-
公开(公告)号：CN109345470A
公开(公告)日：2019-02-15
申请号：CN201811043607.2
申请日：2018-09-07
Applicant: 华南理工大学
Inventor： 梁凌宇
Abstract: 本发明公开了人脸图像融合方法，包括：分别提取目标人脸I的特征点和参考人脸R的特征点；根据所述目标人脸I的特征点和参考人脸R的特征点，将参考人脸R的表观形状与目标人脸I相匹配；根据相匹配后的目标人脸I’和参考人脸R’生成光照模板ML；根据目标人脸I的特征点生成区域模板MQ；把所述光照模板ML、区域模板MQ和目标人脸I、相匹配后的参考人脸R’进行加权求和，目标人脸I和参考人脸R实现人脸融合。本发明能在目标人脸与参考人脸具有较大光照差异时，解决目标人脸与参考人脸具有较大光照差异下人脸融合出现的视觉不一致问题，生成自然的人脸融合效果。
-
公开(公告)号：CN109308726A
公开(公告)日：2019-02-05
申请号：CN201811044262.2
申请日：2018-09-07
Applicant: 华南理工大学
Inventor： 梁凌宇
Abstract: 本发明公开了人脸图像编辑模板的快速生成方法，包括：对已知人脸图像编辑模板的初始值R进行分类，得到向量形式的子集RS和RC，其中R＝(RS,RC)；根据待求人脸图像编辑模板T的类型对应的邻接点相似度计算权重矩阵W；根据限定矩阵U和子集RS计算待求人脸图像编辑模板T的子集TS；根据权重矩阵W和子集TS计算待求人脸图像编辑模板T的子集TC；将子集TS和子集TC合成待求人脸图像编辑模板T。本发明把大规模矩阵求解问题转化为小规模矩阵问题，能广泛应用人脸图像编辑系统中，对高分辨率人脸图像编辑能有效提高其计算速度、降低人脸图像编辑模板的计算复杂度。
-
公开(公告)号：CN104537612A
公开(公告)日：2015-04-22
申请号：CN201410614628.0
申请日：2014-11-05
Applicant: 华南理工大学
IPC: G06T5/00
Abstract: 本发明提供一种自动的人脸图像皮肤美化方法，包括步骤：（1）特征提取：对原始人脸图像进行人脸检测和人脸特征提取；（2）图层分解：对原始人脸图像进行图像成分分解，获得亮度图层、光滑度图层和颜色图层；（3）蒙板生成：利用人脸特征对亮度图层、光滑度图层和颜色图层分别生成相应的亮度蒙板、光滑度蒙板和颜色蒙板；（4）美化参数优化：以平均脸为标准模板，计算三个图层对应的美化参数；（5）图层增强：利用美化参数和蒙板，分别对三个图层进行美化处理，获得美化后的亮度图层、光滑度图层和颜色图层；（6）图层融合：对三个美化后图层进行融合，获得最终的人脸美化图像。
-
公开(公告)号：CN103824087A
公开(公告)日：2014-05-28
申请号：CN201210464085.X
申请日：2012-11-16
Applicant: 广州三星通信技术研究有限公司 , 华南理工大学 , 三星电子株式会社
Abstract: 提供一种人脸特征点的检测定位方法以及系统。一种人脸特征点的检测定位方法包括：对输入的人脸图像执行人脸区域检测；由检测出的人脸区域检测人眼瞳孔位置；根据检测到的人眼瞳孔位置执行特征点初始化赋值；基于初始化赋值的特征点以及人眼瞳孔位置，对检测出的人脸区域执行多分辨率的人脸特征点定位搜索；基于Gabor纹理特征执行各特征点的精确定位处理，从而获得最终的人脸特征点位置。
-
公开(公告)号：CN119964777A
公开(公告)日：2025-05-09
申请号：CN202510050618.7
申请日：2025-01-13
Applicant: 华南理工大学 , 郑州大学第一附属医院
Abstract: 本发明公开了一种联邦学习帕金森病诊断方法、装置、设备及介质，其中方法包括：初始化全局共享模型和本地个性化模型；进行联邦迭代训练，更新全局共享模型；客户端下载服务器端的共享全局模型，利用验证集评估本地个性化模型和全局共享模型的性能，并动态确定两者在帕金森病诊断中的最佳加权融合系数；客户端基于验证集确定的加权融合系数，在集成学习过程中融合本地个性化模型与共享模型；经过多轮训练和优化后，客户端将最终优化的共享模型提交至服务器端，由服务器端完成全局共享模型的更新，形成最终的帕金森病诊断联邦学习预测模型。本发明通过为客户端定制个性化的本地模型，而不是依赖单一全局共享模型，实现对异质性数据的更有效适配。
-
Patent Agency Ranking
公开(公告)号：CN111968042B
公开(公告)日：2023-10-20
申请号：CN202010650867.7
申请日：2020-07-08
