-
公开(公告)号：CN108564119A
公开(公告)日：2018-09-21
申请号：CN201810295994.2
申请日：2018-04-04
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于生成对抗网络的任意姿态行人图片生成方法，仅通过将人物图片、图中行人的姿态以及目标迁移姿态的热力图输入生成器网络，即可得到前一位目标姿态的相同人物的图片。由于该方法的生成器中引入了姿态注意力机制，且采用了两个不同的判别器分别进行外貌一致性和姿态一致性的判别，使其能够应对图像变形、几何变换、视角转移等多种复杂情况。并且可以端到端训练。本发明提出的任意姿态的人物图片生成方法在现有技术思路的基础上进行了创新，采用新颖的结构进行网络模型搭建，相较于之前的方法，所合成的图片更加真实、自然，有很强的实际应用价值。
-
公开(公告)号：CN108564119B
公开(公告)日：2020-06-05
申请号：CN201810295994.2
申请日：2018-04-04
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于生成对抗网络的任意姿态行人图片生成方法，仅通过将人物图片、图中行人的的姿态以及目标迁移姿态的热力图输入生成器网络，即可得到前一位目标姿态的相同人物的图片。由于该方法的生成器中引入了姿态注意力机制，且采用了两个不同的判别器分别进行外貌一致性和姿态一致性的判别，使其能够应对图像变形、几何变换、视角转移等多种复杂情况。并且可以端到端训练。本发明提出的任意姿态的人物图片生成方法在现有技术思路的基础上进行了创新，采用新颖的结构进行网络模型搭建，相较于之前的方法，所合成的图片更加真实、自然，有很强的实际应用价值。
-
公开(公告)号：CN111932431B
公开(公告)日：2023-07-18
申请号：CN202010643268.2
申请日：2020-07-07
Applicant: 华中科技大学
IPC: G06T1/00 , G06N3/084 , G06N3/094 , G06N3/0475 , G06N3/0464
Abstract: 本发明公开了一种基于水印分解模型的可见水印去除方法，通过结合深度网络和水印分解模型，构造一个新型的网络。首先输入一张水印图片，利用分解网络得到该图片的水印、水印透明度以及用来判断水印区域的二值掩码；然后根据水印分解公式计算间接得到初步无水印图，再将该无水印图放入优化网络，由水印图周边信息直接优化该无水印图；最后利用非水印区域不变的特征和检测得到的二值掩码得到无水印图。本发明结合了水印分解模型和深度学习网络去除水印，进行端到端的训练，在准确度上取得了卓越的效果；此外还能够在去除水印的同时分离水印，从而能够将分离的水印用于数据扩增上，让网络进行终生学习。本发明还提供了相应的电子设备。
-
公开(公告)号：CN111062432A
公开(公告)日：2020-04-24
申请号：CN201911278401.2
申请日：2019-12-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种语义上多模态图像生成的方法。本发明在分割标签生成图像的任务上提出了一个新任务，新任务是能够通过分割标签的类别对生成图像的类别进行单独控制。在这个任务上，本发明提出了一种解决方案，对编码器采用分组卷积，将自然图像里面不同类的编码进行分离，从而使得更改该编码能够改变生成图像中该类的样式。生成器部分，本发明采用的是组数逐渐递减的分组卷积，这能提高单独控制的能力，也能够减少显存的占用，因此可以将这个方法应用到类别较多的数据集上。同时本发明能够应用于许多图像生成的应用里面，如图像编辑等。本发明相较于之前的分割标签生成自然图像的相关工作，能对生成图像里面的类别尽可能的进行单独控制。
-
Patent Agency Ranking
公开(公告)号：CN119500249A
公开(公告)日：2025-02-25
申请号：CN202411633384.0
申请日：2024-11-15
