-
公开(公告)号：CN117392326B
公开(公告)日：2024-09-20
申请号：CN202311490396.8
申请日：2023-11-09
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于单张图像的三维人体重建方法及相关设备，涉及图像处理技术领域，所述方法包括：将单张人体图像输入全局编码器，获取第一身体参数和全局二维特征；将第一手部特征、第一头部特征以及单张人体图像输入局部解码器，获取第一手部参数和第一头部参数；第一手部特征和所述第一头部特征是从全局二维特征中分离出来的；将第一身体参数、第一手部参数和第一头部参数输入部件交互模块进行部件交互，得到三维人体重建结果；部件交互模块用于基于第一身体参数、第一手部参数和第一头部参数进行身体、手部和头部之间的信息交互，以调整第一身体参数、第一手部参数和第一头部参数。本发明提高了三维人体重建结果的精度。
-
公开(公告)号：CN117197843B
公开(公告)日：2024-02-02
申请号：CN202311461061.3
申请日：2023-11-06
Applicant: 中国科学院自动化研究所
Abstract: 本申请提供一种无监督的人体部件区域确定方法及装置，涉及数据识别技术领域，其中方法包括：将人体图像输入至特征提取模块，基于无监督深度学习网络提取所述人体图像中的初始人体部件特征，所述无监督深度学习网络中的联合损失函数包括：对比损失函数，几何损失函数和均匀损失函数；将所述初始人体部件特征输入至语义一致模块，自适应学习所述初始人体部件特征对应的语义；将所述初始人体部件特征对应的语义输入至图卷积模块，通过图卷积神经网络确定所述人体图像中的人体部件区域。本申请实现了全流程的无监督学习，以及人体部件区域的语义一致性。
-
公开(公告)号：CN117197843A
公开(公告)日：2023-12-08
申请号：CN202311461061.3
申请日：2023-11-06
Applicant: 中国科学院自动化研究所
Abstract: 本申请提供一种无监督的人体部件区域确定方法及装置，涉及数据识别技术领域，其中方法包括：将人体图像输入至特征提取模块，基于无监督深度学习网络提取所述人体图像中的初始人体部件特征，所述无监督深度学习网络中的联合损失函数包括：对比损失函数，几何损失函数和均匀损失函数；将所述初始人体部件特征输入至语义一致模块，自适应学习所述初始人体部件特征对应的语义；将所述初始人体部件特征对应的语义输入至图卷积模块，通过图卷积神经网络确定所述人体图像中的人体部件区域。本申请实现了全流程的无监督学习，以及人体部件区域的语义一致性。
-
公开(公告)号：CN111783754B
公开(公告)日：2020-12-08
申请号：CN202010918876.X
申请日：2020-09-04
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉领域，具体涉及了一种基于部位上下文的人体属性图像分类方法、系统和装置，旨在解决现有的人体分类方法忽略了人体属性之间的关系而未考虑人体内在层次结构信息导致分类精确度不足的问题。本发明包括：通过人体属性图像分类模型获取人体属性分类预测图；人体属性图像分类模型先通过特征提取网络提取待测试图像的原始特征图，再基于原始特征图通过属性分类解析网络获取高阶特征图，通过关系聚合网络和关系离散网络分别提取合适的上下文信息，将原始特征图和合适的上下文信息融合后生成人体属性分类预测图。本发明解决了如何从复杂北京中，对不同的属性产生合适的上下文特征的问题，提高了人体图像识别的精确度。
-
公开(公告)号：CN111783754A
公开(公告)日：2020-10-16
申请号：CN202010918876.X
申请日：2020-09-04
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉领域，具体涉及了一种基于部位上下文的人体属性图像分类方法、系统和装置，旨在解决现有的人体分类方法忽略了人体属性之间的关系而未考虑人体内在层次结构信息导致分类精确度不足的问题。本发明包括：通过人体属性图像分类模型获取人体属性分类预测图；人体属性图像分类模型先通过特征提取网络提取待测试图像的原始特征图，再基于原始特征图通过属性分类解析网络获取高阶特征图，通过关系聚合网络和关系离散网络分别提取合适的上下文信息，将原始特征图和合适的上下文信息融合后生成人体属性分类预测图。本发明解决了如何从复杂北京中，对不同的属性产生合适的上下文特征的问题，提高了人体图像识别的精确度。
