-
公开(公告)号：CN119251872A
公开(公告)日：2025-01-03
申请号：CN202411309153.4
申请日：2024-09-19
Applicant: 西安电子科技大学
IPC: G06V40/10 , G06V10/764 , G06V10/82 , G06V20/52 , G06N3/0455 , G06N3/094
Abstract: 本发明公开了一种基于将干扰因素隔离以实现换衣人员重新识别的方法，涉及工智能图像处理技术领域，该方法包括：获取待查询图像和图库图像集；将待查询图像输入至训练好的换衣模型中，得到待查询特征向量，并将图库图像集输入至训练好的换衣模型中，得筛选结果特征向量集；分别计算待查询特征向量与筛选结果特征向量集中每个筛选结果特征向量之间的距离，得到多个距离集合；确定多个距离集合中的最小值，并确定最小值对应的筛选结果特征向量；根据筛选结果特征向量确定与待查询图像对应的图库图像集图像；实现了提取的特征能够忽略衣服和摄像头的差异，从而有效地区分两幅图像是否属于同一行人。
-
公开(公告)号：CN112950464A
公开(公告)日：2021-06-11
申请号：CN202110099913.3
申请日：2021-01-25
Applicant: 西安电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种不包含正则化层的二值超分辨率重建方法，包括：对低分辨率图像进行数据分布处理，获得处理后图像；将所述处理后图像输入二值深度神经网络模型进行特征提取，获得重构后的图像；对所述重构后的图像进行数据分布处理，获得最终重建后的超分图像；利用梯度下降算法迭代更新所述二值深度神经网络模型的参数，直至达到收敛。本发明的方法，通过一种有效的二值化训练机制，允许神经网络在不包含正则化层时取得较优异的网络性能，从而使网络以较低的计算复杂度获得更加优异的超分辨率图像重建效果。
-
公开(公告)号：CN108154133B
公开(公告)日：2020-04-14
申请号：CN201810023591.2
申请日：2018-01-10
Applicant: 西安电子科技大学
Abstract: 一种基于非对称联合学习的人脸画像‑照片识别方法。其步骤为：(1)获得训练样本集和测试样本集；(2)划分样本子集；(3)获得训练伪样本集；(4)构建非对称特征矩阵；(5)计算非对称联合学习矩阵；(6)计算画像样本与照片样本的相似度值；(7)得到识别结果。本发明使用深度卷积网络提取样本的深度特征向量，利用非对称特征矩阵计算非对称联合学习矩阵，使用非对称联合学习矩阵计算画像与照片的相似度，找出与画像相似度最大的照片作为识别结果。本发明将训练伪样本集加入训练过程，并使用非对称联合学习方法增加类内信息，能准确地识别出画像对应的照片。
-
公开(公告)号：CN105138951B
公开(公告)日：2018-05-25
申请号：CN201510397326.7
申请日：2015-07-08
Applicant: 西安电子科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于图模型表示的人脸画像‑照片识别方法，主要解决现有方法在进行人脸画像‑照片识别时忽略人脸图像空间结构信息的问题。其实现步骤是：(1)划分训练画像样本集、训练照片样本集和测试样本集；(2)根据划分结果组成测试画像图模型表示集和测试照片图模型表示集；(3)根据测试画像图模型表示集和测试照片图模型表示集计算相似度集；(4)根据相似度集计算人脸画像‑照片识别率。本发明与现有方法相比，在计算图模型表示过程中使用人脸图像的空间结构信息，提高了人脸画像‑照片识别率，可用于刑侦破案中犯罪嫌疑人的身份识别。
-
公开(公告)号：CN105869134A
公开(公告)日：2016-08-17
申请号：CN201610171867.2
申请日：2016-03-24
Applicant: 西安电子科技大学
CPC classification number: G06T5/50 , G06K9/00228 , G06K9/00288 , G06K9/6223 , G06T2207/10004 , G06T2207/20212
Abstract: 本发明公开了一种基于方向图模型的人脸画像合成方法，主要解决现有方法在对人脸图像合成细节不明显的问题。其实现步骤是：(1)划分训练画像样本集、训练照片样本集和测试照片样本集；(2)对训练画像样本集中的画像、训练照片样本集中的照片和测试照片进行块划分；(3)根据划分的图像块组成待选择照片块集和待选择画像块集；(4)对训练画像和照片样本块集提取像素值特征及方向特征；(5)计算待选择画像块权值集；(6)根据待选择画像块权值集计算伪画像块集；(7)根据伪画像块集，生成伪画像。本发明由于考虑了人脸图像本身的领域约束，使得生成的人脸画像细节部位明显，可用于公共安全领域中人脸检索与识别。
-
Patent Agency Ranking
公开(公告)号：CN105608451A
公开(公告)日：2016-05-25
申请号：CN201610143041.5
