-
公开(公告)号:CN115049556A
公开(公告)日:2022-09-13
申请号:CN202210736142.9
申请日:2022-06-27
Applicant: 安徽大学
Abstract: 本申请公开了一种基于StyleGAN的人脸图像修复方法,步骤包括:将真实人脸图像分割为人脸区域和背景区域,作为训练集;对数据集进行数据增强,将原始图像设置为标签;利用训练集和标签对编码器进行训练,得到编码器网络;利用编码器网络分别提取真实人脸图像的隐码向量、待修复图像人脸区域的隐码向量、待修复图像背景区域的隐码特征图;将真实人脸图像的隐码向量与待修复图像人脸区域的隐码向量进行混合,得到混合人脸的隐码向量,将混合人脸的隐码向量与待修复图像背景区域的隐码特征图一同输入到StyleGAN生成器网络中,得到修复完成的人脸图像。本申请实现了人脸图像修复能力大幅提升,并且使得修复过程中很好地保证结构相似。
-
公开(公告)号:CN114880638A
公开(公告)日:2022-08-09
申请号:CN202210284119.0
申请日:2022-03-22
Applicant: 安徽大学
IPC: G06F21/32 , G06F21/36 , G06F21/62 , G06F16/583 , G06F16/58 , G06V40/16 , G06V10/74 , G06K9/62 , G06Q50/00
Abstract: 本申请公开了一种基于情景式照片匹配群组和好友的方法及系统,方法包括以下步骤:获取用户人脸图片,对用户人脸图片进行识别检测;匹配得到用户的虚拟身份;依据虚拟身份向用户推送符合虚拟身份的情景群组;将情景群组中的群内好友推荐给用户;其中,情景群组的生成包括以下步骤:利用生成对抗网络生成多个主题照片库,每个主题照片库对应一个情景主题;将每个情景主题中划分为多个具体化的情景标签;将每个情景标签对应一个情景群组。本申请实现了利用用户人脸创建虚拟身份,并依据虚拟身份匹配预设的情景群组,通过在情景群组内获取好友推荐,整个系统的活动都是基于虚拟身份,对用户的隐私保护较好。
-
公开(公告)号:CN115049556B
公开(公告)日:2025-05-06
申请号:CN202210736142.9
申请日:2022-06-27
Applicant: 安徽大学
IPC: G06T5/77 , G06T5/60 , G06V40/16 , G06V10/26 , G06V10/44 , G06V10/42 , G06V10/80 , G06T7/194 , G06V20/70 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/084 , G06N3/094 , G06N3/048
Abstract: 本申请公开了一种基于StyleGAN的人脸图像修复方法,步骤包括:将真实人脸图像分割为人脸区域和背景区域,作为训练集;对数据集进行数据增强,将原始图像设置为标签;利用训练集和标签对编码器进行训练,得到编码器网络;利用编码器网络分别提取真实人脸图像的隐码向量、待修复图像人脸区域的隐码向量、待修复图像背景区域的隐码特征图;将真实人脸图像的隐码向量与待修复图像人脸区域的隐码向量进行混合,得到混合人脸的隐码向量,将混合人脸的隐码向量与待修复图像背景区域的隐码特征图一同输入到StyleGAN生成器网络中,得到修复完成的人脸图像。本申请实现了人脸图像修复能力大幅提升,并且使得修复过程中很好地保证结构相似。
-
公开(公告)号:CN115049891A
公开(公告)日:2022-09-13
申请号:CN202210499685.3
申请日:2022-05-09
Applicant: 安徽大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06V20/68
Abstract: 本申请涉及定位测距的领域,公开了一种基于YOLOv5的草莓定位与测距方法,包括以下步骤:利用双目摄像头采集草莓照片,得到草莓图像;对所述草莓图像进行灰度转换处理,得到草莓灰度图像;利用预设模型对所述草莓灰度图像进行识别;其中,所述预设模型基于YOLOv5网络中训练得到。本申请解决了现有技术中定位与测距精度不高的技术问题,实现了利用训练出的模型来提高识别精度和识别效率。
-
公开(公告)号:CN114271814A
公开(公告)日:2022-04-05
申请号:CN202111603237.5
申请日:2021-12-24
Applicant: 安徽大学
Abstract: 本申请公开了一种基于Kinect的卒中风患者康复训练与评估方法,包括以下步骤:利用深度相机获取患者做康复动作时的若干个关节点的三维坐标;对所述关节点的置信度进行判断,得到判断结果;当所述判断结果为是时,计算所述患者骨骼余弦角度和所述关节点瞬时速度形成测试特征向量;计算所述测试特征向量与标准库中动作相识度,得到所述患者的动作类别;利用评分模型对所述患者的康复动作进行评分,并给出指导意见。本申请解解决了现有技术中数据误差、关节点数据丢失的技术问题,实现了采集的数据进行均值滤波处理,减小噪声影响,并且可以对于缺失关节点数据进行数据预测修复处理,提高数据质量,能够给患者提供了更好的动作分析指导。
-
-
-
-