-
Patent Agency Ranking
公开(公告)号：CN114331903A
公开(公告)日：2022-04-12
申请号：CN202111665877.9
申请日：2021-12-31
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: G06T5/00 , G06N3/04 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种图像修复方法及存储介质，所述图像修复方法包括：利用记忆神经网络系统和损失函数对图像训练集先后进行初步修复操作和清晰完善操作，得到最终修复后的图像集；其中，所述图像训练集包括一一对应的待修复图像和真实图像，所述修复后的图像集为清晰完整的图像集且包括最终修复后的图像。本发明能够解决现有记忆网络过于简单，难以解决复杂问题且缺乏层次化的结构的问题。
-
公开(公告)号：CN117041603A
公开(公告)日：2023-11-10
申请号：CN202311008190.7
申请日：2023-08-10
Applicant: 宜宾电子科技大学研究院
IPC: H04N19/70 , H04N19/159 , H04N19/154 , H04N21/2343 , H04N21/4402 , G06T3/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种用于压缩视频的轻量级视频超分辨率重建方法,属于视频压缩技术领域,以解决现有技术中较高的压缩率通常导致更大的视频质量损失，而较低的压缩率则会增加数据传输和存储成本，其包括以下步骤：首先，使用现有的视频压缩标准进行压缩；之后对接收到的压缩视频进行解压缩处理。然后基于卷积神经网络的LVSR模型视频重建。最后对LVSR性能评估。本发明中，与传统视频超分辨率技术不同，本发明的LVSR方法针对压缩‑解压缩过程进行优化设计。通过充分利用解压缩后的视频数据，包括帧内，帧间信息、GOP、宏块类型和运动矢量等信息，有效消除压缩导致的失真和信息丢失，从而获得更准确的视频恢复结果。
-
公开(公告)号：CN114331904B
公开(公告)日：2023-08-08
申请号：CN202111665913.1
申请日：2021-12-31
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: G06T5/00 , G06T7/40 , G06V40/16 , G06N3/0464 , G06V10/774 , G06V10/82 , G06V10/54
Abstract: 本发明公开了一种人脸遮挡识别方法，所述人脸遮挡识别方法包括：S1：利用依次连接的结构生成器、纹理生成器和第一网络模型对遮挡人脸图像进行修复，得到修复后的人脸图像；S2：利用第二网络模型对所述修复后的人脸图像进行识别，得到人脸遮挡识别结果。本发明所提供的人脸遮挡识别方法，能够解决现有人脸遮挡识别方法存在的图像特征信息提取困难、不能高效地解决人脸遮挡识别的技术问题，从而能够有效地实现人脸遮挡识别。
-
公开(公告)号：CN114331903B
公开(公告)日：2023-05-12
申请号：CN202111665877.9
申请日：2021-12-31
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: G06T5/00 , G06V10/774 , G06V10/82 , G06N3/0475 , G06N3/0442 , G06N3/0464
Abstract: 本发明公开了一种图像修复方法及存储介质，所述图像修复方法包括：利用记忆神经网络系统和损失函数对图像训练集先后进行初步修复操作和清晰完善操作，得到最终修复后的图像集；其中，所述图像训练集包括一一对应的待修复图像和真实图像，所述修复后的图像集为清晰完整的图像集且包括最终修复后的图像。本发明能够解决现有记忆网络过于简单，难以解决复杂问题且缺乏层次化的结构的问题。
-
公开(公告)号：CN114331904A
公开(公告)日：2022-04-12
申请号：CN202111665913.1
申请日：2021-12-31
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
Abstract: 本发明公开了一种人脸遮挡识别方法，所述人脸遮挡识别方法包括：S1：利用依次连接的结构生成器、纹理生成器和第一网络模型对遮挡人脸图像进行修复，得到修复后的人脸图像；S2：利用第二网络模型对所述修复后的人脸图像进行识别，得到人脸遮挡识别结果。本发明所提供的人脸遮挡识别方法，能够解决现有人脸遮挡识别方法存在的图像特征信息提取困难、不能高效地解决人脸遮挡识别的技术问题，从而能够有效地实现人脸遮挡识别。
-
-
-
-
Search Results
5
records
(took 0.031 seconds)
