-
Patent Agency Ranking
公开(公告)号：CN111798400B
公开(公告)日：2022-10-11
申请号：CN202010700648.5
申请日：2020-07-20
Applicant: 福州大学
Abstract: 本发明涉及一种基于生成对抗网络的无参考低光照图像增强方法及系统，该方法包括以下步骤：分别对原始分辨率的低光照图像和正常光照图像进行预处理，得到用于训练的不成对的低光照图像块和正常光照图像块；构建用于低光照增强的生成器网络和用于进行对抗训练的判别器网络；使用低光照图像块和正常光照图像块交替训练生成器网络和判别器网络收敛到纳什平衡；将用于测试的原始低光照图像输入训练好的生成器网络预测其增强后的图像。该方法及系统有利于提高低光照图像增强的质量。
-
公开(公告)号：CN111950655B
公开(公告)日：2022-06-14
申请号：CN202010861877.5
申请日：2020-08-25
Applicant: 福州大学
IPC: G06V10/764 , G06V10/80 , G06V30/19 , G06N3/04
Abstract: 本发明涉及一种基于多领域知识驱动的图像美学质量评价方法，步骤S1：设计一个密集连接网络作为主干网络，提取图像的美学特征；S2：设计一个半监督学习算法，同时从有标签和无标签图像学习风格特征，提取图像的风格特征；S3：使用场景语义分类数据集和情感分类数据集训练场景语义分类模型和情感分类模型，提取图像的语义特征和情感特征；S4：使用梯度提升算法XGBoost，对提取到的特征进行特征筛选与融合，分别训练SVM分类模型和SVR回归模型来预测图像的美学质量。本发明能显著提高美学质量预测精度。
-
公开(公告)号：CN111835983B
公开(公告)日：2021-06-29
申请号：CN202010719702.0
申请日：2020-07-23
Applicant: 福州大学
Abstract: 本发明涉及一种基于生成对抗网络的多曝光图高动态范围成像方法及系统，首先对原始分辨率的低曝光图像、正常曝光图像、高曝光图像和用作标签的参考高动态范围图像进行预处理，得到用于训练的成组的低曝光、正常曝光、高曝光和高动态范围图像块；设计用于多曝光图高动态范围成像的生成器网络和用于进行对抗训练的判别器网络；使用成组的低曝光、正常曝光、高曝光和高动态范围图像块交替训练生成器网络和判别器网络收敛到纳什平衡；最后将用于测试的原始分辨率的低曝光图像、正常曝光图像和高曝光图像输入已收敛的生成器网络得到其输出的高动态范围图像预测结果。本发明能提升多曝光图像间具有明显背景移动或物体运动时生成的高动态范围图像的质量。
-
公开(公告)号：CN111835983A
公开(公告)日：2020-10-27
申请号：CN202010719702.0
申请日：2020-07-23
Applicant: 福州大学
Abstract: 本发明涉及一种基于生成对抗网络的多曝光图高动态范围成像方法及系统，首先对原始分辨率的低曝光图像、正常曝光图像、高曝光图像和用作标签的参考高动态范围图像进行预处理，得到用于训练的成组的低曝光、正常曝光、高曝光和高动态范围图像块；设计用于多曝光图高动态范围成像的生成器网络和用于进行对抗训练的判别器网络；使用成组的低曝光、正常曝光、高曝光和高动态范围图像块交替训练生成器网络和判别器网络收敛到纳什平衡；最后将用于测试的原始分辨率的低曝光图像、正常曝光图像和高曝光图像输入已收敛的生成器网络得到其输出的高动态范围图像预测结果。本发明能提升多曝光图像间具有明显背景移动或物体运动时生成的高动态范围图像的质量。
-
公开(公告)号：CN111724306A
公开(公告)日：2020-09-29
申请号：CN202010563256.9
申请日：2020-06-19
Applicant: 福州大学
Abstract: 本发明涉及一种基于卷积神经网络的图像缩小方法及系统，首先对原始高分辨率训练图像进行预处理，得到原始高分辨率训练图像块组成的图像块数据集；然后设计图像缩小教师网络，并使用图像块数据集训练该网络；接着设计图像缩小学生网络，保持训练好的图像缩小教师网络的参数、权重不变，训练图像缩小学生网络；最后将原始高分辨率的测试图像输入到训练好的图像缩小学生网络，预测其缩小后的图像。本发明能够提高图像缩小后小图的质量。
-
-
-
-
Search Results
35
records
(took 0.029 seconds)
