-
公开(公告)号：CN112950464A
公开(公告)日：2021-06-11
申请号：CN202110099913.3
申请日：2021-01-25
申请人： 西安电子科技大学
IPC分类号： G06T3/40
摘要： 本发明公开了一种不包含正则化层的二值超分辨率重建方法，包括：对低分辨率图像进行数据分布处理，获得处理后图像；将所述处理后图像输入二值深度神经网络模型进行特征提取，获得重构后的图像；对所述重构后的图像进行数据分布处理，获得最终重建后的超分图像；利用梯度下降算法迭代更新所述二值深度神经网络模型的参数，直至达到收敛。本发明的方法，通过一种有效的二值化训练机制，允许神经网络在不包含正则化层时取得较优异的网络性能，从而使网络以较低的计算复杂度获得更加优异的超分辨率图像重建效果。
-
公开(公告)号：CN108154133B
公开(公告)日：2020-04-14
申请号：CN201810023591.2
申请日：2018-01-10
申请人： 西安电子科技大学
摘要： 一种基于非对称联合学习的人脸画像‑照片识别方法。其步骤为：(1)获得训练样本集和测试样本集；(2)划分样本子集；(3)获得训练伪样本集；(4)构建非对称特征矩阵；(5)计算非对称联合学习矩阵；(6)计算画像样本与照片样本的相似度值；(7)得到识别结果。本发明使用深度卷积网络提取样本的深度特征向量，利用非对称特征矩阵计算非对称联合学习矩阵，使用非对称联合学习矩阵计算画像与照片的相似度，找出与画像相似度最大的照片作为识别结果。本发明将训练伪样本集加入训练过程，并使用非对称联合学习方法增加类内信息，能准确地识别出画像对应的照片。
-
公开(公告)号：CN105138951B
公开(公告)日：2018-05-25
申请号：CN201510397326.7
申请日：2015-07-08
申请人： 西安电子科技大学
IPC分类号： G06K9/00
摘要： 本发明公开了一种基于图模型表示的人脸画像‑照片识别方法，主要解决现有方法在进行人脸画像‑照片识别时忽略人脸图像空间结构信息的问题。其实现步骤是：(1)划分训练画像样本集、训练照片样本集和测试样本集；(2)根据划分结果组成测试画像图模型表示集和测试照片图模型表示集；(3)根据测试画像图模型表示集和测试照片图模型表示集计算相似度集；(4)根据相似度集计算人脸画像‑照片识别率。本发明与现有方法相比，在计算图模型表示过程中使用人脸图像的空间结构信息，提高了人脸画像‑照片识别率，可用于刑侦破案中犯罪嫌疑人的身份识别。
-
公开(公告)号：CN105869134A
公开(公告)日：2016-08-17
申请号：CN201610171867.2
申请日：2016-03-24
申请人： 西安电子科技大学
CPC分类号： G06T5/50 , G06K9/00228 , G06K9/00288 , G06K9/6223 , G06T2207/10004 , G06T2207/20212
摘要： 本发明公开了一种基于方向图模型的人脸画像合成方法，主要解决现有方法在对人脸图像合成细节不明显的问题。其实现步骤是：(1)划分训练画像样本集、训练照片样本集和测试照片样本集；(2)对训练画像样本集中的画像、训练照片样本集中的照片和测试照片进行块划分；(3)根据划分的图像块组成待选择照片块集和待选择画像块集；(4)对训练画像和照片样本块集提取像素值特征及方向特征；(5)计算待选择画像块权值集；(6)根据待选择画像块权值集计算伪画像块集；(7)根据伪画像块集，生成伪画像。本发明由于考虑了人脸图像本身的领域约束，使得生成的人脸画像细节部位明显，可用于公共安全领域中人脸检索与识别。
-
公开(公告)号：CN105608451A
公开(公告)日：2016-05-25
申请号：CN201610143041.5
申请日：2016-03-14
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于子空间岭回归的人脸画像生成方法，主要解决现有方法生成画像质量不高或耗时的问题。其实现步骤是：(1)划分训练画像样本集、训练照片样本集和测试样本集；(2)将所有图像划分成图像块，并组成块集合；(3)将训练照片块集合与对应的画像块集合划分为多个子集；(4)计算每一对照片-画像块子集之间的映射系数矩阵；(5)将测试照片块划分到对应的子集；(6)根据每一个测试照片块子集以及其所在子集对应的系数矩阵，求解出合成画像块子集；(7)合并合成画像块子集得到合成画像块集合(8)组合所有合成画像快，生成伪画像。本发明具有合成画像质量高，速度快的优点，可用于公共安全领域中人脸检索与识别。
