-
公开(公告)号：CN110163794A
公开(公告)日：2019-08-23
申请号：CN201810410348.6
申请日：2018-05-02
申请人： 腾讯科技(深圳)有限公司 , 西安电子科技大学
摘要： 本发明公开了一种图像的转换方法、装置、存储介质和电子装置。其中，该方法包括：获取第一图像转换指令，其中，第一图像转换指令用于指示对待转换的图像进行转换；响应第一图像转换指令，采用第一模型对待转换的图像进行转换，得到目标图像，其中，第一模型用于将第一类别的图像转换为第二类别的图像，待转换的图像为第一类别的图像，目标图像为第二类别的图像，第一类别不同于第二类别，第一模型是通过使用第二类别的样本图像对第一原始模型进行训练得到的模型，第一模型包含第二模型的信息，第二模型用于将第二类别的图像转换为第一类别的图像；输出目标图像。本发明解决了转换得到图像与真实图像不符的技术问题。
-
公开(公告)号：CN111046757A
公开(公告)日：2020-04-21
申请号：CN201911182281.6
申请日：2019-11-27
申请人： 西安电子科技大学 , 腾讯科技(深圳)有限公司
摘要： 本公开实施例提供一种人脸画像生成模型的训练方法、装置及相关设备。该方法包括：获取第一训练样本集；通过神经网络模型分别对样本人脸照片和/或样本人脸画像进行处理，获得第一特征信息和/或第二特征信息；通过人脸画像生成模型对样本人脸照片进行处理，获得预测人脸画像及其预测特征信息；根据第一特征信息和/或第二特征信息、预测特征信息、样本人脸画像及预测人脸画像确定目标损失函数；根据目标损失函数调节人脸画像生成模型的参数。本公开实施例提出的方案，将神经网络模型输出的第一特征信息和第二特征信息作为人脸画像生成模型的监督知识以辅助人脸画像生成模型的训练，能够同时提高训练完成后的人脸画像生成模型的合成质量与识别率。
-
公开(公告)号：CN110782395B
公开(公告)日：2024-02-09
申请号：CN201911031821.0
申请日：2019-10-28
申请人： 西安电子科技大学 , 腾讯科技(深圳)有限公司
IPC分类号： G06T3/4053 , G06N3/0464 , G06N3/08 , G06T9/00
摘要： 本公开的实施例提供了一种图像处理方法及装置、电子设备和计算机可读存储介质，属于计算机和通信技术领域。所述方法包括：获取待处理图像；提取所述待处理图像中多尺度的当前图像特征信息；分别对所述当前图像特征信息的通道和平面空间进行编码以增强所述当前图像特征信息，获得当前图像编码信息；根据所述当前图像编码信息获得将所述待处理图像放大目标倍数的目标图像。本公开实施例的技术方案提供了一种图像处理方法，通过联合应用提取的多尺度的当前图像特征信息和增强所述当前图像特征信息的当前图像编码信息，能够在信息传递的过程中尽可能的避免信息丢失的情况发生，实现了一种低参数数量且低计算复杂度的快速的图像超分辨率重建。
-
公开(公告)号：CN110782395A
公开(公告)日：2020-02-11
申请号：CN201911031821.0
申请日：2019-10-28
申请人： 西安电子科技大学 , 腾讯科技(深圳)有限公司
摘要： 本公开的实施例提供了一种图像处理方法及装置、电子设备和计算机可读存储介质，属于计算机和通信技术领域。所述方法包括：获取待处理图像；提取所述待处理图像中多尺度的当前图像特征信息；分别对所述当前图像特征信息的通道和平面空间进行编码以增强所述当前图像特征信息，获得当前图像编码信息；根据所述当前图像编码信息获得将所述待处理图像放大目标倍数的目标图像。本公开实施例的技术方案提供了一种图像处理方法，通过联合应用提取的多尺度的当前图像特征信息和增强所述当前图像特征信息的当前图像编码信息，能够在信息传递的过程中尽可能的避免信息丢失的情况发生，实现了一种低参数数量且低计算复杂度的快速的图像超分辨率重建。
-
公开(公告)号：CN111046757B
公开(公告)日：2024-03-05
申请号：CN201911182281.6
申请日：2019-11-27
申请人： 西安电子科技大学 , 腾讯科技(深圳)有限公司
IPC分类号： G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/09
摘要： 本公开实施例提供一种人脸画像生成模型的训练方法、装置及相关设备。该方法包括：获取第一训练样本集；通过神经网络模型分别对样本人脸照片和/或样本人脸画像进行处理，获得第一特征信息和/或第二特征信息；通过人脸画像生成模型对样本人脸照片进行处理，获得预测人脸画像及其预测特征信息；根据第一特征信息和/或第二特征信息、预测特征信息、样本人脸画像及预测人脸画像确定目标损失函数；根据目标损失函数调节人脸画像生成模型的参数。本公开实施例提出的方案，将神经网络模型输出的第一特征信息和第二特征信息作为人脸画像生成模型的监督知识以辅助人脸画像生成模型的训练，能够同时提高训练完成后的人脸画像生成模型的合成质量与识别率。
-
公开(公告)号：CN110163794B
