-
公开(公告)号：CN115456884A
公开(公告)日：2022-12-09
申请号：CN202210578520.5
申请日：2022-05-25
Applicant: 之江实验室 , 中国科学院信息工程研究所
Abstract: 本发明公开了一种基于半监督学习的全面屏手机图像增强方法，其步骤包括：1)选取或构建一数据集，所述数据集中的每一图像数据对包括由覆盖透明玻璃和不覆盖透明玻璃的同一部智能手机对同一场景所拍摄的图像；2)构建一图像增强模型；3)采用有监督方式利用所述数据集训练所述图像增强模型：首先对低质量图像y进行增强得到增强图像Y’，然后与高质量图像Y进行损失函数计算，优化图像增强模型；4)采用无监督方式利用数据集训练图像增强模型：首先利用优化后的模型对图像y进行增强得到Y’，然后基于Y’计算损失优化模型；5)利用优化后的图像增强模型对全面屏手机拍摄图像的色调和饱和度通道进行迭代增强，得到对应的高质量的图像。
-
公开(公告)号：CN112668401B
公开(公告)日：2023-01-17
申请号：CN202011447934.1
申请日：2020-12-09
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开一种基于特征解耦合的人脸隐私保护方法和装置。该方法包括：1)数据预处理，预先训练身份特征提取器EI和外貌特征提取器EA。2)训练人脸伪装生成模型执行相同人脸生成任务。3)训练人脸伪装生成模型执行不同人脸生成任务。4)完成模型训练后，采用已训练的EI、EA和G网络对输入人脸图像进行伪装人脸图像生成。其中步骤1)使用分类损失对EI和EA进行预训练。步骤2)使用人脸重建损失进行模型训练。步骤3)分别设计了外貌特征和身份特征的L2范数损失函数，以约束模型特征提取的准确性以及生成结果的可控性。本发明能够实现保持人脸身份匹配的同时显著改变人脸的外观特征，并通过实验数据证明了隐私保护的有效性。
-
公开(公告)号：CN117494780A
公开(公告)日：2024-02-02
申请号：CN202311105587.8
申请日：2023-08-30
Applicant: 中国科学院信息工程研究所
IPC: G06N3/082 , G06N3/0464 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种混合学习中知识蒸馏的学生网络训练方法，其步骤包括：1)在训练数据上选取目标领域的训练样本；2)将训练样本预处理后分别输入学生网络、教师网络，获得相应的学生网络logit、教师网络logit；3)将每个学生网络logit、教师网络logit分别进行Z‑score标准化处理；4)将Z‑score标准化后的教师网络logit、学生网络logit转化为概率形式；5)任选一教师网络logit对应的概率和学生网络logit对应的概率，并计算所选两概率之间的KL散度作为损失函数，进行梯度下降优化蒸馏学生网络。本发明解决了深度学习知识蒸馏算法中教师网络和学生网络之间能力鸿沟问题。
-
公开(公告)号：CN113284055B
公开(公告)日：2024-09-27
申请号：CN202110293366.2
申请日：2021-03-18
Applicant: 华为技术有限公司 , 中国科学院信息工程研究所
IPC: G06T5/73 , G06T5/70 , G06T3/4038 , G06T5/50 , G06N3/0495 , G06N3/084
Abstract: 本申请提供人工智能领域中一种图像处理的方法以及装置，通过从输入图像中的多个通道中分别提取特征，来对双边网格数据进行上采样引导，从而在图像的各个通道都可以实现更好的图像增强效果，如去雾效果，且可以实现轻量化的图像去雾，提高用户体验。该方法包括：获取输入图像，输入图像包括多个通道的信息；分别从输入图像的多个通道的信息中提取特征，得到多个引导图；获取输入图像对应的双边网格数据，双边网格数据包括在空间维度中排列的亮度维度的信息形成的数据，双边网格数据的分辨率低于输入图像的分辨率；分别以多个引导图中的每个引导图作为引导条件，对双边网格数据进行上采样，得到多个特征图；融合多个特征图，得到输出图像。
-
公开(公告)号：CN114359289A
公开(公告)日：2022-04-15
申请号：CN202011043640.2
申请日：2020-09-28
Applicant: 华为技术有限公司 , 中国科学院信息工程研究所
Abstract: 本申请实施例公开了一种图像处理方法，应用于人工智能领域，包括：获取待处理图像；通过第一网络对待处理图像处理，得到第一特征，第一网络被配置为至少提取用于图像增强的特征；通过第二网络对待处理图像处理，得到第二特征，第二网络被配置为至少提取语义分割特征；根据第一特征和第二特征，生成第三特征；获取待处理图像的语义分割结果；根据第三特征和待处理图像的语义分割结果，生成第四特征；对第四特征进行图像重构，得到目标图像。通过在图像增强处理过程中引入图像的语义特征以及语义分割结果，从而能够针对不同语义区域采用不同的图像增强强度，精确地保持纹理细节，提升图像增强后的纹理细节真实性。
