-
Patent Agency Ranking
公开(公告)号：CN107770722B
公开(公告)日：2020-03-17
申请号：CN201710951576.X
申请日：2017-10-13
Applicant: 中南大学
Abstract: 本发明公开了一种基于边信息约束的双隐形区域的位置服务的隐私保护方法，假定攻击者在具有补充信息背景的情况下生成双隐形区域，因此可以极大地提高隐私保护程度；本发明所提出的LBSs框架不会将全部的候选结果集返回给客户端，仅返回一半给客户端，这样可以减少计算开销和用户等待时间；本发明提出的固定假位置生成法，有效地解决了服务质量和资源开销两者之间的矛盾。
-
公开(公告)号：CN111612799A
公开(公告)日：2020-09-01
申请号：CN202010412958.7
申请日：2020-05-15
Applicant: 中南大学
Abstract: 本发明公开了一种面向人脸数据对不完整的网纹人脸修复方法、系统及存储介质，模拟生成干净人脸图像的网纹图像，人脸网纹图像和对应的人脸中的网纹图像形成数据对；使用由多个所述数据对组成的训练集训练基于U-net的神经网络，得到训练后的分割模型；利用干净人脸图像组成的数据集训练基于GAN的神经网络，得到修复模型；将待修复人脸网纹图像输入所述分割模型，确定所述待修复人脸的网纹区域；将待修复人脸网纹图像输入所述修复模型，得到与待修复人脸近似的干净人脸；将所述与待修复人脸近似的干净人脸对应所述网纹区域的像素填充到待修复人脸的网纹区域，得到修复后的人脸图像。本发明能够大大降低收集训练数据的难度，提高了人脸修复的精度。
-
公开(公告)号：CN111612798A
公开(公告)日：2020-09-01
申请号：CN202010412957.2
申请日：2020-05-15
Applicant: 中南大学
Abstract: 本发明公开了一种面向人脸数据对完整的人脸网纹修复方法、系统及介质，将人脸网纹图像和与之对应的干净人脸图像在水平维度上合并为一张图片；将由所述数据对组成的训练集作为GAN网络的输入，训练得到修复模型；将待修复人脸网纹图像输入所述修复模型，得到修复后的干净人脸图像。本发明方法是一种端到端的训练方式，没有网纹识别的步骤，打破了基于网纹分割再修复的瓶颈。本发明将带有网纹的图像当作噪声数据，通过端到端的对抗训练可以直接生成去除网纹的人脸图像，简化了人脸网纹修复的过程的同时提高了所修复的人脸网纹图像的整体性，不会出现明显的修复痕迹。
-
公开(公告)号：CN111612798B
公开(公告)日：2023-04-18
申请号：CN202010412957.2
申请日：2020-05-15
Applicant: 中南大学
Abstract: 本发明公开了一种面向人脸数据对完整的人脸网纹修复方法、系统及介质，将人脸网纹图像和与之对应的干净人脸图像在水平维度上合并为一张图片；将由所述数据对组成的训练集作为GAN网络的输入，训练得到修复模型；将待修复人脸网纹图像输入所述修复模型，得到修复后的干净人脸图像。本发明方法是一种端到端的训练方式，没有网纹识别的步骤，打破了基于网纹分割再修复的瓶颈。本发明将带有网纹的图像当作噪声数据，通过端到端的对抗训练可以直接生成去除网纹的人脸图像，简化了人脸网纹修复的过程的同时提高了所修复的人脸网纹图像的整体性，不会出现明显的修复痕迹。
-
公开(公告)号：CN107770722A
公开(公告)日：2018-03-06
申请号：CN201710951576.X
申请日：2017-10-13
Applicant: 中南大学
Abstract: 本发明公开了一种基于边信息约束的双隐形区域的位置服务的隐私保护方法，假定攻击者在具有补充信息背景的情况下生成双隐形区域，因此可以极大地提高隐私保护程度；本发明所提出的LBSs框架不会将全部的候选结果集返回给客户端，仅返回一半给客户端，这样可以减少计算开销和用户等待时间；本发明提出的固定假位置生成法，有效地解决了服务质量和资源开销两者之间的矛盾。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
