公开(公告)号：CN116664435A

公开(公告)日：2023-08-29

申请号：CN202310643998.6

申请日：2023-06-01

Applicant: 宜宾电子科技大学研究院

Inventor： 于力 ,  姜梦遥 ,  涂宇晨 ,  彭超 ,  何建

IPC: G06T5/00 ,  G06T5/50 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多尺度人脸解析图融入的人脸复原方法，属于计算机视觉、机器学习等技术领域。首先，本发明沿用了编码器‑解码器结构搭建基础网络，在基础网络中增添了加入通道注意力模块的跳跃连接，使得解码器可以充分利用提取出的特征图中含有的有效信息进行人脸恢复；同时，将人脸解析图作为风格图像使其融入生成的人脸图像中；最后，本发明在训练时加入了有利于保存身份信息的损失函数，在人脸识别网络提取出的特征层面约束复原出的人脸身份，并加入了对抗损失与多尺度判别器，使得网络进一步生成具有更多真实细节的人脸图像。

公开(公告)号：CN116681608A

公开(公告)日：2023-09-01

申请号：CN202310615248.8

申请日：2023-05-29

Applicant: 宜宾电子科技大学研究院

Inventor： 于力 ,  熊啸宇 ,  彭超 ,  何建

IPC: G06T5/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 该发明公开了一种基于参数估计的微光图像增强方法，属于计算机视觉、机器学习等领域。利用深度可分离卷积和倒残差结构优化网络的参数，保证了网络对通道和空间维度特征的提取的能力，同时降低了卷积操作的计算量和参数量。然后，利用能捕获特征全局信息的缩放点注意力机制估计了颜色校正矩阵和伽马校正参数，实现了对最终成像质量的整体优化。网络训练过程中，本发明使用了像素级差异的L2损失和认知级差异的多权重的感知损失。本发明在LoL数据集上的实验表明，当倒残差结构的扩张率为1.5时能在LoL数据集上达到最优的性能。

公开(公告)号：CN116596795A

公开(公告)日：2023-08-15

申请号：CN202310615353.1

申请日：2023-05-29

Applicant: 宜宾电子科技大学研究院

Inventor： 于力 ,  刘紫薇 ,  刘骁 ,  彭超 ,  何建

IPC: G06T5/00 ,  G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明所述方法公开了一种基于语义引导与注意力融合的水下图像增强方法，本发明属于计算机视觉和机器学习技术领域。本发明所述方法在水下图像增强任务中利用语义线索以提升网络对语义相同区域的增强效果一致性，改善图像边缘模糊，在一些图像退化类型上罕见但在语义上相关的场景，语义信息为网络提供先验知识，改善模型表现，提升模型泛化能力；引入特征注意力融合机制，避免了跨域信息直接融合导致的上下文信息丢失，更好地组合语义信息与重建特征，最大程度发挥语义信息的引导作用；通过空间注意力与通道注意力的结合使用，能够为退化严重区域分配更合理的权重，提升图像的增强效果。