-
公开(公告)号：CN114049289A
公开(公告)日：2022-02-15
申请号：CN202111324809.6
申请日：2021-11-10
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于对比学习与StyleGAN2的近红外‑可见光人脸图像合成方法，其步骤包括：1、收集成对的近红外‑可见光人脸图像并进行统一的人脸检测和归一化的预处理，从而获得数据集图像；2、引入对比学习机制，构建包含基于StyleGAN2结构的生成器、判别器、图像多层特征提取块在内的生成网络模型；3、结合适当的损失函数和优化函数，利用训练集图像训练生成网络模型；4、输入待测的近红外人脸图像对生成网络模型进行测试，最终合成相应的可见光人脸图像。本发明能使得合成的可见光图像更加贴近真实图像，能够更好地还原人脸图像的面部边缘细节和肤色信息，从而提高合成图像的视觉效果和跨模态人脸识别的性能。
-
公开(公告)号：CN113989851A
公开(公告)日：2022-01-28
申请号：CN202111324923.9
申请日：2021-11-10
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于异构融合图卷积网络的跨模态行人重识别方法，包括：1、构建可见光与近红外数据集，包括图像的获取以及预处理；2、采用随机批采样策略获取当前批次的可见光和近红外图像；3、构建一阶关键点提取网络提取图像的局部关键点特征，利用领接矩阵生成图数据；4、构建高阶嵌入图卷积网络建模图数据之间的结构关系；5、构建图匹配模块及损失函数的网络结构；6、利用分阶段方式训练得到最优行人重识别模型；7、利用测试集获得行人重识别结果。本发明能通过关键点提取网络、嵌入图卷积网络和图匹配网络，更好的构建跨模态图数据的特征关系，从而提高可见光与近红外行人重识别的准确度。
-
公开(公告)号：CN114049289B
公开(公告)日：2024-03-05
申请号：CN202111324809.6
申请日：2021-11-10
Applicant: 合肥工业大学
IPC: G06T5/50 , G06V40/16 , G06V10/40 , G06V10/82 , G06N3/0455 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于对比学习与StyleGAN2的近红外‑可见光人脸图像合成方法，其步骤包括：1、收集成对的近红外‑可见光人脸图像并进行统一的人脸检测和归一化的预处理，从而获得数据集图像；2、引入对比学习机制，构建包含基于StyleGAN2结构的生成器、判别器、图像多层特征提取块在内的生成网络模型；3、结合适当的损失函数和优化函数，利用训练集图像训练生成网络模型；4、输入待测的近红外人脸图像对生成网络模型进行测试，最终合成相应的可见光人脸图像。本发明能使得合成的可见光图像更加贴近真实图像，能够更好地还原人脸图像的面部边缘细节和肤色信息，从而提高合成图像的视
-
Patent Agency Ranking
公开(公告)号：CN114240810B
公开(公告)日：2023-08-08
申请号：CN202111324908.4
申请日：2021-11-10
Applicant: 合肥工业大学
IPC: G06T5/50 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于渐进式生成网络的人脸素描‑照片合成方法，其步骤包括：1、收集不同人的面部光学人脸图像以及对应的素描人脸图像，并对图像进行预处理，从而获得数据集图像；2、引入多残差融合网络，构建包含生成器、判别器以及通道注意力在内的渐进式生成对抗网络模型；3、选择适当的损失函数和优化函数来更新网络参数，利用素描人脸图像对渐进式生成对抗网络模型进行训练；4、输入素描人脸图像生成光学人脸图像。本发明能充分提取输入图像深层多样化特征信息，并且通过渐进式生成模型由粗到精的对合成光学人脸图像进行约束，使得合成的图像面部细节完整，清晰度更高。
-
公开(公告)号：CN113989851B
公开(公告)日：2023-04-07
申请号：CN202111324923.9
申请日：2021-11-10
Applicant: 合肥工业大学
IPC: G06V40/10 , G06V10/764 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/09
Abstract: 本发明公开了一种基于异构融合图卷积网络的跨模态行人重识别方法，包括：1、构建可见光与近红外数据集，包括图像的获取以及预处理；2、采用随机批采样策略获取当前批次的可见光和近红外图像；3、构建一阶关键点提取网络提取图像的局部关键点特征，利用领接矩阵生成图数据；4、构建高阶嵌入图卷积网络建模图数据之间的结构关系；5、构建图匹配模块及损失函数的网络结构；6、利用分阶段方式训练得到最优行人重识别模型；7、利用测试集获得行人重识别结果。本发明能通过关键点提取网络、嵌入图卷积网络和图匹配网络，更好的构建跨模态图数据的特征关系，从而提高可见光与近红外行人重识别的准确度。
-
公开(公告)号：CN114842508A
公开(公告)日：2022-08-02
申请号：CN202210553425.X
申请日：2022-05-20
Applicant: 合肥工业大学
IPC: G06V40/10 , G06V10/143 , G06V10/74 , G06V10/44 , G06V10/46 , G06V10/42 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度图匹配的可见光‑红外行人重识别方法，包括以下步骤：1、设计姿态图提取模块；2、构建可见光、红外图结构数据；3、构建协同图匹配模块；4、构建由姿态图提取模块和协同图匹配模块组成的行人重识别模型并训练；步骤5、查询匹配。本发明能通过图数据建模以及高效的跨模态协同图匹配，自适应匹配可见光与红外特征，从而提高可见光‑红外行人重识别的精确度。
-
公开(公告)号：CN114842508B
公开(公告)日：2024-03-01
申请号：CN202210553425.X
申请日：2022-05-20
Applicant: 合肥工业大学
IPC: G06V40/10 , G06V10/143 , G06V10/74 , G06V10/44 , G06V10/46 , G06V10/42 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于深度图匹配的可见光‑红外行人重识别方法，包括以下步骤：1、设计姿态图提取模块；2、构建可见光、红外图结构数据；3、构建协同图匹配模块；4、构建由姿态图提取模块和协同图匹配模块组成的行人重识别模型并训练；步骤5、查询匹配。本发明能通过图数据建模以及高效的跨模态协同图匹配，自适应匹配可见光与红外特征，从而提高可见光‑红外行人重识别的精确度。
-
公开(公告)号：CN114240810A
公开(公告)日：2022-03-25
申请号：CN202111324908.4
申请日：2021-11-10
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于渐进式生成网络的人脸素描‑照片合成方法，其步骤包括：1、收集不同人的面部光学人脸图像以及对应的素描人脸图像，并对图像进行预处理，从而获得数据集图像；2、引入多残差融合网络，构建包含生成器、判别器以及通道注意力在内的渐进式生成对抗网络模型；3、选择适当的损失函数和优化函数来更新网络参数，利用素描人脸图像对渐进式生成对抗网络模型进行训练；4、输入素描人脸图像生成光学人脸图像。本发明能充分提取输入图像深层多样化特征信息，并且通过渐进式生成模型由粗到精的对合成光学人脸图像进行约束，使得合成的图像面部细节完整，清晰度更高。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
