-
公开(公告)号：CN109766790B
公开(公告)日：2022-08-23
申请号：CN201811581304.6
申请日：2018-12-24
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于自适应特征通道的行人检测方法，包括如下步骤：步骤一，获取Caltech行人数据帧，基于该数据帧捕获训练集和验证集；步骤二，缩放训练集和验证集图像；步骤三，将标准化后图像作为模型输入数据；步骤四，基于Caffe开源深度学习框架设计卷积神经网络，输出图像包含行人与否的信息、行人的位置信息以及该位置存在行人的可能性；步骤五，计算模型的输出信息与对应标注信息的损失，优化并训练模型；步骤六，利用优化后的模型参数，检测真实场景图像中存在的行人，得到相应的行人检测框。本发明基于卷积神经网络，采用了转移学习以及多任务联合学习的技术，实现了端到端的行人检测方法，为行人检测的后续操作提供了重要的技术支持。
-
公开(公告)号：CN109801225A
公开(公告)日：2019-05-24
申请号：CN201811487067.7
申请日：2018-12-06
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于多任务全卷积神经网络的人脸网纹污迹去除方法，具体步骤如下：步骤一，利用公共人脸数据集CelebA的清晰人脸图像作为无网纹图像数据集，制作训练集与验证集；步骤二，将网纹图像、真实图像、网纹二值mask图像均裁剪成大小为64x64的图像块；步骤三，运用引导滤波，获取人脸网纹图像的细节层信息作为模型输入；步骤四，设计全卷积神经网络，输出残差信息与二值mask网纹判别信息；步骤五，用成对的训练数据优化真实图像、网纹图像与残差信息的损失，以及预测网纹mask与真实网纹mask标签损失，训练模型；步骤六，利用训练得到的模型参数，预测真实场景的测试图像，得到预测的去污图像。本发明为人脸图像后续操作提供了高质量的图像。
-
公开(公告)号：CN109766790A
公开(公告)日：2019-05-17
申请号：CN201811581304.6
申请日：2018-12-24
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于自适应特征通道的行人检测方法，包括如下步骤：步骤一，获取Caltech行人数据帧，基于该数据帧捕获训练集和验证集；步骤二，缩放训练集和验证集图像；步骤三，将标准化后图像作为模型输入数据；步骤四，基于Caffe开源深度学习框架设计卷积神经网络，输出图像包含行人与否的信息、行人的位置信息以及该位置存在行人的可能性；步骤五，计算模型的输出信息与对应标注信息的损失，优化并训练模型；步骤六，利用优化后的模型参数，检测真实场景图像中存在的行人，得到相应的行人检测框。本发明基于卷积神经网络，采用了转移学习以及多任务联合学习的技术，实现了端到端的行人检测方法，为行人检测的后续操作提供了重要的技术支持。
-
公开(公告)号：CN109801225B
公开(公告)日：2022-12-27
申请号：CN201811487067.7
申请日：2018-12-06
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于多任务全卷积神经网络的人脸网纹污迹去除方法，具体步骤如下：步骤一，利用公共人脸数据集CelebA的清晰人脸图像作为无网纹图像数据集，制作训练集与验证集；步骤二，将网纹图像、真实图像、网纹二值mask图像均裁剪成大小为64x64的图像块；步骤三，运用引导滤波，获取人脸网纹图像的细节层信息作为模型输入；步骤四，设计全卷积神经网络，输出残差信息与二值mask网纹判别信息；步骤五，用成对的训练数据优化真实图像、网纹图像与残差信息的损失，以及预测网纹mask与真实网纹mask标签损失，训练模型；步骤六，利用训练得到的模型参数，预测真实场景的测试图像，得到预测的去污图像。本发明为人脸图像后续操作提供了高质量的图像。
-
-
-
Search Results
4
records
(took 0.019 seconds)
