-
公开(公告)号：CN109829959A
公开(公告)日：2019-05-31
申请号：CN201811593470.8
申请日：2018-12-25
Applicant: 中国科学院自动化研究所
IPC: G06T13/40
Abstract: 本发明涉及计算机图形学技术领域，具体涉及一种基于人脸解析的表情编辑方法及装置，旨在解决如何在保持人物身份的前提下，更好地对无表情人脸进行表情编辑的技术问题，为此目的，本发明提供的基于人脸解析的表情编辑方法包括：基于预设的人脸解析预测网络并且根据预先获取的无表情人脸图像和表情强度控制编码，获取无表情人脸图像和表情强度控制编码对应的有表情人脸解析图；基于预设的人脸表情编辑网络并且根据有表情人脸解析图和无表情人脸图像，获取目标表情图像。基于上述步骤，可以在保持人物身份信息的前提下，对无表情人脸进行不同强度和不同表情的编辑。
-
公开(公告)号：CN106650737A
公开(公告)日：2017-05-10
申请号：CN201611041091.9
申请日：2016-11-21
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种图像自动裁剪方法。该方法包括：提取待裁剪图像的美感响应图和梯度能量图；对待裁剪图像密集提取候选裁剪图像；基于美感响应图，筛选候选裁剪图像；基于美感响应图和梯度能量图，估计筛选出的候选裁剪图像的构图分数，并将得分最高的候选裁剪图像确定为裁剪图像。本方案利用美感响应图去探究图片的美感影响区域，利用美感响应图确定美感保留部分，从而更加最大程度地保留了裁剪图像的高美感质量，同时本方案还利用梯度能量图去分析梯度分布规则，并且基于美感响应图和梯度能量图来评估裁剪图的构图分数。本发明实施例弥补了图像构图表达的缺陷，解决了如何提高图像自动裁剪的鲁棒性和精度的技术问题。
-
公开(公告)号：CN106250840A
公开(公告)日：2016-12-21
申请号：CN201610603175.0
申请日：2016-07-27
Applicant: 中国科学院自动化研究所
CPC classification number: G06K9/00281 , G06K9/00288 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的嘴巴张闭状态检测方法，其主要包括数据预处理部分、特征提取部分、特征分类部分和误差计算部分。本发明最大的特点是充分利用深度卷积神经网络提取高层次特征的能力，提取出可以应对实际应用场景中经常存在的无规律噪声、较大光照变化以及通过遮挡嘴部关键部位进行恶意攻击等情况的鲁棒特征，并且利用全连接层来对提取到的特征分类，并通过计算误差并采用随机梯度下降法调整参数从而减小误差的方法来使检测方法自动习得分辨嘴巴张闭状态的能力。此外，本发明能够保证所需的计算资源和存储空间都不会因待检测图像分辨率的变化而产生大幅度波动。本发明操作方便，简单易用，精度更高、更加安全可靠。
-
公开(公告)号：CN103400143A
公开(公告)日：2013-11-20
申请号：CN201310293779.6
申请日：2013-07-12
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开一种基于多视角的数据子空间聚类方法，其包括：提取多视角数据库中的多视角特征；对于所述多视角数据库，选择特定的线性重构表示方法，并确定所述线性重构表示方法相对应的正则化约束方式；确定所述多视角特征中每个视角特征的重构误差权重；根据所选定的重构表示方法和所获得的不同视角特征的重构误差权重，学习得到对所述多视角数据库中所有样本进行重构的线性表示矩阵；所述线性表示矩阵用于表示数据库中样本之间的关系，元素值表示其所在行对应的样本重构其所在列对应样本的重构系数；将所述线性表示矩阵进行相应处理得到度量所述多视角数据库中样本相似性的亲和矩阵；利用谱聚类算法对所述亲和矩阵进行分割得到多视角数据子空间。
-
公开(公告)号：CN118644423B
公开(公告)日：2025-03-21
申请号：CN202410539856.X
申请日：2024-04-30
Applicant: 中国科学院自动化研究所
IPC: G06T5/77 , G06T5/60 , G06N3/0499 , G06N3/098 , G06N3/084 , G06N3/086 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/048
Abstract: 本申请提供一种基于联邦学习的数据恢复方法及装置，涉及数据处理技术领域。所述方法包括：基于联邦学习模型的目标全连接层梯度向量、初始有理系数与预设标签特征，确定目标有理系数；基于所述目标有理系数与所述目标全连接层梯度向量，确定所述目标全连接层数据输入特征；基于目标全连接层前一层的梯度信息与所述目标全连接层数据输入特征，恢复原始图像数据。本申请提供的基于联邦学习的数据恢复方法及装置，可以恢复联邦学习模型中应用标签平滑或标签混合技术的源数据，保证数据安全。
-
Patent Agency Ranking
公开(公告)号：CN119206427A
公开(公告)日：2024-12-27
申请号：CN202411086736.5