-
公开(公告)号：CN113095128B
公开(公告)日：2023-09-19
申请号：CN202110225417.8
申请日：2021-03-01
申请人： 西安电子科技大学
IPC分类号： G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0895
摘要： 本发明公开了一种基于K最远交叉一致性正则化的半监督时序行为定位方法，包括：获取包括多个有标签视频和多个无标签视频的训练数据集；利用时序片段网络分别获得有标签视频和无标签视频的特征；利用染色体交叉互换法对无标签视频的特征进行干扰，获得无标签视频的干扰后特征；将有标签视频的特征、无标签视频的特征、及无标签视频的干扰后特征输入预测网络，分别得到对应的预测值；重复上述步骤，利用训练数据集和损失函数对预测网络进行训练，获得经训练的预测网络；利用经训练的预测网络对待定位视频进行预测，获得待定位视频的行为类别和时序边界。该方法采用K最远交叉的干扰方式，直接在特征上进行干扰，过程更加的高效和简单。
-
公开(公告)号：CN112950454B
公开(公告)日：2023-01-24
申请号：CN202110099911.4
申请日：2021-01-25
申请人： 西安电子科技大学
IPC分类号： G06T3/00 , G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种基于多尺度语义匹配的图像风格迁移方法，包括：获取内容图像训练集和风格图像训练集，形成多组内容‑风格图像对；通过深度卷积网络分别对内容‑风格图像对中的内容图像和风格图像提取多尺度深度特征；对内容图像和风格图像的多尺度深度特征进行多尺度语义匹配，获得重建后的深度特征；将重建后的深度特征通过解码器合成风格迁移后的重建图像；迭代更新解码器的参数直至解码器收敛；将待处理的内容图像和风格图像依次经过多尺度深度特征提取、多尺度语义匹配及收敛更新后的解码器合成，获得风格迁移后的图像。该方法能够显著地保持输入内容图像的结构完整性与连贯性，同时准确迁移输入风格图像对应语义部位的风格。
-
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：CN106023120B
公开(公告)日：2019-06-21
申请号：CN201610224500.2
申请日：2016-04-12
申请人： 西安电子科技大学
IPC分类号： G06T5/50
摘要： 本发明公开了一种基于耦合近邻索引的人脸画像合成方法，主要解决现有方法在近邻选择时没有考虑训练画像作用的问题。其实现步骤是：1.划分训练画像样本集、训练照片样本集和测试样本集；2.将所有图像划分成图像块，并组成块集合；3.将训练照片块集合与对应的画像块集合划分为多个子集；4.建立训练照片块子集和训练画像块子集中每一对照片‑画像块到其K近邻对的索引；5.寻找每一测试照片块的最近邻，进而得到其K近邻；6.利用马尔科夫权重网络求解重构权值；7.求解待合成画像块；8.迭代执行步骤5‑7共N次，融合得到最终的合成画像。与现有技术相比，本发明合成画像清晰度高、细节更完整，可用于人脸检索与识别。
-
公开(公告)号：CN106023079B
公开(公告)日：2019-05-24
申请号：CN201610333375.9
申请日：2016-05-19
申请人： 西安电子科技大学
摘要： 本发明公开了一种联合局部与全局特性的两阶段人脸画像生成方法。其步骤为：(1)划分样本；(2)划分图像块；(3)划分图像块子集；(4)生成初始合成画像块；(5)生成最终合成画像块；(6)合成画像。本发明采用了分阶段的方法，第一阶段将样本块划分为具有全局性的多个子集，在子集内合成初始画像块，第二阶段将样本块划分为具有局部性的多个子集，在子集内合成最终画像块，能合成背景干净且细节清晰的高质量画像。本发明仅使用简单的K均值聚类与样本块位置信息划分样本块集合，使用简单映射生合成画像，极大的提升了合成画像速度。
-
-
-
-
-
-
-
-
-
搜索结果
42 条记录 (耗时 0.032 秒)
