-
Patent Agency Ranking
公开(公告)号：CN111127879B
公开(公告)日：2021-09-07
申请号：CN201911254775.0
申请日：2019-12-09
Applicant: 湖南大学
Abstract: 本发明提供了一种基于生成式对抗网络的城市交通流量预测方法，其包括如下步骤：获取某一城市的位置信息并将该城市区域划分为多个网格区域；采集预设时间内该城市区域中车辆的GPS轨迹数据集，根据时间段统计计算出每个网格区域中的进流量和出流量，并将进流量和出流量组织成流量图集I；将连续的三帧流量图IN‑2、IN‑1、IN输入到训练好的生成式对抗网络模型中，即可得到预测的下一个时间间隔的流量图IN+1，其中N大于2。与相关技术相比，本发明的基于生成式对抗网络的城市交通流量预测方法采用3D卷积能够有效提取交通流量的时间强相关性和空间依赖性，采用生成流量图的方式来预测，预测结果可靠性更高。
-
公开(公告)号：CN111275638B
公开(公告)日：2022-10-28
申请号：CN202010044569.3
申请日：2020-01-16
Applicant: 湖南大学
Abstract: 本发明提供一种基于多通道注意力选择生成对抗网络的人脸修复方法，其包括以下步骤：S1、采集人脸数据并进行预处理；S2、建立人脸修复模型及损失函数；S3、第一阶段，学习图像生成子网Gi并初步修复图像；S4、第二阶段，产生中间输出图IG并学习多通道注意力图IA；S5、构建多通道注意力选择模型并输出最终合成图；S6、进行人脸修复。所述人脸修复模型包括生成器网络Gi、参数共享鉴别器D和多通道注意力选择网络Ga，所述损失函数包括不确定性像素损失函数和对抗性损失函数。本发明提供的人脸修复方法有效地学习不确定性图，以指导像素损失，从而实现更强大的优化，提供一种更优的人脸修复方法。
-
公开(公告)号：CN111127879A
公开(公告)日：2020-05-08
申请号：CN201911254775.0
申请日：2019-12-09
Applicant: 湖南大学
Abstract: 本发明提供了一种基于生成式对抗网络的城市交通流量预测方法，其包括如下步骤：获取某一城市的位置信息并将该城市区域划分为多个网格区域；采集预设时间内该城市区域中车辆的GPS轨迹数据集，根据时间段统计计算出每个网格区域中的进流量和出流量，并将进流量和出流量组织成流量图集I；将连续的三帧流量图IN-2、IN-1、IN输入到训练好的生成式对抗网络模型中，即可得到预测的下一个时间间隔的流量图IN+1，其中N大于2。与相关技术相比，本发明的基于生成式对抗网络的城市交通流量预测方法采用3D卷积能够有效提取交通流量的时间强相关性和空间依赖性，采用生成流量图的方式来预测，预测结果可靠性更高。
-
公开(公告)号：CN111275638A
公开(公告)日：2020-06-12
申请号：CN202010044569.3
申请日：2020-01-16
Applicant: 湖南大学
Abstract: 本发明提供一种基于多通道注意力选择生成对抗网络的人脸修复方法，其包括以下步骤：S1、采集人脸数据并进行预处理；S2、建立人脸修复模型及损失函数；S3、第一阶段，学习图像生成子网Gi并初步修复图像；S4、第二阶段，产生中间输出图IG并学习多通道注意力图IA；S5、构建多通道注意力选择模型并输出最终合成图；S6、进行人脸修复。所述人脸修复模型包括生成器网络Gi、参数共享鉴别器D和多通道注意力选择网络Ga，所述损失函数包括不确定性像素损失函数和对抗性损失函数。本发明提供的人脸修复方法有效地学习不确定性图，以指导像素损失，从而实现更强大的优化，提供一种更优的人脸修复方法。
-
公开(公告)号：CN111161178A
公开(公告)日：2020-05-15
申请号：CN201911361967.1
申请日：2019-12-25
Applicant: 湖南大学
Abstract: 本发明提供了一种基于生成式对抗网络的单幅低光图像增强方法，其包括如下步骤：收集训练数据集：通过改变相机的曝光时间和感光度从同一场景获取低光图像和正常光图像，同一场景的低光图像和正常光图像构成一个图像组；数据集的处理：去除因相机抖动、物体移动等不可控因素导致的不对齐的图像对；基于生成式对抗网络构建低光图像增强模型及损失函数；训练低光图像增强模型；将待增强的低光图像输入到训练好的所述低光图像增强模型，获得增强后的正常光图像。与相关技术相比，采用本发明的基于生成式对抗网络的单幅低光图像增强方法能够获得逼真的、清晰的高质量图像，且图像生成速度快。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
