-
公开(公告)号：CN114782282B
公开(公告)日：2024-11-15
申请号：CN202210494054.2
申请日：2022-04-29
Applicant: 武汉大学
Abstract: 本申请涉及一种图像修复方法、装置、设备及可读存储介质，涉及图像修复技术领域，包括将待修复图像和参考图像分别输入至对应的编码器得到待修复图像的第一特征图和参考图像的第二特征图，对第一特征图和第二特征图进行特征提取得到待修复图像及参考图像的纹理特征和结构特征；对上述的纹理特征和结构特征进行对齐融合处理得到融合纹理特征和融合结构特征；对融合纹理特征和融合结构特征进行多尺度填充修复得到填充纹理特征和填充结构特征；对填充纹理特征和填充结构特征进行连接与卷积处理得到均衡特征；将均衡特征输入至解码器，解码器将均衡特征与输入至解码器中的第一特征图进行跳转连接生成修复后的图像。本申请可有效提高图像的修复效果。
-
公开(公告)号：CN114782282A
公开(公告)日：2022-07-22
申请号：CN202210494054.2
申请日：2022-04-29
Applicant: 武汉大学
Abstract: 本申请涉及一种图像修复方法、装置、设备及可读存储介质，涉及图像修复技术领域，包括将待修复图像和参考图像分别输入至对应的编码器得到待修复图像的第一特征图和参考图像的第二特征图，对第一特征图和第二特征图进行特征提取得到待修复图像及参考图像的纹理特征和结构特征；对上述的纹理特征和结构特征进行对齐融合处理得到融合纹理特征和融合结构特征；对融合纹理特征和融合结构特征进行多尺度填充修复得到填充纹理特征和填充结构特征；对填充纹理特征和填充结构特征进行连接与卷积处理得到均衡特征；将均衡特征输入至解码器，解码器将均衡特征与输入至解码器中的第一特征图进行跳转连接生成修复后的图像。本申请可有效提高图像的修复效果。
-
公开(公告)号：CN113205043B
公开(公告)日：2022-06-07
申请号：CN202110480110.2
申请日：2021-04-30
Applicant: 武汉大学
IPC: G06V40/10 , G06V20/40 , G06V10/774 , G06K9/62 , G06N20/00
Abstract: 本发明提供了一种基于强化学习的视频序列二维姿态估计方法，首先构建强化学习智能体的整体状态，然后输出动作，从当前视频序列中选择一个标注帧和一个未标注帧，两帧通过姿态估计器得到姿态，并被一起送入动作转换器完成动作转换并更新姿态估计器和动作转换器，最后根据姿态估计器的提升算出智能体的回报，并更新优化智能体。本发明利用强化学习和主动学习的思想，通过充分挖掘视频中的时序信息选出最有信息量的视频帧对，从而可以很好地抵御人体自遮挡，运动模糊等问题，可提高视频姿态估计方法的准确性和鲁棒性。本发明不同于常见的监督学习方案，仅使用少量的视频标注帧来完成姿态估计器的学习，较为明显地降低了人工标注量，从而实用性更高。
-
公开(公告)号：CN113205043A
公开(公告)日：2021-08-03
申请号：CN202110480110.2
申请日：2021-04-30
Applicant: 武汉大学
Abstract: 本发明提供了一种基于强化学习的视频序列二维姿态估计方法，首先构建强化学习智能体的整体状态，然后输出动作，从当前视频序列中选择一个标注帧和一个未标注帧，两帧通过姿态估计器得到姿态，并被一起送入动作转换器完成动作转换并更新姿态估计器和动作转换器，最后根据姿态估计器的提升算出智能体的回报，并更新优化智能体。本发明利用强化学习和主动学习的思想，通过充分挖掘视频中的时序信息选出最有信息量的视频帧对，从而可以很好地抵御人体自遮挡，运动模糊等问题，可提高视频姿态估计方法的准确性和鲁棒性。本发明不同于常见的监督学习方案，仅使用少量的视频标注帧来完成姿态估计器的学习，较为明显地降低了人工标注量，从而实用性更高。
-
-
-
Search Results
4
records
(took 0.019 seconds)
