-
公开(公告)号:CN108961350B
公开(公告)日:2023-09-19
申请号:CN201810784714.4
申请日:2018-07-17
Applicant: 北京工业大学
IPC: G06T3/00 , G06T11/40 , G06V10/82 , G06V10/46 , G06V10/74 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/08
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。
-
公开(公告)号:CN114596474A
公开(公告)日:2022-06-07
申请号:CN202210185451.1
申请日:2022-02-16
Applicant: 北京工业大学
Abstract: 本发明涉及一种融合多模态信息的单目深度估计方法。首先输入单张RGB图像,通过常规主干网络(如ResNet)提取特征后再经过并列的水平和竖直方向上的全局池化算子,跨通道的1x1卷积,多尺度的空洞卷积以及语义分割预测模块。至此,我们得到了两种不同模态的特征图D和S(深度和语义模态)。将S中每一个像素分别隶属于特定语义类别的概率分布向量与D中的深度表征向量相乘,得到多模态融合的相似度矩阵,最后再与特征图D做残差连接得到最后的输出特征图F。除此以外,我们更是重新设计了一种损失函数来适配和训练我们的深度神经网络模型。和与现有方法相比,本发明更能反映场景中不同物体类别的轮廓与更高的深度估计精度。
-
公开(公告)号:CN114549354A
公开(公告)日:2022-05-27
申请号:CN202210165276.X
申请日:2022-02-16
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于参考跨序列图像的MRI图像复原方法,为了更好地参考跨序列图像,通过对抗性域适应的卷积神经网络框架,对退化的输入图像提取浅层特征,同时将跨序列图像也提取特征进行特征表示,通过域判别器引导跨序列图像的参考域转换到输入低质量图像对应的真值域,减少跨序列参考图像和低质量图像在特征空间上的差异,从而能更好地参考跨序列图像的有用信息辅助低质量MRI图像复原。该方法使网络能够去除噪声和尽可能地恢复图像中模糊部分原本的细节,从而更好地对低质量图像进行复原。
-
公开(公告)号:CN114549288A
公开(公告)日:2022-05-27
申请号:CN202210143672.2
申请日:2022-02-16
Applicant: 北京工业大学
Abstract: 本发明提出一种基于深度学习的素描风景图生成方法,具体涉及基于深度学习的素描风景图生成网络,以及基于交互式分割的素描主次感增强算法。素描风景图生成网络的训练步骤如下:获取网上的非成对自然域图像和素描域图像作为训练数据;将自然实景图片‑素描风景数据集输入到非对称双循环生成对抗网络中进行训练;将自然实景图像输入到训练好的网络模型中,初步合成对应的素描风景图。素描主次感增强算法包括如下步骤:设计主体区域提取模块,自主选取合成素描风景图的主体部分;设计主次感增强模块,将合成素描图的主体部分进行增强、将背景部分进行弱化,获得具有主次感的素描图。本发明能够将自然实景图像自动转化为富有主次感的素描风景图。
-
公开(公告)号:CN113160036A
公开(公告)日:2021-07-23
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:CN112419325A
公开(公告)日:2021-02-26
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TPT(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:CN110766623A
公开(公告)日:2020-02-07
申请号:CN201910971537.5
申请日:2019-10-12
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于深度学习的立体图像修复方法,核心为一个基于局部自适应和视觉一致性的深度神经网络模型。该模型由编码器和解码器模块、融合模块、鉴别器模块和视差模块组成。本发明对于左右视图而言能够修复任意大小任意位置的区域,有效地提升应用价值,增强图像修复的普适性。与现有技术相比,本发明具有以下优点:1)依据两幅视图的特征图相互补充来融合彼此可以借鉴的部分,不仅能够参考本视图残存区域的特征还能够借鉴另一幅视图的内容。同时,利用视差线索约束立体图像对的立体一致性,不会造成眩晕感;2)修复完成的立体图像对在纹理和细节方面更加逼真,更加符合人眼视觉感知。
-
公开(公告)号:CN105590100B
公开(公告)日:2018-11-13
申请号:CN201510977414.4
申请日:2015-12-23
Applicant: 北京工业大学
Abstract: 基于判别性超体素的人体动作识别方法,本发明利用非监督的方法自动提取同类动作视频中不同于其他类别的,能够表征本类特点的视频超体素特征集合。然后再对这些超体素的进行特征描述,最终完成进行动作的识别,能够更准确地识别视频中人体动作的类别。本发明同时参考视频的超体素特征与图像的hog特征这两种维度的特征,通过一个训练,学习的迭代过程,提取视频中具有判别性的超体素,能够更准确地对一个动作进行识别。本发明与传统方法相比,能够自动地提取视频中有效的部分,不仅包括人体中的较有判别性的部分,还能提取到背景中的对本类动作有表征作用的部分。
-
公开(公告)号:CN106845458A
公开(公告)日:2017-06-13
申请号:CN201710125697.9
申请日:2017-03-05
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于核超限学习机的快速交通标识检测方法,属于图像信号处理及模式识别领域。首先,首先,读取原始样本图像,利用基于BING的objectness方法,产生可能包含交通标识的区域,提取候选区域的HOG特征,送入核超限学习机分类器中,得到最后的检测结果;本发明摒弃传统的滑动窗口扫描方法,使用BING算法减少搜索空间,提高检测速度。传统的ELM算法是单隐层结构,在分析复杂信号方面有很大的局限性,本发明采取KELM进行分类检测,核超限学习机可以使学习模型更加稳定、泛化性能更强,提升了检测性能,并且保持了ELM低耗时的优势。
-
公开(公告)号:CN103310450B
公开(公告)日:2016-12-28
申请号:CN201310237708.4
申请日:2013-06-17
Applicant: 北京工业大学
IPC: G06T7/00
Abstract: 本发明公开了一种融合直连通约束的图像分割方法,属于计算机视觉、计算机图形学、图像处理等交叉领域。首先通过应用程序的用户接口,交互式指定部分前、背景。然后建立指定部分前、背景的颜色模型。构造用于分割的图G以及能量函数。能量函数包含颜色约束和梯度约束,以及本发明所提出的直连通约束。最后,采用图割算法求解函数最小值,得到分割结果。若用户对分割结果不满意可以再次添加前背景线索,流程重复循环执行,直至得到满意的分割效果。本发明首次提出融合直连通约束的分割方法,相比仅有颜色和梯度约束的传统方法,在相同交互量的前提下,本发明在处理自联通对象分割时,分割效果更好。
-
-
-
-
-
-
-
-
-