申请日：2016-03-14
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于子空间岭回归的人脸画像生成方法，主要解决现有方法生成画像质量不高或耗时的问题。其实现步骤是：(1)划分训练画像样本集、训练照片样本集和测试样本集；(2)将所有图像划分成图像块，并组成块集合；(3)将训练照片块集合与对应的画像块集合划分为多个子集；(4)计算每一对照片-画像块子集之间的映射系数矩阵；(5)将测试照片块划分到对应的子集；(6)根据每一个测试照片块子集以及其所在子集对应的系数矩阵，求解出合成画像块子集；(7)合并合成画像块子集得到合成画像块集合(8)组合所有合成画像快，生成伪画像。本发明具有合成画像质量高，速度快的优点，可用于公共安全领域中人脸检索与识别。
-
公开(公告)号：CN118015346B
公开(公告)日：2025-03-21
申请号：CN202410100761.8
申请日：2024-01-24
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06N3/082 , G06V10/82 , G06N3/084 , G06V10/774 , G06N3/0985
Abstract: 本发明提出了一种基于正交网络的图像分类方法及装置，从电子设备获取当前时刻的当前环境下监测到的图像作为待分类图像，并生成该待分类图像的当前分类任务；执行所述当前分类任务，以将所述待分类图像输入至训练完成的分类模型中，以使所述分类模型输出所述待分类图像的类别。本发明训练完成的分类模型具有保存旧知识的固定参数、共享旧知识和新知识的共享参数、学习新知识的自由参数。本发明通过剪枝后的分类模型中的共享参数来解决图像分类模型中的灾难性遗忘问题，以对当前监测到的图像分类可以提高分类的准确性和效率，这是促进图像分类技术的现实应用的关键。
-
公开(公告)号：CN113095128B
公开(公告)日：2023-09-19
申请号：CN202110225417.8
申请日：2021-03-01
Applicant: 西安电子科技大学
IPC: G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于K最远交叉一致性正则化的半监督时序行为定位方法，包括：获取包括多个有标签视频和多个无标签视频的训练数据集；利用时序片段网络分别获得有标签视频和无标签视频的特征；利用染色体交叉互换法对无标签视频的特征进行干扰，获得无标签视频的干扰后特征；将有标签视频的特征、无标签视频的特征、及无标签视频的干扰后特征输入预测网络，分别得到对应的预测值；重复上述步骤，利用训练数据集和损失函数对预测网络进行训练，获得经训练的预测网络；利用经训练的预测网络对待定位视频进行预测，获得待定位视频的行为类别和时序边界。该方法采用K最远交叉的干扰方式，直接在特征上进行干扰，过程更加的高效和简单。
-
公开(公告)号：CN112950454B
公开(公告)日：2023-01-24
申请号：CN202110099911.4
申请日：2021-01-25
Applicant: 西安电子科技大学
IPC: G06T3/00 , G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于多尺度语义匹配的图像风格迁移方法，包括：获取内容图像训练集和风格图像训练集，形成多组内容‑风格图像对；通过深度卷积网络分别对内容‑风格图像对中的内容图像和风格图像提取多尺度深度特征；对内容图像和风格图像的多尺度深度特征进行多尺度语义匹配，获得重建后的深度特征；将重建后的深度特征通过解码器合成风格迁移后的重建图像；迭代更新解码器的参数直至解码器收敛；将待处理的内容图像和风格图像依次经过多尺度深度特征提取、多尺度语义匹配及收敛更新后的解码器合成，获得风格迁移后的图像。该方法能够显著地保持输入内容图像的结构完整性与连贯性，同时准确迁移输入风格图像对应语义部位的风格。
-
公开(公告)号：CN110163794A
公开(公告)日：2019-08-23
申请号：CN201810410348.6
申请日：2018-05-02
Applicant: 腾讯科技(深圳)有限公司 , 西安电子科技大学
Abstract: 本发明公开了一种图像的转换方法、装置、存储介质和电子装置。其中，该方法包括：获取第一图像转换指令，其中，第一图像转换指令用于指示对待转换的图像进行转换；响应第一图像转换指令，采用第一模型对待转换的图像进行转换，得到目标图像，其中，第一模型用于将第一类别的图像转换为第二类别的图像，待转换的图像为第一类别的图像，目标图像为第二类别的图像，第一类别不同于第二类别，第一模型是通过使用第二类别的样本图像对第一原始模型进行训练得到的模型，第一模型包含第二模型的信息，第二模型用于将第二类别的图像转换为第一类别的图像；输出目标图像。本发明解决了转换得到图像与真实图像不符的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.021 seconds)
