-
公开(公告)号：CN106063240A
公开(公告)日：2016-10-26
申请号：CN201380080871.2
申请日：2013-11-14
Applicant: 微软技术许可有限责任公司
IPC: H04N1/00
CPC classification number: G06T7/0004 , G06K9/00442 , G06K9/3275 , G06K9/4642 , G06K9/4647 , G06K9/4652 , G06K9/52 , G06K9/6215 , G06K9/6267 , G06T5/00 , G06T5/008 , G06T5/40 , G06T7/13 , G06T7/33 , G06T7/90 , G06T2207/20021 , G06T2207/30176 , H04N1/3878 , H04N1/6027
Abstract: 提供了用于生产力应用的图像处理。计算设备可以接收图像。计算设备可以检测包括所接收的图像的边缘，并且基于所检测到的边缘的歪斜状态来对图像进行调整。随后，计算设备可以对经调整的图像进行处理以校正失衡。计算设备然后可以向经处理的图像分配图像分类。随后，计算设备可以基于所分配的图像分类来对经处理的图像进行调整。
-
公开(公告)号：CN118805208A
公开(公告)日：2024-10-18
申请号：CN202380024887.5
申请日：2023-02-08
Applicant: 微软技术许可有限责任公司
Inventor： J·P·C·瓦伦丁 , E·W·伍德 , T·J·卡什曼 , M·德拉戈尔斯 , T·巴尔特鲁萨迪斯 , D·S·维尔德 , 申晶晶 , M·A·约翰逊 , C·T·休伊特 , N·米洛萨夫列维奇 , S·J·加尔宾 , T·夏普 , I·斯托伊利科夫
IPC: G06V40/16
Abstract: 在图像中预测关键点。针对作为2D随机变量的、图像的关键点中的每个关键点生成预测，所述2D随机变量以位置(x，y)和标准偏差σ正态分布。神经网络被训练，以使来自预测的关键点中的每个关键点的样本等于基础事实的对数似然值最大化。经训练的神经网络被用于在不生成热图的情况下预测图像的关键点。
-
公开(公告)号：CN106063240B
公开(公告)日：2019-06-04
申请号：CN201380080871.2
申请日：2013-11-14
Applicant: 微软技术许可有限责任公司
IPC: H04N1/00
CPC classification number: G06T7/0004 , G06K9/00442 , G06K9/3275 , G06K9/4642 , G06K9/4647 , G06K9/4652 , G06K9/52 , G06K9/6215 , G06K9/6267 , G06T5/00 , G06T5/008 , G06T5/40 , G06T7/13 , G06T7/33 , G06T7/90 , G06T2207/20021 , G06T2207/30176 , H04N1/3878 , H04N1/6027
Abstract: 提供了用于生产力应用的图像处理。计算设备可以接收图像。计算设备可以检测包括所接收的图像的边缘，并且基于所检测到的边缘的歪斜状态来对图像进行调整。随后，计算设备可以对经调整的图像进行处理以校正失衡。计算设备然后可以向经处理的图像分配图像分类。随后，计算设备可以基于所分配的图像分类来对经处理的图像进行调整。
-
-
Search Results
3
records
(took 0.019 seconds)
