-
Patent Agency Ranking
公开(公告)号：CN113112411A
公开(公告)日：2021-07-13
申请号：CN202010030365.4
申请日：2020-01-13
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于多尺度特征融合的人脸图像语义修复方法，包括步骤如下：S1收集待处理的人脸图像组成训练集，对训练集人脸图像进行预处理尺寸裁剪，得到待训练人脸图像集；S2构建生成对抗网络模型，使用预训练模型的参数作为网络的初始化参数；S3将待训练缺失人脸图像集输入到生成网络G中，通过判别网络D判断生成网络修复人脸图像的真假；S4将判别结果反作用于生成网络，进行对抗训练，优化生成网络和判别网络的网络参数，当损失函数收敛时结束训练，并保存训练完成时的模型参数；S5将待修复的人脸图像输入到训练好的生成网络模型中，完成人脸图像修复。本发明能够降低网络初始化参数给网络训练带来的不利影响，使得网络训练稳定。
-
公开(公告)号：CN113112411B
公开(公告)日：2023-11-24
申请号：CN202010030365.4
申请日：2020-01-13
Applicant: 南京信息工程大学
Abstract: 结束训练，并保存训练完成时的模型参数；S5将本发明公开了一种基于多尺度特征融合的 待修复的人脸图像输入到训练好的生成网络模人脸图像语义修复方法，包括步骤如下：S1收集 型中，完成人脸图像修复。本发明能够降低网络待处理的人脸图像组成训练集，对训练集人脸图 初始化参数给网络训练带来的不利影响，使得网像进行预处理尺寸裁剪，得到待训练人脸图像 络训练稳定。集；S2构建生成对抗网络模型，使用预训练模型的参数作为网络的初始化参数；S3将待训练缺失人脸图像集输入到生成网络G中，通过判别网络D(56)对比文件Ozan Oktay等.Attention U-Net:Learning Where to Look for the Pancreas.《arXiv preprint》.2018,第1-10页.Donghui Sun等.Pyramid EmbeddedGenerative Adversarial Network forAutomated Font Generation《.2018 24thInternational Conference on PatternRecognition (ICPR)》.2018,第976-981页.Juntang Zhuang.LADDERNET: MULTI-PATHNETWORKS BASED ON U-NET FOR MEDICAL IMAGESEGMENTATION《.arXiv preprint》.2019,第1-4页.
-
公开(公告)号：CN111563841B
公开(公告)日：2023-07-25
申请号：CN201911105666.2
申请日：2019-11-13
Applicant: 南京信息工程大学
IPC: G06T3/40 , G06N3/084 , G06N3/0464
Abstract: 本发明公开了一种基于生成对抗网络的高分辨率图像生成方法，首先对待学习的数据集图像进行预处理得到训练集；然后构建包含生成网络和判别网络的生成对抗网络，对生成对抗网络进行预训练，获得预训练的模型参数作为生成对抗网络的初始化参数：接着，将训练集和生成网络生成的图像分别输入到判别网中，判别网络的输出反作用于生成网络，对生成对抗网络进行对抗训练，优化生成网络和判别网络的网络参数，当损失函数收敛时结束训练，得到训练好的生成对抗网络；最后，将随机数据分布输入到训练好的生成网络中，实现高分辨率图像生成。本发明生成图像更加清晰、训练过程稳定且网络较快收敛。
-
公开(公告)号：CN111563841A
公开(公告)日：2020-08-21
申请号：CN201911105666.2
申请日：2019-11-13
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于生成对抗网络的高分辨率图像生成方法，首先对待学习的数据集图像进行预处理得到训练集；然后构建包含生成网络和判别网络的生成对抗网络，对生成对抗网络进行预训练，获得预训练的模型参数作为生成对抗网络的初始化参数：接着，将训练集和生成网络生成的图像分别输入到判别网中，判别网络的输出反作用于生成网络，对生成对抗网络进行对抗训练，优化生成网络和判别网络的网络参数，当损失函数收敛时结束训练，得到训练好的生成对抗网络；最后，将随机数据分布输入到训练好的生成网络中，实现高分辨率图像生成。本发明生成图像更加清晰、训练过程稳定且网络较快收敛。
-
公开(公告)号：CN111368082A
公开(公告)日：2020-07-03
申请号：CN202010139629.X
申请日：2020-03-03
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种基于层次网络的领域自适应词嵌入的情感分析方法，预先获取文档级情感分析的用户评论数据集；对评论数据集进行无用字符清理；采用领域自适应词嵌入模块、双向长短期记忆网络以及注意力机制构建基于层次网络的领域自适应词嵌入的情感分析模型；对模型进行训练，数据沿着神经网络正向传播，所有网络在输出时进行多元信息的融合，反向传播时通过对损失函数求偏导对参数进行实时更新，在模型测试时利用训练过程中得到的已配置好参数的模型进行情感极性分析。本发明在传统情感分析的基础上，额外考虑了用户信息和产品信息，提高评论情感分析的效果；帮助商家和平台识别用户情感倾向，在电子商务领域有很广阔的应用前景。
-
-
-
-
Search Results
5
records
(took 0.027 seconds)
