-
公开(公告)号：CN117196960B
公开(公告)日：2024-03-01
申请号：CN202311475299.1
申请日：2023-11-08
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/80
Abstract: 本发明公开了一种全尺度特征细化轻量级图像超分辨率方法及装置，涉及图像处理领域，该方法包括：构建全尺度特征细化轻量级图像超分辨率模型并训练，得到经训练的全尺度特征细化轻量级图像超分辨率模型，将低分辨率图像输入经训练的全尺度特征细化轻量级图像超分辨率模型，先经过第一卷积层得到第一特征图，第一特征图经过串联的K个特征蒸馏提取模块，每一个特征蒸馏提取模块的输出均传送至第二卷积层，并经过第三卷积层，得到第二特征图，第二特征图与第一特征图相加，得到最终特征图，最终特征图输入上采样模块，重建得到高分辨率图
-
公开(公告)号：CN116721091A
公开(公告)日：2023-09-08
申请号：CN202310744289.7
申请日：2023-06-21
Applicant: 华侨大学
Abstract: 本发明公开了一种布匹瑕疵检测方法、装置及可读介质，通过获取待检测的布匹图像和模板图像；构建改进的Yolov5s网络并训练，得到布匹瑕疵检测模型，改进的Yolov5s网络包括主干特征提取网络、颈部特征融合网络和头部预测网络，主干特征提取网络采用CSPDarkNet，颈部特征融合网络包括特征过滤金字塔网络和融合卷积块注意力模块的路径聚合网络，在训练过程中采用多类聚焦置信度损失函数代替交叉熵置信度损失函数；将待检测的布匹图像和模板图像输入布匹瑕疵检测模型，得到布匹检测结果。该方法关注实际布匹瑕疵检测中存在的瑕疵种类分布不均、不同瑕疵的检测难易程度不同等问题，通过对冗余背景特征的过滤与关键前景特征的提纯，降低网络复杂度，提高检测精度和效率。
-
公开(公告)号：CN118918009A
公开(公告)日：2024-11-08
申请号：CN202411413946.0
申请日：2024-10-11
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/0455 , G06N3/0464 , G06T5/60 , G06T5/70 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种基于稳定扩散的真实世界图像超分辨率方法，涉及图像超分辨率技术领域，具体通过构建并训练增强先验引导扩散模型实现；所述增强先验引导扩散模型实现真实世界图像超分辨率的过程为：预处理模块根据低分辨率图像生成预处理图像，分割模块根据预处理图像生成对应的分割掩码图像，注意力融合模块根据预处理图像和分割掩码图像的潜在特征生成融合潜在特征；语义提示提取器从预处理图像提取高质量语义提示词输入去噪主干网络；控制网络基于融合潜在特征对去噪主干网络进行特征调制；去噪主干网络输出高分辨率图像。本发明在真实世界图像超分辨率任务上更注重图像高频细节和结构层次，保证了复原图像的真实性与一致性。
-
公开(公告)号：CN118918009B
公开(公告)日：2025-02-25
申请号：CN202411413946.0
申请日：2024-10-11
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/0455 , G06N3/0464 , G06T5/60 , G06T5/70 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种基于稳定扩散的真实世界图像超分辨率方法，涉及图像超分辨率技术领域，具体通过构建并训练增强先验引导扩散模型实现；所述增强先验引导扩散模型实现真实世界图像超分辨率的过程为：预处理模块根据低分辨率图像生成预处理图像，分割模块根据预处理图像生成对应的分割掩码图像，注意力融合模块根据预处理图像和分割掩码图像的潜在特征生成融合潜在特征；语义提示提取器从预处理图像提取高质量语义提示词输入去噪主干网络；控制网络基于融合潜在特征对去噪主干网络进行特征调制；去噪主干网络输出高分辨率图像。本发明在真实世界图像超分辨率任务上更注重图像高频细节和结构层次，保证了复原图像的真实性与一致性。
-
公开(公告)号：CN118967453A
公开(公告)日：2024-11-15
申请号：CN202411448384.3
申请日：2024-10-17
Applicant: 华侨大学
IPC: G06T3/4076 , G06N3/048 , G06T3/4046 , G06T3/4084
Abstract: 本发明涉及图像超分辨率技术领域，公开了一种基于梯度一致感知的空频域特征混合图像超分辨率方法，包括：构建空频域特征混合图像超分辨率网络，包括超分辨率分支和回归分支，超分辨率分支采用空频域特征混合模块对低分辨率图像提取不同尺度的混合特征，回归分支基于混合特征获得全分辨率图像，并基于不同尺度的混合特征重建低分辨率梯度图，所述低分辨率梯度图用于构建梯度一致感知学习损失函数，以训练所述空频域特征混合图像超分辨率网络。本发明全局挖掘可利用的高频信息，并对高分辨率梯度图以及重建的低分辨率梯度图施加一阶束缚，从而探索层次特征之间的全局依赖关系。
-
Patent Agency Ranking
公开(公告)号：CN119180753B