Abstract: 本发明涉及TiO2与分子筛复合载体负载Pt催化剂、制备及其在CO氧化反应中的应用，属于工业催化技术领域。该催化剂制备过程主要包括：制备分子筛凝胶，并将TiO2粉末加入分子筛凝胶中进行充分混合，再经过水热反应获得TiO2‑分子筛复合材料。然后，对所得复合材料进行高温煅烧以去除模板剂，之后通过铵交换处理，得到铵型TiO2‑分子筛复合粉体。最后，采用浸渍法将Pt前驱体溶液与复合载体充分混合，随后烘干并高温煅烧，制备出Pt/TiO2‑分子筛复合催化剂。该催化剂在CO催化氧化反应中表现出优异的活性和抗硫中毒性能，适用于移动源和工业尾气处理等应用场景。
-
公开(公告)号：CN111062432B
公开(公告)日：2022-03-25
申请号：CN201911278401.2
申请日：2019-12-13
Applicant: 华中科技大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06V10/776 , G06V10/764
Abstract: 本发明公开了一种语义上多模态图像生成的方法。本发明在分割标签生成图像的任务上提出了一个新任务，新任务是能够通过分割标签的类别对生成图像的类别进行单独控制。在这个任务上，本发明提出了一种解决方案，对编码器采用分组卷积，将自然图像里面不同类的编码进行分离，从而使得更改该编码能够改变生成图像中该类的样式。生成器部分，本发明采用的是组数逐渐递减的分组卷积，这能提高单独控制的能力，也能够减少显存的占用，因此可以将这个方法应用到类别较多的数据集上。同时本发明能够应用于许多图像生成的应用里面，如图像编辑等。本发明相较于之前的分割标签生成自然图像的相关工作，能对生成图像里面的类别尽可能的进行单独控制。
-
公开(公告)号：CN111932431A
公开(公告)日：2020-11-13
申请号：CN202010643268.2
申请日：2020-07-07
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于水印分解模型的可见水印去除方法，通过结合深度网络和水印分解模型，构造一个新型的网络。首先输入一张水印图片，利用分解网络得到该图片的水印、水印透明度以及用来判断水印区域的二值掩码；然后根据水印分解公式计算间接得到初步无水印图，再将该无水印图放入优化网络，由水印图周边信息直接优化该无水印图；最后利用非水印区域不变的特征和检测得到的二值掩码得到无水印图。本发明结合了水印分解模型和深度学习网络去除水印，进行端到端的训练，在准确度上取得了卓越的效果；此外还能够在去除水印的同时分离水印，从而能够将分离的水印用于数据扩增上，让网络进行终生学习。本发明还提供了相应的电子设备。
-
公开(公告)号：CN108427924B
公开(公告)日：2020-06-23
申请号：CN201810195630.7
申请日：2018-03-09
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于旋转敏感特征的文本回归检测方法，通过方向响应卷积网络得到旋转敏感特征，用于包围盒的回归任务，得到包围盒的位置信息；然后，通过方向响应池化，将旋转敏感特征转化为旋转不变特征，用于包围盒的分类任务，得到包围盒是否属于文本的类别信息；最后，仅需简单后处理即可得到检测结果。该方法对于分类和回归区分设计的特征能适应自然场景图片里任意变化角度的文本，并且可以端到端训练，这种将分类和回归不共享特征的方法也可以应用到一般物体检测的框架中。本发明提出的检测方法相对于现有技术思路新颖，在准确度和通用性这些方面都取得了卓越的效果，有很强的实际应用价值。
-
公开(公告)号：CN108427924A
公开(公告)日：2018-08-21
申请号：CN201810195630.7
申请日：2018-03-09
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于旋转敏感特征的文本回归检测方法，通过方向响应卷积网络得到旋转敏感特征，用于包围盒的回归任务，得到包围盒的位置信息；然后，通过方向响应池化，将旋转敏感特征转化为旋转不变特征，用于包围盒的分类任务，得到包围盒是否属于文本的类别信息；最后，仅需简单后处理即可得到检测结果。该方法对于分类和回归区分设计的特征能适应自然场景图片里任意变化角度的文本，并且可以端到端训练，这种将分类和回归不共享特征的方法也可以应用到一般物体检测的框架中。本发明提出的检测方法相对于现有技术思路新颖，在准确度和通用性这些方面都取得了卓越的效果，有很强的实际应用价值。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
