-
公开(公告)号：CN111563554B
公开(公告)日：2022-05-17
申请号：CN202010390223.9
申请日：2020-05-08
Applicant: 河北工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/77 , G06V10/766 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明基于回归变分自编码器的零样本图像分类方法，涉及用于应用电子设备进行识别图形的方法，通过训练对齐交叉重建变分自编码器，计算回归网络损失，计算整个模型网络的全局损失L，对分类器进行训练，计算分类正确率，完成基于回归变分自编码器的零样本图像分类，克服了对广义零样本分类的现有技术存在训练样本匮乏，生成样本缺少语义性和生成对抗网络易于崩溃的缺陷。
-
Patent Agency Ranking
公开(公告)号：CN108090873B
公开(公告)日：2021-03-05
申请号：CN201711381261.2
申请日：2017-12-20
Applicant: 河北工业大学
IPC: G06T3/40
Abstract: 本发明基于回归模型的金字塔人脸图像超分辨率重建方法，涉及图像的增强或复原，利用图像具有非局部相似性的特征，对测试集中低分辨率人脸图像在其对应特征图像中搜索重建图像块的相似块，得到所有相似块的位置集合，将训练集中所有低分辨率图像在该位置集合中的人脸图像块作为测试集中的低分辨率人脸图像块对应的低分辨率训练集，利用测试集中的低分辨率人脸图像块对应的特征图像块与训练集中的低分辨率人脸图像块对应的特征图像块之间的距离以及测试集中的低分辨率图像经过插值放大后的人脸图像块对应的特征图像块与训练集中高分辨率人脸图像块对应的特征图像块之间距离之和构建约束条件；克服了现有技术在人脸图像重建过程中存在的诸多缺陷。
-
公开(公告)号：CN108447021B
公开(公告)日：2021-06-08
申请号：CN201810223832.8
申请日：2018-03-19
Applicant: 河北工业大学
Abstract: 本发明基于分块和逐帧优化的视频缩放方法，涉及一般的图像数据处理，是将视频序列按照镜头切换分割成N个视频子序列，对视频子序列分别在水平方向上和垂直方向上进行缩放与优化，步骤是：输入视频，根据镜头的切换帧进行镜头分割；对每个视频子序列中视频主体目标进行跟踪，获得相应视频子序列的视频轨迹跟踪框；整帧视频均匀分成x列向子块；合并标注，最终获得一帧视频图像帧fj_pt和一帧影子图像帧gj_pt；基于缩放比例的逐帧优化；按比例分别缩放视频图像帧fj_pt以及影子图像帧gj_pt中的保护区域和非保护区域；基于主体目标位置的逐帧优化。本发明方法克服了现有技术视频缩放中的视频抖动和目标图像与原图像严重不符的缺陷。
-
公开(公告)号：CN108090873A
公开(公告)日：2018-05-29
申请号：CN201711381261.2
申请日：2017-12-20
Applicant: 河北工业大学
IPC: G06T3/40
Abstract: 本发明基于回归模型的金字塔人脸图像超分辨率重建方法，涉及图像的增强或复原，利用图像具有非局部相似性的特征，对测试集中低分辨率人脸图像在其对应特征图像中搜索重建图像块的相似块，得到所有相似块的位置集合，将训练集中所有低分辨率图像在该位置集合中的人脸图像块作为测试集中的低分辨率人脸图像块对应的低分辨率训练集，利用测试集中的低分辨率人脸图像块对应的特征图像块与训练集中的低分辨率人脸图像块对应的特征图像块之间的距离以及测试集中的低分辨率图像经过插值放大后的人脸图像块对应的特征图像块与训练集中高分辨率人脸图像块对应的特征图像块之间距离之和构建约束条件；克服了现有技术在人脸图像重建过程中存在的诸多缺陷。
-
公开(公告)号：CN111563554A
公开(公告)日：2020-08-21
申请号：CN202010390223.9
申请日：2020-05-08
Applicant: 河北工业大学
Abstract: 本发明基于回归变分自编码器的零样本图像分类方法，涉及用于应用电子设备进行识别图形的方法，通过训练对齐交叉重建变分自编码器，计算回归网络损失，计算整个模型网络的全局损失L，对分类器进行训练，计算分类正确率，完成基于回归变分自编码器的零样本图像分类，克服了对广义零样本分类的现有技术存在训练样本匮乏，生成样本缺少语义性和生成对抗网络易于崩溃的缺陷。
-
公开(公告)号：CN108447021A
公开(公告)日：2018-08-24
申请号：CN201810223832.8
申请日：2018-03-19
Applicant: 河北工业大学
Abstract: 本发明基于分块和逐帧优化的视频缩放方法，涉及一般的图像数据处理，是将视频序列按照镜头切换分割成N个视频子序列，对视频子序列分别在水平方向上和垂直方向上进行缩放与优化，步骤是：输入视频，根据镜头的切换帧进行镜头分割；对每个视频子序列中视频主体目标进行跟踪，获得相应视频子序列的视频轨迹跟踪框；整帧视频均匀分成x列向子块；合并标注，最终获得一帧视频图像帧fj_pt和一帧影子图像帧gj_pt；基于缩放比例的逐帧优化；按比例分别缩放视频图像帧fj_pt以及影子图像帧gj_pt中的保护区域和非保护区域；基于主体目标位置的逐帧优化。本发明方法克服了现有技术视频缩放中的视频抖动和目标图像与原图像严重不符的缺陷。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
