-
Patent Agency Ranking
公开(公告)号：CN112085655A
公开(公告)日：2020-12-15
申请号：CN202010847791.7
申请日：2020-08-21
Applicant: 东南大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于密集残差注意面部先验网络的人脸超分辨率方法，包括如下步骤：分别构建跳线连接的密集残差注意模块、面部结构先验预测模块和上采样模块；并联跳线连接的密集残差注意模块和面部结构先验预测模块，继而级联上采样模块和图像重建层，构建密集残差注意面部先验网络；对公布的数据集进行预处理，并将处理之后的数据分为训练集和测试集；训练密集残差注意面部先验网络；将测试集中的图像，输入到训练好的密集残差注意面部先验网络中，输出重建后的高分辨率人脸图像。本发明通过训练密集残差注意面部先验网络，继而实现对测试人脸图像的超分辨率处理，能够有效恢复具备面部高频细节，同时保留身份信息的超分辨率人脸图像。
-
公开(公告)号：CN109359603A
公开(公告)日：2019-02-19
申请号：CN201811231851.1
申请日：2018-10-22
Applicant: 东南大学
Abstract: 本发明提出了一种基于级联卷积神经网络的车辆驾驶员人脸检测方法，利用自建数据库生成三个真实训练样本库，然后构造三个训练网络，依次对三个真实训练样本库进行训练，同时根据训练结果不断调整训练参数使得loss快速收敛，生成对应的三个模型，最后将三个模型进行级联并添加SVM分类器滤除级联模型的误检特征，获得行驶车辆中驾驶员的人脸特征。本发明在最大限度保证人脸特征检测的准确性和实时性的前提下，有效的精简了训练网络，减少了训练时间，提高了检测效率，可以广泛的适用于各种公路上行驶车辆驾驶员的人脸特征检测。
-
公开(公告)号：CN112085655B
公开(公告)日：2024-04-26
申请号：CN202010847791.7
申请日：2020-08-21
Applicant: 东南大学
IPC: G06T3/4046 , G06T3/4076
Abstract: 本发明公开了一种基于密集残差注意面部先验网络的人脸超分辨率方法，包括如下步骤：分别构建跳线连接的密集残差注意模块、面部结构先验预测模块和上采样模块；并联跳线连接的密集残差注意模块和面部结构先验预测模块，继而级联上采样模块和图像重建层，构建密集残差注意面部先验网络；对公布的数据集进行预处理，并将处理之后的数据分为训练集和测试集；训练密集残差注意面部先验网络；将测试集中的图像，输入到训练好的密集残差注意面部先验网络中，输出重建后的高分辨率人脸图像。本发明通过训练密集残差注意面部先验网络，继而实现对测试人脸图像的超分辨率处理，能够有效恢复具备面部高频细节，同时保留身份信息的超分辨率人脸图像。
-
公开(公告)号：CN109118444A
公开(公告)日：2019-01-01
申请号：CN201810833411.7
申请日：2018-07-26
Applicant: 东南大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于特征分离的正则化人脸图像复杂光照去除方法，包括如下步骤：(1)读入人脸图像，然后将人脸图像进行对数变换；(2)对步骤(1)中得到的图像f进行对数全变差的变换，分解出人脸图像的高频特征分量和低频特征分量；(3)分别对低频特征分量D和高频特征分量G做处理；(4)将正则化后的低频分量Dend和增强的高频分量Hend合成为新的去除了光照噪声的人脸图像，记为Fface。本发明能够减少计算机的内存的使用量，同时去噪能力得到明显提升。
-
公开(公告)号：CN104036371A
公开(公告)日：2014-09-10
申请号：CN201410313109.0
申请日：2014-07-02
Applicant: 东南大学
IPC: G06Q10/06
Abstract: 本发明公开了一种装配工艺树与装配工艺流程的映射方法，包括以下步骤：装配工序的映射：每个装配工序映射为一个工序流程节点，构成第一级装配工艺流程，设置工序流程节点的标识；装配工步的映射：每个装配工步映射为一个工步流程节点，构成第二级装配工艺流程，设置工步流程节点的标识；装配信息的集成：解析装配工序和装配工步的装配信息，分别集成到工序流程节点和工步流程节点。采用上述方法，可将装配工艺树映射成装配工艺流程。
-
-
-
-
Search Results
5
records
(took 0.02 seconds)
