-
公开(公告)号：CN110188718A
公开(公告)日：2019-08-30
申请号：CN201910480359.6
申请日：2019-06-04
Applicant: 南京大学
Abstract: 本发明公开了一种基于关键帧和联合稀疏表示的无约束人脸识别方法，包括如下步骤：首先对输入的监控视频目标人脸进行检测和跟踪，从而获取完整人脸序列信息；然后利用人脸关键点的位置估计序列中每个人脸的旋转角度，并对旋转角度进行聚类得到基于人脸姿态的关键帧；最后，通过公开的人脸数据集构建用于训练的字典集，同时采用迭代优化的方式求解最优联合稀疏系数矩阵，并根据测试集和最优联合稀疏系数矩阵计算字典集中每个类别对应的重构误差，取最小重构误差的类别作为人脸身份。
-
公开(公告)号：CN109308493B
公开(公告)日：2020-11-03
申请号：CN201811113589.0
申请日：2018-09-25
Applicant: 南京大学
Abstract: 本发明公开了一种基于堆叠神经网络的递进式图像解析方法，包括以下步骤：基于已有的图像分割神经网络，通过堆叠其最后几层数次，构造对图像进行递进式解析的堆叠神经网络结构；利用训练图像及对应的像素级语义类别标注图，通过执行多次类别合并操作生成由精到粗的层次化语义类别标注图，作为多层次的监督数据，并利用此监督数据训练该堆叠神经网络；利用已训练的堆叠式图像解析神经网络，对输入图像进行由粗到精的递进式内容解析。
-
公开(公告)号：CN109272467A
公开(公告)日：2019-01-25
申请号：CN201811113242.6
申请日：2018-09-25
Applicant: 南京大学
Abstract: 本发明公开了一种基于多尺度边缘线索的层次化图像分割方法，包括以下步骤：对输入图像进行超像素化，获得图像的过分割区域；对输入图像进行多尺度的内容风格分离，从而提取图像的内容部件，并使用边缘检测方法检测图像内容部件的边缘信息，获取多尺度的边缘概率图；根据多尺度边缘线索度量过分割区域之间的相似度，并进行迭代式区域合并，生成层次合并树；根据层次合并树和先验信息建立能量函数，并采用动态规划方法求解能量函数从而优化层次合并树结构，实现图像的层次化分割。
-
公开(公告)号：CN109272467B
公开(公告)日：2022-03-15
申请号：CN201811113242.6
申请日：2018-09-25
Applicant: 南京大学
Abstract: 本发明公开了一种基于多尺度边缘线索的层次化图像分割方法，包括以下步骤：对输入图像进行超像素化，获得图像的过分割区域；对输入图像进行多尺度的内容风格分离，从而提取图像的内容部件，并使用边缘检测方法检测图像内容部件的边缘信息，获取多尺度的边缘概率图；根据多尺度边缘线索度量过分割区域之间的相似度，并进行迭代式区域合并，生成层次合并树；根据层次合并树和先验信息建立能量函数，并采用动态规划方法求解能量函数从而优化层次合并树结构，实现图像的层次化分割。
-
公开(公告)号：CN109360191B
公开(公告)日：2020-06-12
申请号：CN201811113241.1
申请日：2018-09-25
Applicant: 南京大学
Abstract: 本发明公开了一种基于变分自编码器的图像显著性检测方法，包括如下步骤：首先将输入图像分割成超像素，并计算每个超像素的边界连通性，根据连通性值筛选出背景样本集；然后构建变分子编码器深度网络模型，使用得到的背景样本数据通过随机梯度下降方式对网络进行训练；最后，使用训练完成的变分自编码器网络对整幅图像的所有超像素进行重建，并计算重建错误，得到显著性值。
-
Patent Agency Ranking
公开(公告)号：CN110188718B
公开(公告)日：2021-04-02
申请号：CN201910480359.6
申请日：2019-06-04
Applicant: 南京大学
Abstract: 本发明公开了一种基于关键帧和联合稀疏表示的无约束人脸识别方法，包括如下步骤：首先对输入的监控视频目标人脸进行检测和跟踪，从而获取完整人脸序列信息；然后利用人脸关键点的位置估计序列中每个人脸的旋转角度，并对旋转角度进行聚类得到基于人脸姿态的关键帧；最后，通过公开的人脸数据集构建用于训练的字典集，同时采用迭代优化的方式求解最优联合稀疏系数矩阵，并根据测试集和最优联合稀疏系数矩阵计算字典集中每个类别对应的重构误差，取最小重构误差的类别作为人脸身份。
-
公开(公告)号：CN109360191A
公开(公告)日：2019-02-19
申请号：CN201811113241.1
申请日：2018-09-25
Applicant: 南京大学
Abstract: 本发明公开了一种基于变分自编码器的图像显著性检测方法，包括如下步骤：首先将输入图像分割成超像素，并计算每个超像素的边界连通性，根据连通性值筛选出背景样本集；然后构建变分子编码器深度网络模型，使用得到的背景样本数据通过随机梯度下降方式对网络进行训练；最后，使用训练完成的变分自编码器网络对整幅图像的所有超像素进行重建，并计算重建错误，得到显著性值。
-
公开(公告)号：CN109308493A
公开(公告)日：2019-02-05
申请号：CN201811113589.0
申请日：2018-09-25
Applicant: 南京大学
CPC classification number: G06K9/6256 , G06N3/0454
Abstract: 本发明公开了一种基于堆叠神经网络的递进式图像解析方法，包括以下步骤：基于已有的图像分割神经网络，通过堆叠其最后几层数次，构造对图像进行递进式解析的堆叠神经网络结构；利用训练图像及对应的像素级语义类别标注图，通过执行多次类别合并操作生成由精到粗的层次化语义类别标注图，作为多层次的监督数据，并利用此监督数据训练该堆叠神经网络；利用已训练的堆叠式图像解析神经网络，对输入图像进行由粗到精的递进式内容解析。
-
公开(公告)号：CN109272568A
公开(公告)日：2019-01-25
申请号：CN201811177695.5
申请日：2018-10-10
Applicant: 南京大学
Abstract: 本发明公开了一种采用基元发现的人脸风格图像处理方法，包括以下步骤：对输入的风格图像进行基元提取，得到基元库；利用输入的风格图像对输入的人脸风格图像进行神经风格迁移，在神经风格迁移的过程中利用预训练VGG网络提取风格图像的低层纹理色彩特征及输入的人脸风格图像的中的高层语义特征，通过优化过程使得合成的图像中既包含人脸风格图像的高层语义特征也包含风格图像的低层纹理色彩特征，进行色彩填充；利用稀疏编码方法构造基于预提取基元库的稀疏词典，基于稀疏词典对色彩填充后的人脸风格图像进行进一步细节强化。
-
公开(公告)号：CN109272568B
公开(公告)日：2020-07-17
申请号：CN201811177695.5
申请日：2018-10-10
Applicant: 南京大学
Abstract: 本发明公开了一种采用基元发现的人脸风格图像处理方法，包括以下步骤：对输入的风格图像进行基元提取，得到基元库；利用输入的风格图像对输入的人脸风格图像进行神经风格迁移，在神经风格迁移的过程中利用预训练VGG网络提取风格图像的低层纹理色彩特征及输入的人脸风格图像的中的高层语义特征，通过优化过程使得合成的图像中既包含人脸风格图像的高层语义特征也包含风格图像的低层纹理色彩特征，进行色彩填充；利用稀疏编码方法构造基于预提取基元库的稀疏词典，基于稀疏词典对色彩填充后的人脸风格图像进行进一步细节强化。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
