-
公开(公告)号：CN113160036B
公开(公告)日：2022-09-20
申请号：CN202110415546.3
申请日：2021-04-19
Applicant: 金科智融科技(珠海)有限公司 , 北京工业大学
Abstract: 一种保持脸型不变的图像换脸方法属于计算机视觉领域。本发明获取模版图像，对模版图像进行预处理。获取用户图像，通过人脸对齐网络，获得对齐用户人脸图像。通过仿射变换将用户人脸轮廓与模版人脸轮廓对齐。然后通过点对点肤色变换，将用户人脸肤色转换为模版人脸肤色，再通过仿射变换将用户人脸轮廓转换为原来的轮廓，得到肤色转换后的用户人脸。然后将肤色转换后的用户人脸与模版肤色图像进行柏松融合，再将模版额头与其柏松融合。最后通过修正后的用户人脸掩膜将融合后的用户人脸抠出，将抠出的用户人脸粘贴到瘦脸后的模版图像，再粘贴上模版头发，对粘贴后的边缘做平滑处理后得到最终结果。本发明使得换脸后的人脸与用户人脸具有高度相似性。
-
公开(公告)号：CN114863127A
公开(公告)日：2022-08-05
申请号：CN202210143403.6
申请日：2022-02-16
Applicant: 北京工业大学
IPC: G06V10/44 , G06V10/34 , G06V10/764 , G06K9/62 , G06N20/00
Abstract: 本发明公开了一种针对图像语义边缘的质量评价方法，包括语义边缘的连续度、粗细度和光滑度。本发明步骤如下：一、利用现有基于深度学习的图像语义边缘检测算法获得待评测的语义边缘图像；二、将待评测图像通过形态学方法提取语义边缘的骨架；三、对语义边缘骨架利用形态学方法提取连通分量，结合连通分量数量与骨架长度度量连续度指标；四、结合待评测语义边缘点数量和其骨架长度得到语义边缘平均宽度，作为粗细度指标；五、根据四所获得的语义边缘平均宽度将骨架通过形态学的膨胀操作生成膨胀后的语义边缘骨架，再基于欧氏距离计算得到待评测语义边缘的光滑度指标。本发明优势在于以无参考的形式从多方面评价图像语义边缘质量。
-
公开(公告)号：CN114550162A
公开(公告)日：2022-05-27
申请号：CN202210143670.3
申请日：2022-02-16
Applicant: 北京工业大学
Abstract: 本发明公开了一种视图重要性网络与自注意力机制相结合的三维物体识别方法。该方法包括：将待识别三维物体从n个不同的视角进行投影获得n个不同的二维视图，其中，n大于等于二；通过基础CNN模型对n个视图进行特征提取，得到对应视图的特征图；通过视图重要性网络判断n个视图各自对三维物体识别的重要程度，并根据重要程度对特征进行不同程度的加强，获得视图增强特征图；将视图增强特征图使用自注意力机制进行处理，得到三维形状描述符；将三维形状描述符输入到全连接网络进行多视角物体识别，实现三维物体识别。本发明将有利于三维物体识别的重要视图进行突出，同时抑制非重要视图对三维物体识别的干扰，提高三维物体识别精准度。
-
公开(公告)号：CN108154485B
公开(公告)日：2021-07-16
申请号：CN201711397822.8
申请日：2017-12-21
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于分层和笔画方向解析的古画修复方法。首先,通过寻找最大差异通道、设定阈值、以及滤除小面积连通域对古画的画布层和内容层进行分离。之后，分别对画布层和内容层进行修复。对于内容层的笔画部分，通过用户交互、曲波变换和反曲波变换进行各方向分解式、迭代修复。对于画布层或区域类型内容，采用改进的基于样例的方法进行修复，能够有效避免传统方法中的伪结构问题。然后，将修复后的画布层和笔画层进行融合得到修复后的图像。与现有方法相比，本发明所述方法修复效果更加流畅自然。
-
公开(公告)号：CN108961350A
公开(公告)日：2018-12-07
申请号：CN201810784714.4
申请日：2018-07-17
Applicant: 北京工业大学
CPC classification number: G06T11/001 , G06K9/4671 , G06K9/6201 , G06K9/6256
Abstract: 本发明涉及一种基于显著性匹配的画风迁移方法，核心为一个基于显著度匹配的画风迁移深度神经网络模型。该模型由特征抽取、子画风迁移、基于显著度的区域分解和画风图像合成，四个模块组成。在训练时，对所构建的画风迁移网络模型进行分支训练，使每个分支向目标作用优化。与现有技术相比，本发明具有以下优点：1)依据内容图中对象显著度和画风图中子画风显著度的一致性进行画风迁移，能够将显著的画风迁移到内容图的显著对象上，从而保证迁移风格后的内容图中的对象显著性顺序保持不变。同时，不同显著度的对象物继承单一子画风，不会因为同一对象继承不同子画风造成风格混乱；2)生成的带画风图像更加光滑、无噪声。
-
Patent Agency Ranking
公开(公告)号：CN107222750A
公开(公告)日：2017-09-29
申请号：CN201710475750.8
申请日：2017-06-21