公开(公告)日：2023-08-29
申请号：CN201810410348.6
申请日：2018-05-02
申请人： 腾讯科技(深圳)有限公司 , 西安电子科技大学
摘要： 本发明公开了一种图像的转换方法、装置、存储介质和电子装置。其中，该方法包括：获取第一图像转换指令，其中，第一图像转换指令用于指示对待转换的图像进行转换；响应第一图像转换指令，采用第一模型对待转换的图像进行转换，得到目标图像，其中，第一模型用于将第一类别的图像转换为第二类别的图像，待转换的图像为第一类别的图像，目标图像为第二类别的图像，第一类别不同于第二类别，第一模型是通过使用第二类别的样本图像对第一原始模型进行训练得到的模型，第一模型包含第二模型的信息，第二模型用于将第二类别的图像转换为第一类别的图像；输出目标图像。本发明解决了转换得到图像与真实图像不符的技术问题。
-
公开(公告)号：CN116994307A
公开(公告)日：2023-11-03
申请号：CN202211189108.0
申请日：2022-09-28
申请人： 腾讯科技(深圳)有限公司
摘要： 本申请提供了一种视频的生成方法、装置，包括：获取针对目标对象的包括至少两张脸部图像的脸部图像序列；对每张脸部图像的口部区域进行遮盖，得到口部遮盖特征图；对每张脸部图像进行表情归一化，得到具有目标表情的脸部参考特征图；对脸部参考特征图以及口部遮盖特征图进行合成，得到脸部标准特征图序列；基于目标语音，调整脸部标准特征图序列中目标对象的口型与目标语音的发音口型相适配，得到目标脸部图像序列；对目标语音以及目标脸部图像序列进行视频合成，得到目标视频。通过本申请，能够提高目标视频中对象口型的准确性和真实性。
-
公开(公告)号：CN117011402A
公开(公告)日：2023-11-07
申请号：CN202211066584.3
申请日：2022-09-01
申请人： 腾讯科技(深圳)有限公司
摘要： 本申请实施例公开了一种图像处理方法和相关装置，至少涉及人工智能中的机器学习，获取属于不同风格的第一图像和第二图像，如第一图像属于第一风格，第二图像属于第二风格。提取第一图像的第一特征和第二图像的第二特征，其中，第一特征包括多个用于描述部分第一图像的特征的第一特征块，第二特征包括多个用于描述部分第二图像的特征的第二特征块。根据多个第一特征块与多个第二特征块的相似度，确定出重建特征。由于重建特征携带了与第一图像内容相关的、且具有第二风格的细节信息，从而在基于第一特征进行第一图像的跨域重建过程中，将重建特征作为先验信息辅助跨域重建，第三图像能够包括更多的细节信息，提高了风格转换后的图像的质量。
-
公开(公告)号：CN118887395A
公开(公告)日：2024-11-01
申请号：CN202410724277.2
申请日：2024-06-05
申请人： 西安电子科技大学 , 西安电子科技大学杭州研究院
IPC分类号： G06V10/26 , G06V10/82 , G06N3/048 , G06V10/44 , G06N3/0464 , G06N3/045 , G06N3/0499 , G06N3/08
摘要： 本发明公开了一种基于统计自适应激活的乳腺病灶区域图像分割方法，包括以下步骤；步骤1：构建超声乳腺癌病灶分割数据集；步骤2：利用步骤1得到的超声乳腺癌病灶分割数据集构建基于局部统计特性的空间自适应激活模块；步骤3：利用步骤1得到的超声乳腺癌病灶分割数据集构建基于通道统计特性的通道自适应激活模块：步骤4：通过基于局部统计特性的空间自适应激活模块和基于通道统计特性的通道自适应激活模块构建基于统计自适应激活的图像分割方法，完成对超声影像的乳腺病灶区域分割。本发明使现有分割模型具备全局特性和局部特性的自适应能力，最终提升了分割模型的分割精度。
-
公开(公告)号：CN118822992A
公开(公告)日：2024-10-22
申请号：CN202410927851.4
申请日：2024-07-11
申请人： 西安电子科技大学 , 西安电子科技大学杭州研究院
IPC分类号： G06T7/00 , G06V10/82 , G06V10/40 , G06F40/284 , G06V10/80 , G06V10/764 , G06V10/766 , G06F18/25 , G06F18/241 , G06F18/27 , G06N3/045 , G06N3/048 , G06N3/047 , G06N3/096
摘要： 本发明公开了一种基于状态空间模型的通用图像美学评价方法，包括以下步骤；步骤1，根据数据集和任务类型，获取训练样本集Strain和测试集Stest；步骤2，构建通用图像美学评价框架的子模块：步骤3：从步骤2中不同的子模块进行构建，结合具体任务构建具体通用性或者个性化美学评价模型M；步骤4，对网络模型M进行迭代训练：步骤5，通过步骤4迭代训练后的模型。获取美学质量评价分数预测结果。本发明有效的解决了现有图像美学评价模型难以结合局部和全局图像特征、模型多任务训练的不平衡性、模型难以高效灵活设计的问题。
-
-
-
-
-
-
-
-
-
搜索结果
118 条记录 (耗时 0.083 秒)
