-
公开(公告)号：CN112598602B
公开(公告)日：2025-02-25
申请号：CN202110014103.3
申请日：2021-01-06
Applicant: 福建帝视信息科技有限公司
IPC: G06T5/77 , G06T5/60 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于掩码的深度学习视频去摩尔纹方法，包括以下步骤：步骤S1:获取高清图像和摩尔纹图像的成对图像，并对数据进行增强，构建图像数据集；步骤S2:构建两阶段的U‑Net网络模型，并基于图像数据集进行训练，得到图像消除摩尔纹模型；步骤S3:将待处理视频逐帧图像输入图像消除摩尔纹模型，得到的消除了摩尔纹的图像；步骤S4:采用所述原始视频图像帧及消除了摩尔纹的图像帧作为输入，通过所述卷积神经网络，获得输出的时域对齐的视频图像帧，合并输出的时域对齐的视频图像帧，最终得到时域一致的完整视频。发明可以更简单地实现时域一致性，并得到去摩尔纹效果更好的视频。
-
公开(公告)号：CN112866591B
公开(公告)日：2024-08-13
申请号：CN202110036699.7
申请日：2021-01-12
Applicant: 福建帝视信息科技有限公司
Abstract: 本发明涉及一种基于掩码检测的多帧图像融合的视频图像去噪方法，包括以下步骤：步骤S1:采集彩色视频图像作为目标视频集，并进行退化处理，得到对应的退化视频集；步骤S2:对两个视频集进行抽取yuv视频帧，得到yuv视频帧图像，并预处理，得到高清图像数据集和退化图像数据集，作为训练数据集；步骤S3:将训练数据集裁剪为图像块；步骤S4:构建图像噪声掩码生成网络，并获取图像噪声的掩码；步骤S5:构建视频图像去噪网络，并基于高清图像、退化图像和图像噪声的掩码训练，得到去噪结果。本发明构建基于前后帧融合的图像去噪算法，并且构建了专门的图像防抖动模块，减少输出图像中存在的抖动。
-
公开(公告)号：CN111563536B
公开(公告)日：2023-04-14
申请号：CN202010302809.5
申请日：2020-04-17
Applicant: 福建帝视信息科技有限公司
IPC: G06V10/764 , G06V10/762 , G06V10/56 , G06V10/50
Abstract: 本发明涉及一种基于机器学习的竹条颜色自适应分类方法，可以根据竹条颜色变化自动调整颜色分类标准。所述方法包括采集竹条图像、竹条区域分割、竹条颜色特征提取、竹条颜色特征聚类以及竹条颜色分类。针对竹子颜色的特性，本发明提出了一种改进的颜色直方图特征，该特征能更准确的表征竹条颜色。本发明无需人工分类竹条颜色数据的先验知识，具有强适应性、及高准确率的特点。
-
公开(公告)号：CN111539883B
公开(公告)日：2023-04-14
申请号：CN202010311398.6
申请日：2020-04-20
Applicant: 福建帝视信息科技有限公司
IPC: G06T5/00 , G06N3/0455 , G06N3/0475 , G06N3/084
Abstract: 本发明涉及一种基于强可逆对抗网络的数字病理图像H&E染色复原方法，该方法训练包含两个生成器和两个判别器的强可逆对抗网络，通过训练好的强可逆对抗网络对数字病理图像进行H&E染色复原，强可逆对抗网络的训练过程包括：制作褪色前、后的图像数据集，然后不断训练正向过程和逆向过程，并计算总损失函数，直至总损失函数和生成器生成的图像质量达到预先设定的重建效果，停止训练，获得生成器和判别器最优的卷积权值参数和偏置参数。该方法有利于对褪色的数字病理图像进行颜色信息复原。
-
公开(公告)号：CN111339847B
公开(公告)日：2023-04-14
申请号：CN202010091759.0
申请日：2020-02-14
Applicant: 福建帝视信息科技有限公司
IPC: G06V40/16 , G06V10/82 , G06N3/042 , G06N3/0464
Abstract: 本发明涉及一种基于图卷积神经网络的人脸情绪识别方法。本发明在图像数据库中，利用非人脸区域的图卷积神经网络提取背景图，并将把图片的欧式结构转换成图结构，通过提取图结构中节点和边的空间特征信息分析背景中人物的情绪状态进行人脸情绪分类，最终极大地提高了人脸情绪识别率；对于视频序列的数据，图卷积神经网络不仅对于空间域上的特征信息提取也有所提高，而且对于视频序列中的背景变化信息进行了推理，从而极大地提高了人脸情绪识别率。
-