Applicant: 北京工业大学
IPC: H04N19/467 , H04N19/597 , H04N19/61
CPC classification number: H04N19/467 , H04N19/597 , H04N19/61
Abstract: 本发明公开一种面向立体视频的频域视差相干水印方法；在水印嵌入部分，首先，生成取值分布符合标准正态分布的水印信息块，并可选择以版权信息作为密钥对其进行置乱，之后，将待嵌入水印的视频解码为连续的序列帧，对每一个帧进行4*4的DCT变换，然后，将水印信息重复地嵌入每一个序列帧中，重新将序列帧编码为视频；在水印检测部分，给定一个待检测视频，提取其中的I帧，通过统计每个I帧在每个视差上的水印能量，确定水印信息。整个水印检测过程只要待检测视频与目标水印对比即可，不需要其它任何辅助信息，即检测过程是全盲的。与现有方法相比，本发明所述方法在保证不可见性和抵抗DIBR攻击的基础上，能够更有效地对抗视频压缩攻击。
-
公开(公告)号：CN103927533A
公开(公告)日：2014-07-16
申请号：CN201410143919.6
申请日：2014-04-11
Applicant: 北京工业大学
Abstract: 一种针对早期专利文档扫描件中图文信息的智能处理方法属于计算机图像处理领域。本发明将输入的专利文档扫描图像转化为二值二维矩阵后去除扫描图像中的颗粒噪声，即用算法实现以矩形框圈取切割目标的操作，得到若干个粗块，对每个粗块进行分类，标记并得到若干个文本块和若干个非文本块。对非文本块进行进一步的细切割操作，得到若干个细块。对每个细块进行分类，标记并得到若干个标号块和若干个非标号块。对非标号块进行分类，标记并得到若干个杂质块和若干个附图块。对标号块以及附图块进行对应的匹配，即将指定附图和与其对应的附图标号相匹配。本发明更准确地切割附图、识别附图标号信息和匹配附图与附图标号的关系。
-
公开(公告)号：CN103598870A
公开(公告)日：2014-02-26
申请号：CN201310552006.5
申请日：2013-11-08
Applicant: 北京工业大学
IPC: A61B3/032
Abstract: 本发明属于图像处理领域，公开了一种基于深度图像手势识别的视力检测方法。首先利用深度数据获取设备获得深度图像；然后利用深度图像进行手势区域的识别，根据识别到的区域进行手势特征的提取；最后依据提取的手势特征进行被测人手势的识别，并与显示屏幕上所显示“E”字缺口方向进行匹配判断，得到视力检测的最后结果。本发明利用深度获取设备动态获取深度图像，通过改进现有手势识别技术，实现了手势的动态识别，并将手势的动态识别技术应用于视力检测，不仅保持了传统方法原有的简便性，同时还克服了传统检测方法费时、费力的缺点，增加了检测过程的趣味性。
-
公开(公告)号：CN112419325B
公开(公告)日：2025-01-10
申请号：CN202011360361.9
申请日：2020-11-27
Applicant: 北京工业大学
IPC: G06T7/10
Abstract: 本发明公开了一种基于深度学习的超像素分割方法，具体包括针对编码器部分的网络过参数化、网络剪枝和解码器部分的TDT(Top‑down‑top)解码结构，本发明基于深度学习并具备端到端学习能力，具备与其他视觉任务更充分的融合能力，进而可以促进其它视觉任务的快速发展。该发明的方法步骤大体分为三个阶段：网络搜索策略中的网络过参数化阶段；网络搜索策略中的网络剪枝阶段；网络解码能力强化并重新训练阶段。本发明在编码器特征提取过程中的边界捕捉能力和解码器超像素分割过程中的结构保留能力均有提升，能有效减少错分割现象的出现，同时其在网络过参数化、网络剪枝和TPT解码器结构设计上具有很好的可解释性，并且其方法计算效率高，超像素分割速度可以达到实时。
-
公开(公告)号：CN116051900A
公开(公告)日：2023-05-02
申请号：CN202310100249.9
申请日：2023-02-11
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/25 , G06V10/26 , G06V10/28 , G06V10/46 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于感兴趣区域引导型注意力机制的图像分类方法。该图像方法包括：获取待分类图像和感兴趣区域掩膜图，计算空间重要性初始化图；将经过裁剪的待分类图像、经过裁剪的感兴趣区域掩膜图输入到特征提取模块中提取图像特征；将图像特征、空间重要性初始化图输入到空间注意力机制模块进行空间层面上的特征增强；将经过空间重要性加权后的特征、掩膜图输入到通道注意力模块进行通道层面的特征增强；将图像特征、掩膜图、空间重要性图进一步输入到特征提取模块、空间注意力模块和通道注意力模块中进行增强；将特征拉平，输入到全连接层中实现图像分类。本发明较现有方法特征表达能力更好，能够有效提升图像分类精准度。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.035 seconds)