Applicant: 华南理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种数字文档的去阴影方法、系统、装置和存储介质，其中方法包括以下步骤：对数字文档图像进行滤波处理，获得第一阴影图；沿所述第一阴影图的x轴方向和y轴方向进行下凸区域插值，得到第二阴影图；根据所述第二阴影图获取图形蒙板，根据所述图形蒙板对所述第二阴影图进行插值操作，获得第三阴影图；根据所述第三阴影图和光照模型对所述数字文档图像进行处理，获得输出图像。本发明通过对插值和生成蒙板的办法，构建图像的阴影图，再利用光照模型消除数字文档图像的阴影，能达到较好且自然的处理效果，可广泛应用于图像处理与增强领域。
-
公开(公告)号：CN116051740A
公开(公告)日：2023-05-02
申请号：CN202310005467.4
申请日：2023-01-04
Applicant: 华南理工大学
IPC: G06T17/00 , G06T7/194 , G06V10/75 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明公开了一种基于神经辐射场的室外无界场景三维重建方法及系统，包括获取待重建场景的RGB图像集，计算每一张图像对应的相机参数及稀疏点云；对所有图像根据内容进行图像分割，生成掩膜图，实现前景与背景的分离，得到每张图像中前景区域的深度范围和背景区域的深度范围；基于重建需求将掩膜图分为前景图像集、背景图像集与全图像集；输入待重建场景的前景图像集、背景图像集、全图像集及相机参数，基于神经辐射场技术重建场景的神经辐射场隐式模型，可分别获得前景物体模型、背景环境模型以及全场景模型，最后由体渲染技术实现隐式三维模型的可视化。本发明相较于其他神经辐射场三维重建技术，本方法在室外场景模型的清晰度更高。
-
公开(公告)号：CN112507327B
公开(公告)日：2022-11-18
申请号：CN202011507579.2
申请日：2020-12-18
Applicant: 华南理工大学
IPC: G06F21/46
Abstract: 本发明公开了一种基于机器学习的晴雨检测与处理方法，包括以下步骤：搜集N张无雨图像，同时搜集H张雨滴模板，利用图像合成的方法合成包含N张有雨图像及N张无雨图像构成的数据集，并根据类别设置标签，划分成训练图像与测试图像。将训练图像输入晴雨分类卷积神经网络，进行晴雨分类，并用测试图像进行训练效果检验；构造支持向量机晴雨图像分类器；构建宽度学习神经网络，输入训练图像到该网络，进行宽度学习训练，并使用测试图像检验训练效果；使用集成学习方法组合所述的晴雨分类卷积神经网络、SVM晴雨图像分类器和宽度学习神经网络，形成并行联合判别测试模型；使用该模型检测图像是否有雨，若无雨直接输出；若有雨则进行去雨处理。
-
公开(公告)号：CN114882485A
公开(公告)日：2022-08-09
申请号：CN202210440463.4
申请日：2022-04-25
Applicant: 华南理工大学
Abstract: 本发明公开了一种面向细长文本的自然场景文字检测方法、系统及介质，其中方法包括：获取图像，提取图像的特征，提取图像的多尺度信息；预测对应尺度上文本区域的置信度；对置信度大于阈值的像素点位置预测文本组件的高度和方向几何特征，不同尺度上的文本组件通过非极大值抑制滤除重叠的文本组件；预测对应尺度的文本中心线的傅里叶近似表示参数，并通过快速傅里叶变换得到文本行中心线的点序列；通过预测的文本中心线查找文本行路径上的文本组件，串接并聚合得到文本包围框。本发明根据文本行中心线采样点序列逐步连接文本组件，构建文本包围框，对于自然场景下的细长文本行图像能够更加准确地定位和检测文本，可广泛应用于计算机视觉技术领域。
-
公开(公告)号：CN114357563A
公开(公告)日：2022-04-15
申请号：CN202111461994.3
申请日：2021-12-02
Applicant: 华南理工大学
Abstract: 本发明公开了一种江南私家园林景观的布局生成方法及应用，该方法步骤包括：收集江南私家园林布局案例图像作为原始训练数据样本；生成目标设定标准对原始训练数据样本进行筛选；将原始训练数据样本进行数据清洗，统一江南私家园林布局案例图像的风格，将筛选后的数据样本结合私家园林设计的知识进行标注，并作为训练及测试数据集；进行训练及测试数据集的数据预处理，满足输入对抗生成网络模型的格式条件；训练对抗生成网络模型，得到训练后的园林布局对抗生成网络模型；将测试数据集中测试图像输入训练后的园林布局对抗生成网络模型，得到园林布局方案。本发明实现江南私家园林景观布局的自动生成，极大地提升古典园林设计工作的质量与设计效率。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.023 seconds)
