-
公开(公告)号：CN116563556B
公开(公告)日：2023-11-10
申请号：CN202310814511.6
申请日：2023-07-05
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请公开了一种模型训练方法，涉及深度学习技术领域。方法包括：获取待训练人脸图像降噪模型以及训练样本集，训练样本集包括多组图像对，每组图像对包括样本人脸图像和参考人脸图像；待训练人脸图像降噪模型用于对样本人脸图像进行降噪处理，获得降噪后图像；对样本人脸图像进行语义分割，获得至少一个语义分割区域；基于参考人脸图像和降噪后图像之间各语义分割区域的结构损失，构建待训练人脸图像降噪模型的第一损失函数；利用训练样本集和第一损失函数训练待训练人脸图像降噪模型，获得目标图像降噪模型。本申请可使得训练得到的人脸图像降噪网络可以更好的在降噪处理过程中保留细节特征。
-
公开(公告)号：CN117011150A
公开(公告)日：2023-11-07
申请号：CN202210448487.4
申请日：2022-04-26
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06T5/00 , G06T5/50 , G06T9/00 , G06N3/0464 , G06N3/08
Abstract: 本申请提供一种图像降噪方法及设备，目标网络模型包括K个子网络，子网络包括M个网络通道，网络通道包括降噪主通道和特征提取通道，该方法包括：获取与网络通道对应的原始输入图像，将原始输入图像输入给网络通道对应的降噪主通道和特征提取通道；通过特征提取通道对原始输入图像进行残差处理和沙漏处理，得到原始输入图像对应的特征矩阵，将特征矩阵输入给降噪主通道；通过降噪主通道对原始输入图像进行编码处理，得到编码特征，基于编码特征和特征矩阵获取特征编码，对特征编码进行解码处理，得到网络通道对应的原始输出特征；基于每个网络通道对应的原始输出特征生成目标输出图像；通过本申请技术方案，能够提升图像质量，减少图像噪点。
-
公开(公告)号：CN118262198A
公开(公告)日：2024-06-28
申请号：CN202410676163.5
申请日：2024-05-28
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06V10/774 , G06V40/16 , G06T5/77 , G06T7/13
Abstract: 本申请实施例提供了一种图像复原模型的训练方法、图像复原方法及装置，该方法包括：将面部图像样本输入至预训练的区域判别器，得到图像样本，并输入至轮廓复原网络，输出轮廓复原图像，计算第一损失函数的第一损失值，将轮廓复原图像输入至超分上采样网络，输出上采样图像，计算第二损失函数的第二损失值，将上采样图像输入至预训练的细腻度调整网络，计算第三损失函数的第三损失值，基于第一损失值调整轮廓复原网络的参数，与基于第二损失值调整超分上采样网络的参数交替进行，直到总损失函数收敛，基于损失值，调整轮廓复原网络以及超分上采样网络的参数，直到总损失函数收敛，得到图像复原模型。这样可以提升面部图像的清晰度。
-
公开(公告)号：CN117893455B
公开(公告)日：2024-06-04
申请号：CN202410277084.7
申请日：2024-03-11
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06T5/90
Abstract: 本申请实施例提供了图像亮度和对比度调整方法，涉及图像增强技术领域，该方法包括：获取待调整图像，将待调整图像输入至预先训练好的调整模型中，得到用于表示多项式的目标映射关系，基于目标映射关系对待调整图像中各像素点的像素值进行映射得到目标输出图像，其中，调整模型是预先基于样本图像和包括亮度对比度损失的目标损失对原始模型进行训练得到的，亮度对比度损失与样本图像的亮度和原始输出图像的亮度之间的差异正相关，且与样本图像的对比度和原始输出图像的对比度之间的差异正相关。基于目标映射关系得到的目标输出图像不会出现色彩失真和细节丢失的情况，并且可以自动对待调整图像的亮度和对比度进行调节。
-
公开(公告)号：CN116563556A
公开(公告)日：2023-08-08
申请号：CN202310814511.6
申请日：2023-07-05
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请公开了一种模型训练方法，涉及深度学习技术领域。方法包括：获取待训练人脸图像降噪模型以及训练样本集，训练样本集包括多组图像对，每组图像对包括样本人脸图像和参考人脸图像；待训练人脸图像降噪模型用于对样本人脸图像进行降噪处理，获得降噪后图像；对样本人脸图像进行语义分割，获得至少一个语义分割区域；基于参考人脸图像和降噪后图像之间各语义分割区域的结构损失，构建待训练人脸图像降噪模型的第一损失函数；利用训练样本集和第一损失函数训练待训练人脸图像降噪模型，获得目标图像降噪模型。本申请可使得训练得到的人脸图像降噪网络可以更好的在降噪处理过程中保留细节特征。