-
Patent Agency Ranking
公开(公告)号：CN119229504A
公开(公告)日：2024-12-31
申请号：CN202411353782.7
申请日：2024-09-26
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供了一种基于混合专家网络的人脸年龄估计方法，可以应用于计算机视觉技术领域。该方法包括：将待识别的人脸数据进行人脸裁剪处理，生成预处理图像，再将预处理图像输入到特征提取网络中获得原始特征；将原始特征分别输入到基于全连接层的特征提取网络获得全局特征和基于混合专家网络的特征提取网络获得局部特征；之后将提取到的全局特征和局部特征进行自适应的特征融合；最后将融合特征输入到输出层中，得到人脸年龄的预测结果。本发明提供了基于混合专家网络的人脸年龄估计方法，可以自适应地获取人脸年龄的全局和局部特征，提高人脸年龄估计的准确性。
-
公开(公告)号：CN117392326A
公开(公告)日：2024-01-12
申请号：CN202311490396.8
申请日：2023-11-09
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于单张图像的三维人体重建方法及相关设备，涉及图像处理技术领域，所述方法包括：将单张人体图像输入全局编码器，获取第一身体参数和全局二维特征；将第一手部特征、第一头部特征以及单张人体图像输入局部解码器，获取第一手部参数和第一头部参数；第一手部特征和所述第一头部特征是从全局二维特征中分离出来的；将第一身体参数、第一手部参数和第一头部参数输入部件交互模块进行部件交互，得到三维人体重建结果；部件交互模块用于基于第一身体参数、第一手部参数和第一头部参数进行身体、手部和头部之间的信息交互，以调整第一身体参数、第一手部参数和第一头部参数。本发明提高了三维人体重建结果的精度。
-
公开(公告)号：CN115953533A
公开(公告)日：2023-04-11
申请号：CN202211700116.7
申请日：2022-12-28
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种三维人体重建方法及装置，该方法包括：获取单目图像在原始姿态空间下的人体SMPL多人蒙皮线性参数及单目图像在原始姿态空间下的法向图；将法向图及标准空间中的三维点的坐标输入标准隐式模块，得到标准隐式模块输出的有向距离场，并根据有向距离场构建出标准姿态空间下的三维人体；通过人体SMPL参数将标准姿态空间下的三维人体形变为原始姿态空间下的三维人体，并将原始姿态空间下的三维人体输入法向细化模块重建出目标三维人体；其中，法向细化模块用于使原始姿态空间下的三维人体的表面法向逼近单目图像的法向，实现基于单张图像的高保真可驱动的目标三维人体重建。
-
公开(公告)号：CN113642540B
公开(公告)日：2022-01-28
申请号：CN202111195200.3
申请日：2021-10-14
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于胶囊网络的人脸表情识别方法及装置，其中方法包括：利用倒谱理论自动的评估图像清晰度，自动筛选出清晰图像；将筛选出清晰图像去除背景和非人脸区域，做图像裁剪；对图像裁剪后的图像提取局部特征人脸关键点，做图像校准；通过旋转、移动、倾斜、缩放和颜色抖动操作来扩充校准后的图像的数据集；将校准后的图像输入到胶囊网络中提取具有可解释性的人脸表情特征，具体方法包括：部件胶囊学习和部件胶囊融合；将具有可解释性的人脸表情特征输入到分类器中，得到人脸表情最后的分类结果。
-
公开(公告)号：CN117237542B
公开(公告)日：2024-02-13
申请号：CN202311492951.0
申请日：2023-11-10
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于文本的三维人体模型生成方法和装置，应用于计算机视觉技术领域。该方法包括：获取第一文本，所述第一文本用于描述目标对象的样貌特征；根据所述第一文本生成所述目标对象的第一图像；对参数化的三维人体模型进行初始化处理，并生成所述三维人体模型的第二图像；基于所述第一图像和所述第二图像更新所述三维人体模型的模型参数，以得到所述目标对象的三维模型；其中，所述第二图像为所述三维人体模型的二维图像。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.033 seconds)