公开(公告)日：2025-03-14
申请号：CN202411681831.X
申请日：2024-11-22
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/045 , G06N3/0464 , G06T3/4046
Abstract: 本发明涉及图像超分辨率技术领域，公开了一种特征强化的跨窗口轻量级超分辨率方法、系统及电子设备，方法包括以下步骤：构建基于Token字典交叉的自注意力机制，并引入Token分组机制，组成基于Token分组的字典交叉自注意力模块，即TDAB模块；基于TDAB模块构建特征强化的跨窗口轻量级超分辨率网络；使用所述特征强化的跨窗口轻量级超分辨率网络对待重建的低分辨率图像进行重建，得到重建结果。本方法在经典超分辨率方法的基础上引入基于Token字典交叉的自注意力机制、基于Token分组的混合注意力模块，在使模型更轻量化的同时增强了模型对于跨越窗口依赖的捕获能力以及对于纹理细节特征的重建效果。
-
公开(公告)号：CN119180753A
公开(公告)日：2024-12-24
申请号：CN202411681831.X
申请日：2024-11-22
Applicant: 华侨大学
IPC: G06T3/4053 , G06N3/045 , G06N3/0464 , G06T3/4046
Abstract: 本发明涉及图像超分辨率技术领域，公开了一种特征强化的跨窗口轻量级超分辨率方法、系统及电子设备，方法包括以下步骤：构建基于Token字典交叉的自注意力机制，并引入Token分组机制，组成基于Token分组的字典交叉自注意力模块，即TDAB模块；基于TDAB模块构建特征强化的跨窗口轻量级超分辨率网络；使用所述特征强化的跨窗口轻量级超分辨率网络对待重建的低分辨率图像进行重建，得到重建结果。本方法在经典超分辨率方法的基础上引入基于Token字典交叉的自注意力机制、基于Token分组的混合注意力模块，在使模型更轻量化的同时增强了模型对于跨越窗口依赖的捕获能力以及对于纹理细节特征的重建效果。
-
公开(公告)号：CN117495714B
公开(公告)日：2024-04-12
申请号：CN202410004081.6
申请日：2024-01-03
Applicant: 华侨大学
IPC: G06T5/70 , G06N3/0455 , G06N3/0464 , G06T5/10 , G06T5/50
Abstract: 本发明公开了一种基于扩散生成先验的人脸图像复原方法、装置及可读介质，涉及图像处理模块，包括：构建基于预训练的扩散模型的人脸图像复原模型，将待复原的人脸图像输入前向加噪模块中逐步增加噪声，得到噪声图像；将噪声图像输入反向去噪模块中逐步去噪，生成最终复原的人脸图像；将第t步的噪声图像及第t步的时间戳输入噪声预测器，预测得到第t步的噪声；在前向加噪模块中，将第t步的噪声图像和第t步的噪声输入结合融合反演的前向扩散公式，得到第t+1步的噪声图像；在反向去噪模块中，对第t步的噪声图像进行零阈值分解，并与第t步的噪声输入反向扩散公式，得到第t‑1步的噪声图像，解决了现有技术生成的复原图像在真实性和一致性差问题。
-
公开(公告)号：CN117196960A
公开(公告)日：2023-12-08
申请号：CN202311475299.1
申请日：2023-11-08
Applicant: 华侨大学
IPC: G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/80
Abstract: 本发明公开了一种全尺度特征细化轻量级图像超分辨率方法及装置，涉及图像处理领域，该方法包括：构建全尺度特征细化轻量级图像超分辨率模型并训练，得到经训练的全尺度特征细化轻量级图像超分辨率模型，将低分辨率图像输入经训练的全尺度特征细化轻量级图像超分辨率模型，先经过第一卷积层得到第一特征图，第一特征图经过串联的K个特征蒸馏提取模块，每一个特征蒸馏提取模块的输出均传送至第二卷积层，并经过第三卷积层，得到第二特征图，第二特征图与第一特征图相加，得到最终特征图，最终特征图输入上采样模块，重建得到高分辨率图像，解决原有超分辨率模型提取的特征信息过于单一的问题，通过蒸馏剔除冗余特征，使模型更加轻量化。
-
公开(公告)号：CN118967453B
公开(公告)日：2025-02-21
申请号：CN202411448384.3
申请日：2024-10-17
Applicant: 华侨大学
IPC: G06T3/4076 , G06N3/048 , G06T3/4046 , G06T3/4084
Abstract: 本发明涉及图像超分辨率技术领域，公开了一种基于梯度一致感知的空频域特征混合图像超分辨率方法，包括：构建空频域特征混合图像超分辨率网络，包括超分辨率分支和回归分支，超分辨率分支采用空频域特征混合模块对低分辨率图像提取不同尺度的混合特征，回归分支基于混合特征获得全分辨率图像，并基于不同尺度的混合特征重建低分辨率梯度图，所述低分辨率梯度图用于构建梯度一致感知学习损失函数，以训练所述空频域特征混合图像超分辨率网络。本发明全局挖掘可利用的高频信息，并对高分辨率梯度图以及重建的低分辨率梯度图施加一阶束缚，从而探索层次特征之间的全局依赖关系。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.022 seconds)