-
Patent Agency Ranking
公开(公告)号：CN114862685A
公开(公告)日：2022-08-05
申请号：CN202110067919.2
申请日：2021-01-19
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请公开了一种图像降噪方法，该方法包括，将待降噪图像依次进行j次卷积编码，得到特征编码；将特征编码依次进行j次卷积解码，得到与所述待降噪图像像素尺寸相同的降噪图像；其中，对特征编码进行第一次卷积解码，次卷积解码结果，将与本次卷积解码结果具有相同像素尺寸的卷积编码结果、以及所述本次卷积解码结果，进行与本次卷积解码相邻的下一次卷积解码，依次递推，直至进行第j次卷积解码，j为大于等于1的自然数。本申请对场景的适应性高，能够兼顾不同照度下的图像噪点的降噪，提高了差异化噪点的降噪能力，改善了图像质量。
-
公开(公告)号：CN118233764B
公开(公告)日：2024-09-03
申请号：CN202410644593.9
申请日：2024-05-23
Applicant: 杭州海康威视数字技术股份有限公司
IPC: H04N23/84
Abstract: 本申请提供一种图像的去马赛克方法和装置，涉及成像设备技术领域，该方法包括：获取待插值像素点，马赛克图像中每个像素点的颜色通道值为绿色通道值、红色通道值、蓝色通道值中的一种，待插值像素点的颜色通道值为红色通道值或蓝色通道值；确定待插值像素点的绿色通道值；对马赛克图像中边缘处的待插值像素点的绿色通道值进行修正；确定每个像素点的红色通道值和蓝色通道值；基于每个像素点的绿色通道值、红色通道值和蓝色通道值，将马赛克图像转化为去马赛克图像。该方案可以改善去马赛克过程中图像斜方向上插值出现的锯齿现象、伪彩现象和边缘区域的伪彩现象。
-
公开(公告)号：CN118262198B
公开(公告)日：2024-08-27
申请号：CN202410676163.5
申请日：2024-05-28
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06V10/774 , G06V40/16 , G06T5/77 , G06T7/13
Abstract: 本申请实施例提供了一种图像复原模型的训练方法、图像复原方法及装置，该方法包括：将面部图像样本输入至预训练的区域判别器，得到图像样本，并输入至轮廓复原网络，输出轮廓复原图像，计算第一损失函数的第一损失值，将轮廓复原图像输入至超分上采样网络，输出上采样图像，计算第二损失函数的第二损失值，将上采样图像输入至预训练的细腻度调整网络，计算第三损失函数的第三损失值，基于第一损失值调整轮廓复原网络的参数，与基于第二损失值调整超分上采样网络的参数交替进行，直到总损失函数收敛，基于损失值，调整轮廓复原网络以及超分上采样网络的参数，直到总损失函数收敛，得到图像复原模型。这样可以提升面部图像的清晰度。
-
公开(公告)号：CN118233764A
公开(公告)日：2024-06-21
申请号：CN202410644593.9
申请日：2024-05-23
Applicant: 杭州海康威视数字技术股份有限公司
IPC: H04N23/84
Abstract: 本申请提供一种图像的去马赛克方法和装置，涉及成像设备技术领域，该方法包括：获取待插值像素点，马赛克图像中每个像素点的颜色通道值为绿色通道值、红色通道值、蓝色通道值中的一种，待插值像素点的颜色通道值为红色通道值或蓝色通道值；确定待插值像素点的绿色通道值；对马赛克图像中边缘处的待插值像素点的绿色通道值进行修正；确定每个像素点的红色通道值和蓝色通道值；基于每个像素点的绿色通道值、红色通道值和蓝色通道值，将马赛克图像转化为去马赛克图像。该方案可以改善去马赛克过程中图像斜方向上插值出现的锯齿现象、伪彩现象和边缘区域的伪彩现象。
-
公开(公告)号：CN117893455A
公开(公告)日：2024-04-16
申请号：CN202410277084.7
申请日：2024-03-11
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06T5/90
Abstract: 本申请实施例提供了图像亮度和对比度调整方法，涉及图像增强技术领域，该方法包括：获取待调整图像，将待调整图像输入至预先训练好的调整模型中，得到用于表示多项式的目标映射关系，基于目标映射关系对待调整图像中各像素点的像素值进行映射得到目标输出图像，其中，调整模型是预先基于样本图像和包括亮度对比度损失的目标损失对原始模型进行训练得到的，亮度对比度损失与样本图像的亮度和原始输出图像的亮度之间的差异正相关，且与样本图像的对比度和原始输出图像的对比度之间的差异正相关。基于目标映射关系得到的目标输出图像不会出现色彩失真和细节丢失的情况，并且可以自动对待调整图像的亮度和对比度进行调节。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.033 seconds)
