-
公开(公告)号：CN114140601B
公开(公告)日：2024-11-12
申请号：CN202111522113.4
申请日：2021-12-13
申请人： 杭州师范大学
IPC分类号： G06T17/20 , G06T9/00 , G06N3/0464 , G06N3/084
摘要： 本发明公开一种深度学习框架下基于单幅图像的三维网格重建方法及系统。本发明将利用VGG16网络作为图像特征提取网络获得三种尺度特征图，基于所获特征以及初始椭圆网格模型，应用网格变形网络完成完整重建任务，网格变形网络包括图卷积模块融合局部特征信息，Transformer编码模块补充全局特征信息。本发明方法有效提高了单幅图像的三维网格重建的准确率。
-
公开(公告)号：CN118628598A
公开(公告)日：2024-09-10
申请号：CN202410762193.8
申请日：2024-06-13
申请人： 杭州师范大学
IPC分类号： G06T11/00 , G06T5/60 , G06N3/0464 , G06N3/084
摘要： 本发明公开基于PIPO‑Net的图像压缩感知重建方法及其系统。本发明获取二维图像；对二维图像进行预处理；将预处理后的二维图像输入至基于惩罚项的独立参数优化深度展开网络PIPO‑Net，获得二维图像的压缩感知测量值，最终输出重构出图像。PIPO‑Net通过去均值采样法可以得到原始图像平均值与去均值后图像。用去均值后图像的采样值进行训练，从而提高网络的性能和稳定性，更好捕捉图像的特征。为解决信息损失问题，本发明设计高频信息补充块，并采用小波高频损失函数进行训练，以更好地保留图像的细节和纹理信息。
-
公开(公告)号：CN115082296B
公开(公告)日：2024-05-14
申请号：CN202210813730.8
申请日：2022-07-11
申请人： 杭州师范大学
摘要： 本发明公开一种基于小波域图像生成框架的图像生成方法。本发明利用高斯核和小波变换在保留图像的频率信息方面的补充性，提出小波域图像生成框架WDIG，分别在像素空间和小波域空间构建损失函数。在像素空间，通过设定合适的高斯核，采用高斯模糊方法，得到信号的低频和高频特征信息，通过低频和高频特征信息构建L1范数空间域重构损失函数。在小波域空间，通过小波变换得到对应的通道子带系数，将图像分离为高频信息和低频信息，通过子带系数构建L1范数频域重构损失函数。本发明在训练过程中能更好地计算生成图像丢失的细节信息，更准确约束模型训练，以精确优化模型，提高基于深度学习的图像生成任务生成图像的质量。
-
公开(公告)号：CN115082296A
公开(公告)日：2022-09-20
申请号：CN202210813730.8
申请日：2022-07-11
申请人： 杭州师范大学
摘要： 本发明公开一种基于小波域图像生成框架的图像生成方法。本发明利用高斯核和小波变换在保留图像的频率信息方面的补充性，提出小波域图像生成框架WDIG，分别在像素空间和小波域空间构建损失函数。在像素空间，通过设定合适的高斯核，采用高斯模糊方法，得到信号的低频和高频特征信息，通过低频和高频特征信息构建L1范数空间域重构损失函数。在小波域空间，通过小波变换得到对应的通道子带系数，将图像分离为高频信息和低频信息，通过子带系数构建L1范数频域重构损失函数。本发明在训练过程中能更好地计算生成图像丢失的细节信息，更准确约束模型训练，以精确优化模型，提高基于深度学习的图像生成任务生成图像的质量。
-
公开(公告)号：CN114140601A
公开(公告)日：2022-03-04
申请号：CN202111522113.4
申请日：2021-12-13
申请人： 杭州师范大学
摘要： 本发明公开一种深度学习框架下基于单幅图像的三维网格重建方法及系统。本发明将利用VGG16网络作为图像特征提取网络获得三种尺度特征图，基于所获特征以及初始椭圆网格模型，应用网格变形网络完成完整重建任务，网格变形网络包括图卷积模块融合局部特征信息，Transformer编码模块补充全局特征信息。本发明方法有效提高了单幅图像的三维网格重建的准确率。
-
-
-
-
搜索结果
5 条记录 (耗时 0.022 秒)