申请日：2024-08-08
Applicant: 中国科学院自动化研究所
IPC: G06V10/82 , G06N3/0895 , G06N3/0499 , G06V10/766
Abstract: 本发明提供一种基于统一信息流的掩码图像建模自监督学习方法及装置，方法包括：对自监督学习任务的待处理图像进行图像分块化得到等分像素块；调用特征编码器对等分像素块进行基于信息流的解耦处理，得到深层表征信息；基于分形空间填充曲线范式，对深层表征信息进行分形序列构建，得到分形序列表征信息，并调用特征解码器解码得到特征预测值；将特征预测值进行线性映射处理，得到自监督学习任务的目标预测结果，并构建自监督学习损失值，用于对所述自监督学习模型进行训练。通过本申请，解决了现有技术在图像特征构建时，未关注图像块特征之间的依赖关系及图像模态二维特性，导致掩码图像建模时图像表征学习能力下降，且通用性差的问题。
-
公开(公告)号：CN118982458A
公开(公告)日：2024-11-19
申请号：CN202410866996.8
申请日：2018-06-01
Applicant: 华为技术有限公司 , 中国科学院自动化研究所
IPC: G06T3/18 , G06T3/60 , G06T9/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06V40/16
Abstract: 本申请提供一种人脸旋转图像的生成方法及装置，涉及人工智能领域，具体涉及计算机视觉领域。本方法包括：根据获取的人脸图像中的两个或两个以上关键点对所述人脸图像进行姿态编码以获得姿态编码图；从训练数据集中获取包含人脸的训练图片，且所述训练图片中包含的人脸呈现的旋转角度为同一角度；采用前述类似方式根据目标人脸图像中的两个或两个以上关键点对所述目标人脸图像进行姿态编码以获得姿态编码图；其中,所述目标人脸图像是根据所述训练图片得到的；根据所述人脸图像和前述两种姿态编码图生成待输入信号；将所述待输入信号输入人脸旋转图像生成模型得到人脸旋转图像。
-
公开(公告)号：CN113627233B
公开(公告)日：2024-08-13
申请号：CN202110672769.8
申请日：2021-06-17
Applicant: 中国科学院自动化研究所
IPC: G06F30/27
Abstract: 本发明提供一种基于视觉语义信息的人脸伪造检测方法和装置，其中方法包括：确认待检测人脸图像；基于人脸伪造检测模型，提取所述待检测人脸图像的图像上下文特征和人脸区域特征，基于所述图像上下文特征和所述人脸区域特征，确定人脸区域关系特征，并基于所述人脸区域关系特征，确定所述待检测人脸图像的伪造检测结果；所述图像上下文特征和所述人脸区域特征表征所述待检测人脸图像中的视觉语义信息；其中，所述人脸伪造检测模型是基于样本人脸图像及其样本伪造检测结果训练得到的。本发明提高了人脸伪造检测准确性，尤其是未知伪造方法对应的图像的检测准确性，提升了人脸伪造检测模型的泛化能力。
-
公开(公告)号：CN111819568B
公开(公告)日：2024-07-09
申请号：CN201880090767.4
申请日：2018-06-01
Applicant: 华为技术有限公司 , 中国科学院自动化研究所
IPC: G06T3/18 , G06T9/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06V40/16
Abstract: 本申请提供一种人脸旋转图像的生成方法及装置，涉及人工智能领域，具体涉及计算机视觉领域。本方法包括：根据获取的人脸图像中的两个或两个以上关键点对所述人脸图像进行姿态编码以获得姿态编码图；从训练数据集中获取多张包含人脸的训练图片，且所述多张训练图片中包含的人脸呈现的旋转角度均为同一角度；采用前述类似方式根据目标人脸图像中的两个或两个以上关键点对所述目标人脸图像进行姿态编码以获得姿态编码图；其中，所述目标人脸图像是根据所述多张训练图片得到的；根据所述人脸图像和前述两种姿态编码图生成待输入信号；将所述待输入信号输入人脸旋转图像生成模型得到人脸旋转图像。通过本方法，可以提高姿态编码的连续性和准确性，从而提高人脸旋转图像的生成效率。
-
公开(公告)号：CN117220932A
公开(公告)日：2023-12-12
申请号：CN202311112055.7
申请日：2023-08-30
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种网络模型窃取行为检测方法及装置，该网络模型窃取行为检测方法包括：获取探测数据集；基于源模型对探测数据集进行相关性分析，得到第一相关性矩阵，基于非窃取模型对探测数据集进行相关性分析，得到第二相关性矩阵，基于待检测模型对探测数据集进行相关性分析，得到第三相关性矩阵；基于第一距离、第二距离和误分类率，得到窃取行为检测距离，窃取行为检测距离用于检测待检测模型是否面临窃取攻击。本发明所述方法能够保证网络模型在主任务上的性能稳定，且不受对抗训练和迁移学习的影响，提升了模型知识产权算法的鲁棒性及检测效果，同时不需要训练替代模型，提高模型的算法运行效率。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.037 seconds)