Patent Agency Ranking
公开(公告)号：CN110634170B
公开(公告)日：2022-09-13
申请号：CN201910813199.2
申请日：2019-08-30
Applicant: 福建帝视信息科技有限公司
Abstract: 本发明公开一种基于语义内容和快速图像检索的照片级图像生成方法，其包括背景生成部分和前景生产部分，背景生成部分通过对抗生成网络，使生成的背景图片逼真，接近真实场景；前景生成部分使用计算机视觉对涂鸦数据进行分块处理后输入深度模型的识别网络进行涂鸦识别，根据识别网络的反馈结果，通过得到的标签从对应的图片数据库中进行索引，采用最近邻模型得到近似度最高的图片并融合到背景的对应位置上，采用图像检索的方式来生成前景，最后将前背景叠加，生成的照片更加真实完美。
-
公开(公告)号：CN114332146A
公开(公告)日：2022-04-12
申请号：CN202111642829.8
申请日：2021-12-29
Applicant: 福建帝视信息科技有限公司
Abstract: 本发明提出一种碎片玻璃轮廓提取方法，包括以下步骤；步骤S1、使用透明粘合件对玻璃表面粘贴，然后在特定冲击区域敲碎玻璃，并以工业相机采集敲碎区域的玻璃破碎图像；步骤S2、对玻璃破碎图像进行去除反光裂缝的预处理，再将预处理后的图像二值化，并滤除二值化图像中的小黑点及小亮点；步骤S3、提取敲碎区域内的碎片玻璃轮廓；步骤S4、检测碎片玻璃轮廓图像中的玻璃裂缝断裂点并修补，重建碎片玻璃轮廓；本发明流程简单，可以有效解决实际光学成像中，裂缝方向随机性、大小随机性导致的裂缝不清晰，反光干扰等问题，能提高碎片玻璃裂缝轮廓提取精度及碎片玻璃统计精度。
-
公开(公告)号：CN109712203B
公开(公告)日：2020-11-17
申请号：CN201811644107.4
申请日：2018-12-29
Applicant: 福建帝视信息科技有限公司
Abstract: 本发明公开一种基于自注意力生成对抗网络的图像着色方法，其包括以下步骤：步骤1，训练灰度图片着色模型；步骤2，将训练数据集中的灰度图像输入对抗网络执行特征提取阶段、特征融合阶段、反卷积计算阶段以及自注意力学习阶段重建出其对应的彩色图像；步骤3，将自注意力学习后重建的彩色图像与对应的原始色彩图像进行比较，计算惩罚函数；步骤4，基于损失函数作为GAN的优化损失；步骤5，将训练过程分为预设的多个子训练周期，采用步进增长策略依次进行子训练周期的训练以获取生成器网络。本发明采用对抗生成网络来从一张黑白或者灰度图像中重构出符合人类主观视觉偏好的彩色图像，使得更加逼真。
-
公开(公告)号：CN109257600B
公开(公告)日：2020-11-17
申请号：CN201811434649.9
申请日：2018-11-28
Applicant: 福建帝视信息科技有限公司
IPC: H04N19/117 , H04N19/86
Abstract: 本发明公开一种基于深度学习的视频压缩伪影自适应去除方法，采用深度稠密连接卷积网络来自动提取视频帧的压缩特征，能够有效地避免传统方法中，手工设计滤波器所带来的缺点。本发明作用于视频的后处理阶段，不影响现有视频编解码算法的处理流程与实时性。提出了画质预测模型，实现对不同强度压缩伪影模型的自动选择，具有较强的自适应能力。采用深度稠密连接卷积网络去除视频的压缩伪影，该网络能够有效地缓解梯度消失问题，便于加深网络结构，增强网络的非线性表达能力。与此同时，该网络还能够充分利用中间层的特征，不仅加强了特征的传播和复用，且极大减少了网络的参数量。
-
公开(公告)号：CN111832517A
公开(公告)日：2020-10-27
申请号：CN202010709300.2
申请日：2020-07-22
Applicant: 福建帝视信息科技有限公司
Abstract: 本发明涉及一种基于门控卷积的低清人脸关键点检测方法，包括以下步骤：步骤S1:采集人脸关键点数据并标注，获得高清人脸图像以及对应的人脸关键点坐标；步骤S2：对高清人脸图像进行预处理后，作为深度学习的训练数据集；步骤S3:构建类U-net网络结构；步骤S4:构建门控卷积模块；步骤S5：根据类U-net网络结构和门控卷积模块，结合多层级联的输出结构，构建人脸关键点检测网络,并根据训练数据集进行训练；步骤S6:将待检测图像输入训练后的人脸关键点检测网络，获取人脸关键点。本发明能够有效的提取低清人脸的的人脸关键点。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.047 seconds)