-
Patent Agency Ranking
公开(公告)号：CN113284055A
公开(公告)日：2021-08-20
申请号：CN202110293366.2
申请日：2021-03-18
Applicant: 华为技术有限公司 , 中国科学院信息工程研究所
Abstract: 本申请提供人工智能领域中一种图像处理的方法以及装置，通过从输入图像中的多个通道中分别提取特征，来对双边网格数据进行上采样引导，从而在图像的各个通道都可以实现更好的图像增强效果，如去雾效果，且可以实现轻量化的图像去雾，提高用户体验。该方法包括：获取输入图像，输入图像包括多个通道的信息；分别从输入图像的多个通道的信息中提取特征，得到多个引导图；获取输入图像对应的双边网格数据，双边网格数据包括在空间维度中排列的亮度维度的信息形成的数据，双边网格数据的分辨率低于输入图像的分辨率；分别以多个引导图中的每个引导图作为引导条件，对双边网格数据进行上采样，得到多个特征图；融合多个特征图，得到输出图像。
-
公开(公告)号：CN112668401A
公开(公告)日：2021-04-16
申请号：CN202011447934.1
申请日：2020-12-09
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开一种基于特征解耦合的人脸隐私保护方法和装置。该方法包括：1)数据预处理，预先训练身份特征提取器EI和外貌特征提取器EA。2)训练人脸伪装生成模型执行相同人脸生成任务。3)训练人脸伪装生成模型执行不同人脸生成任务。4)完成模型训练后，采用已训练的EI、EA和G网络对输入人脸图像进行伪装人脸图像生成。其中步骤1)使用分类损失对EI和EA进行预训练。步骤2)使用人脸重建损失进行模型训练。步骤3)分别设计了外貌特征和身份特征的L2范数损失函数，以约束模型特征提取的准确性以及生成结果的可控性。本发明能够实现保持人脸身份匹配的同时显著改变人脸的外观特征，并通过实验数据证明了隐私保护的有效性。
-
公开(公告)号：CN115700729A
公开(公告)日：2023-02-07
申请号：CN202110833076.2
申请日：2021-07-22
Applicant: 华为技术有限公司 , 中国科学院信息工程研究所
IPC: G06T5/00 , G06T5/50 , G06T7/40 , G06T7/90 , G06N3/0464 , G06V10/774 , G06V10/82
Abstract: 本申请提供一种图像增强方法及其相关设备，能够使增强后的目标图像精确显示出需要突出的图像信息，从而提高图像增强效果。本申请的方法包括：通过图像处理模型获取目标图像的纹理信息的第一特征以及目标图像的颜色信息的第二特征；通过图像处理模型对第一特征和第二特征进行第一融合处理，得到纹理信息的第三特征，并通过图像处理模型对第一特征和第二特征进行第二融合处理，得到颜色信息的第四特征；根据第三特征生成第一双边网格，并根据第四特征生成第二双边网格；根据第一双边网格和第二双边网络对目标图像进行增强处理，得到增强后的目标图像。
-
公开(公告)号：CN113034370A
公开(公告)日：2021-06-25
申请号：CN202110580583.X
申请日：2021-05-26
Applicant: 之江实验室
Abstract: 本发明公开了一种结合3D脸部结构先验的人脸超分辨方法，该方法能够显式得结合3D脸部先验，抓取到高清的脸部结构信息，为网络提供一些基于脸部属性的3D拓扑信息，例如身份、表情、纹理、亮度和脸部姿态。本发明提出了一个深度学习网络框架，框架总体包括两个分支：上半部分分支包含一个ResNet‑50网络来从输入图像中挖掘人脸3D信息，并将其结合重建成一个脸部渲染结构；下半部分分支利用空域特征转换层，结合3D信息及脸部渲染结构作为3D先验，利用空间注意力机制及通道注意力机制实现脸部超分辨；这种先验能够嵌入任何网络，而且十分有效的提高性能，加速收敛。
-
公开(公告)号：CN112396063A
公开(公告)日：2021-02-23
申请号：CN202011415482.9
申请日：2020-12-07
Applicant: 之江实验室
Abstract: 本发明公开了一种聚集激励上下文金字塔的人像语义解析方法，该方法中采用由多个并行的不同空间幅度比率聚集激励单元组成聚集激励上下文金字塔模块对编码模块提取高级语义特征捕捉丰富的多尺度上下文信息。再将得到的高层语义上下文特征与编码模块中的输出特征相结合通过解码模块得到初步人像语义解析结果。最后，检测输入人像图片的边缘信息并与初步人像语义解析结果融合进一步改善得到最终的人像语义解析结果。同时引入深度辅助损失分支，辅助获取更佳的效果。本发明采用聚集激励上下文金字塔人像语义解析方法，相比于其他当前先进的人像语义解析算法，构建的模型是轻量的，但拥有很高的分割性能。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.034 seconds)
