(公告)号：CN113160042B
公开(公告)日：2023-02-17
申请号：CN202110556271.5
申请日：2021-05-21
Applicant: 北京邮电大学
IPC: G06T3/00 , G06V10/40 , G06V10/774
Abstract: 本申请实施例提供的一种图像风格迁移模型训练方法、装置及电子设备，通过将样本源域图像和样本目标域图像输入待训练的图像风格迁移模型；通过内容编码层对样本源域图像和样本目标域图像进行特征提取，得到源内容张量和源风格张量；通过风格编码层对样本源域图像和样本目标域图像进行特征提取，得到目标内容张量和目标风格张量；通过预设损失函数，根据源内容张量、源风格张量、目标内容张量和目标风格张量计算待训练的图像风格迁移模型的当前损失；根据当前损失对待训练的图像风格迁移模型的参数进行调整，直至当前损失小于预设阈值，得到训练好的图像风格迁移模型。实现了提取样本图像的多个维度的特征进行模型的训练，避免模型的内容敏感性。
-
公开(公告)号：CN113269259A
公开(公告)日：2021-08-17
申请号：CN202110598271.1
申请日：2021-05-31
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种目标信息的预测方法及装置，上述方法包括：获取目标信息在当前时间点之前的多个离散的时间点对应的目标历史信息；将目标历史信息输入预先训练的目标信息预测模型，获取目标信息在当前时间点后的变化趋势预测结果；RNN层，用于对输入的目标历史信息进行初始变化趋势特征提取，并将所提取的初始变化趋势特征输入GAN层；GAN层，用于基于初始变化趋势特征，确定目标信息在当前时间点后的变化趋势信息，作为目标信息的变化趋势预测结果。采用本发明实施例提供的方法，提高了预测出的目标信息在当前时间点后的变化趋势信息的精度。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
