公开(公告)号：CN114170065A

公开(公告)日：2022-03-11

申请号：CN202111227797.5

申请日：2021-10-21

Applicant: 河南科技大学

Inventor： 董永生 ,  谭伟 ,  郑林涛 ,  裴远桦 ,  卢乃昕 ,  赵开元 ,  荣兵

IPC: G06T3/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于卡通损失的生成对抗网络的卡通化方法，本发明首先通过重用判别器的方式构建一个紧凑的基于生成对抗网络的卡通化架构；然后按照特定的初始化策略对重用判别器的生成对抗网络模型进行初始化；最后通过卡通损失函数进行卡通风格迁移。大量实验结果证明本发明提出的卡通化方法可以生成令人满意的卡通风格图像，并且优于现有的其他几种代表性方法。

公开(公告)号：CN114170065B

公开(公告)日：2024-08-02

申请号：CN202111227797.5

申请日：2021-10-21

Applicant: 河南科技大学

Inventor： 董永生 ,  谭伟 ,  郑林涛 ,  裴远桦 ,  卢乃昕 ,  赵开元 ,  荣兵

IPC: G06T3/04 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明提供一种基于卡通损失的生成对抗网络的卡通化方法，本发明首先通过重用判别器的方式构建一个紧凑的基于生成对抗网络的卡通化架构；然后按照特定的初始化策略对重用判别器的生成对抗网络模型进行初始化；最后通过卡通损失函数进行卡通风格迁移。大量实验结果证明本发明提出的卡通化方法可以生成令人满意的卡通风格图像，并且优于现有的其他几种代表性方法。

公开(公告)号：CN111723737B

公开(公告)日：2023-11-17

申请号：CN202010564966.3

申请日：2020-06-19

Applicant: 河南科技大学

Inventor： 董永生 ,  张智勇 ,  吴庆涛 ,  裴远桦 ,  郑博士 ,  蒋志强 ,  刘晴 ,  谭伟 ,  郑林涛 ,  王琳

IPC: G06V10/25 ,  G06V10/762 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06N3/04 ,  G06N3/082

Abstract: 一种基于多尺度匹配策略深度特征学习的目标检测方法，基于残差神经网络，我们首先对不同类目标的宽高比进行聚类，并进一步使用多尺度匹配策略来选择默认框，缓解目标遮挡问题。然后，融合不同深度的特征图以检测不同尺度的物体。实验结果表明，与当前九种具有代表性的目标检测方法相比，我们提出的方法更具竞争力，速度更快，精度更高。

公开(公告)号：CN111723737A

公开(公告)日：2020-09-29

申请号：CN202010564966.3

申请日：2020-06-19

Applicant: 河南科技大学

Inventor： 董永生 ,  张智勇 ,  吴庆涛 ,  裴远桦 ,  郑博士 ,  蒋志强 ,  刘晴 ,  谭伟 ,  郑林涛 ,  王琳

IPC: G06K9/00 ,  G06K9/34 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于多尺度匹配策略深度特征学习的目标检测方法，基于残差神经网络，我们首先对不同类目标的宽高比进行聚类，并进一步使用多尺度匹配策略来选择默认框，缓解目标遮挡问题。然后，融合不同深度的特征图以检测不同尺度的物体。实验结果表明，与当前九种具有代表性的目标检测方法相比，我们提出的方法更具竞争力，速度更快，精度更高。