-
公开(公告)号：CN118135249A
公开(公告)日：2024-06-04
申请号：CN202211536562.9
申请日：2022-12-02
Applicant: 武汉大学 , OPPO广东移动通信有限公司
IPC: G06V10/56 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及一种异常图像的检测方法、生成方法、装置和计算机设备。所述方法通过获取待检测图像，并将待检测图像输入至预设的异常图像检测模型中进行异常检测，得到检测结果，其中的检测模型包括骨干网络和用于特征融合于分析的特征融合网络，骨干网络采用逐点卷积和逐通道卷积对图像进行特征提取，相比于采用普通卷积核对图像进行特征提取的方法，本方法中由逐点卷积和逐通道卷积构成的骨干网络在特征提取的同时还可以极大的减少计算量，使整个异常图像检测模型呈现为一种轻量化的检测模型，进而减少了该异常图像检测模型的资源占用量，使该异常图像检测模型可以被部署到边缘设备进行实时检测，提高了异常图像检测模型的应用性。
-
公开(公告)号：CN116721304B
公开(公告)日：2023-10-20
申请号：CN202311000119.4
申请日：2023-08-10
Applicant: 武汉大学
IPC: G06V10/766 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/0475 , G06V10/776
Abstract: 本发明公开了一种基于失真图像恢复指导的图像质量感知方法、系统及设备，首先提取待检测图像I输入到特征提取网络中，得到图像的深度特征DF(I)；然后基于图像恢复先验模型利用先验知识指导下，采用失真图像恢复网络使用深度特征DF（I）进行失真图像恢复，得到失真图像的恢复特征IR（I）；最后将恢复特征IR（I）与深度特征DF（I）通过特征融合网络进行重新加权融合，对重新加权融合后的图像质量特征向量进行回归，输出图像的质量得分。本发明能够自动感知自然图像的质量，为挑选高质量图像样本用于深度学习模型训练提供了手段。
-
公开(公告)号：CN119919325A
公开(公告)日：2025-05-02
申请号：CN202411976178.X
申请日：2024-12-31
Applicant: 武汉大学
Abstract: 本发明公开了一种HDR视频的局部色调映射方法、系统、装置及存储介质，属于视频处理技术领域。方法包括采用光流估计算法计算目标HDR视频的向前光流向量和向后光流向量；基于目标HDR视频及其向前光流向量和向后光流向量，分别进行时序滤波和时空滤波，其中，时序滤波得到覆盖层图像，时空滤波得到基础层图像；根据覆盖层图像和基础层图像计算得到细节层图像；采用色调映射曲线对基础层图像进行映射，得到基础映射层图像，将基础映射层图像和细节层图像相乘得到目标HDR视频的局部色调映射结果。本发明实现了高质量的时空边缘感知滤波，可以减少输入的动态范围，同时在不引起显著视觉伪影的情况下保留场景细节。
-
Patent Agency Ranking
公开(公告)号：CN119205597A
公开(公告)日：2024-12-27
申请号：CN202411252152.0
申请日：2024-09-06
Applicant: OPPO广东移动通信有限公司 , 武汉大学
IPC: G06T5/92 , G06V10/80 , G06V10/77 , G06T5/50 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08 , G06F17/16 , G06F17/18
Abstract: 本申请公开了一种图像质量评价方法、装置、设备及计算机程序产品，该方法通过对HDR图像进行亮度区域分解，确定HDR图像的多个亮度区域；对各个亮度区域进行多层次的空间特征提取，确定各个亮度区域在M个阶段的第一特征图，这样即能提取到动态范围极端区域的特征，又提取标准动态范围区域的特征，准确感知HDR图像独有的失真；进一步的对多个亮度区域在同一阶段的第一特征图进行特征重组，确定M个阶段的第二特征图，第二特征图能够有效表征HDR图像在一个阶段的全局空间特征，根据HDR图像的M个阶段的第二特征图进行图像质量评价，能够提高HDR图像的质量评价准确性。
-
公开(公告)号：CN118279230A
公开(公告)日：2024-07-02
申请号：CN202211733388.7
申请日：2022-12-30
Applicant: 武汉大学 , OPPO广东移动通信有限公司
IPC: G06T7/00
Abstract: 本公开提供一种图像质量评估方法、装置、存储介质与电子设备，涉及图像与视频处理技术领域。该方法包括：获取待评价图像；提取所述待评价图像的基础质量特征；获取在提取所述待评价图像的基础质量特征时所产生的中间数据，根据所述中间数据生成所述待评价图像的失真特征；基于所述待评价图像的基础质量特征和失真特征，输出所述待评价图像的质量评价结果。本公开提高了图像质量评价的准确性。
-
公开(公告)号：CN116721304A
公开(公告)日：2023-09-08
申请号：CN202311000119.4
申请日：2023-08-10
Applicant: 武汉大学
IPC: G06V10/766 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/0475 , G06V10/776
Abstract: 本发明公开了一种基于失真图像恢复指导的图像质量感知方法、系统及设备，首先提取待检测图像I输入到特征提取网络中，得到图像的深度特征DF(I)；然后基于图像恢复先验模型利用先验知识指导下，采用失真图像恢复网络使用深度特征DF（I）进行失真图像恢复，得到失真图像的恢复特征IR（I）；最后将恢复特征IR（I）与深度特征DF（I）通过特征融合网络进行重新加权融合，对重新加权融合后的图像质量特征向量进行回归，输出图像的质量得分。本发明能够自动感知自然图像的质量，为挑选高质量图像样本用于深度学习模型训练提供了手段。
-
公开(公告)号：CN116778564B
公开(公告)日：2023-11-17
申请号：CN202311069966.6
申请日：2023-08-24
Applicant: 武汉大学
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种身份保持的人脸匿名化方法、系统及设备，首先使用特征提取模块转换图像到卷积特征图。然后，利用身份‑外观耦合的双分支网络模块分别学习外观和身份特征。这样从提取的人脸身份特征中剔除了身份无关的外观特征，而且补充了缺失的身份信息。进而，通过重建层预测外观和身份图像，其中的身份图像作为身份保持的匿名化结果。为了方便模型训练，本发明采用一个重聚模块合并外观和身份图像来重现原来的人脸，从而可以采用自监督的方式训练模型。本发明能产生本质身份信息保持、外观信息移除的匿名化人脸图像，实现匿名化的同时保有数据的可用性。
-
公开(公告)号：CN116778564A
公开(公告)日：2023-09-19
申请号：CN202311069966.6
申请日：2023-08-24
Applicant: 武汉大学
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种身份保持的人脸匿名化方法、系统及设备，首先使用特征提取模块转换图像到卷积特征图。然后，利用身份‑外观耦合的双分支网络模块分别学习外观和身份特征。这样从提取的人脸身份特征中剔除了身份无关的外观特征，而且补充了缺失的身份信息。进而，通过重建层预测外观和身份图像，其中的身份图像作为身份保持的匿名化结果。为了方便模型训练，本发明采用一个重聚模块合并外观和身份图像来重现原来的人脸，从而可以采用自监督的方式训练模型。本发明能产生本质身份信息保持、外观信息移除的匿名化人脸图像，实现匿名化的同时保有数据的可用性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
