-
公开(公告)号：CN115376180A
公开(公告)日：2022-11-22
申请号：CN202210792367.6
申请日：2022-07-05
申请人： 合肥的卢深视科技有限公司
摘要： 本发明实施例涉及人脸图像处理领域，公开了一种人脸图像的质量评分方法、模型训练方法及电子设备。本发明中，人脸图像的质量评分模型训练方法，包括：将前一批次的人脸图像输入到待训练的质量评分模型中，得到前一批次的评分值；对前一批次的人脸图像进行质量退化处理，生成后一批次的人脸图像；将后一批次的人脸图像输入到待训练的质量评分模型中，得到后一批次的评分值；基于多批次的人脸图像所得到的评分值中每相邻批次的评分值之间的评分损失，对质量评分模型进行训练，得到训练后的质量评分模型。本发明的人脸图像的质量评分模型训练方法，可以在无需对样本图像的质量进行标注的情况下，实现人脸图像质量的快速评分。
-
公开(公告)号：CN114283081B
公开(公告)日：2022-11-08
申请号：CN202111547557.3
申请日：2021-12-16
申请人： 合肥的卢深视科技有限公司
IPC分类号： G06T5/00
摘要： 本发明实施例涉及图像处理领域，公开了一种基于金字塔加速的深度恢复方法、电子设备及存储介质，其中方法包括：对预处理后的物体散斑图和参考散斑图进行一层下采样；对下采样得到的物体金字塔层中与多个候选种子点对应的映射点，在参考金字塔层中进行视差搜索，确定每个映射点对应的最优的多个第一视差值；对每个候选种子点，根据相应各第一视差值所确定的视差搜索范围进行视差搜索，确定该候选种子点是否为种子点，并获取种子点的第二视差值；利用种子点及其第二视差值，采用区域增长方法确定物体散斑图与参考散斑图的视差值；基于视差值恢复深度信息。本方案能够有效解决现有金字塔中底层与上层视差不一致的问题，同时加速深度恢复进程。
-
公开(公告)号：CN115131858A
公开(公告)日：2022-09-30
申请号：CN202210735739.1
申请日：2022-06-27
申请人： 合肥的卢深视科技有限公司
IPC分类号： G06V40/16 , G06V10/80 , G06V10/774 , G06N3/04 , G06N3/08
摘要： 本发明实施例涉及人脸识别领域，公开了一种模型训练方法、人脸识别方法、电子设备及存储介质。模型训练方法包括：构建从人脸图像样本中提取人脸特征的特征提取模型；特征提取模型的相邻网络层之间设置有注意力机制模块；注意力机制模块用于根据相邻网络层中前一网络层输出的第一特征图形成权重矩阵，将第一特征图采用权重矩阵处理后的第二特征图输出到相邻网络层中后一网络层；将第一特征图采用与权重矩阵互补的权重矩阵处理后的第三特征图作为输入，构建特征分类模型，特征分类模型的输出为影响人脸图像样本身份识别的预设信息类别；对特征提取模型和特征分类模型进行联合训练。
-
公开(公告)号：CN113538538B
公开(公告)日：2022-09-30
申请号：CN202110863529.6
申请日：2021-07-29
申请人： 合肥的卢深视科技有限公司
IPC分类号： G06T7/33
摘要： 本申请的实施例涉及图像处理技术领域，公开了一种双目图像对齐方法、电子设备和计算机可读存储介质。上述双目图像对齐方法方法包括：获取待对齐的双目图像的特征点对；其中，所述待对齐的双目图像包括第一图像和第二图像，所述特征点对包括同一特征在所述第一图像的特征点和在所述第二图像的特征点；根据所述特征点对，确定对齐映射关系；根据所述对齐映射关系，对所述待对齐的双目图像进行对齐。本申请的实施例提供的双目图像对齐方法，可以在不需要知晓图像的深度信息的情况下，实现双目图像的高精度对齐，显著缩短双目图像对齐过程的耗时，提升双目图像对齐的效率。
-
公开(公告)号：CN115063368A
公开(公告)日：2022-09-16
申请号：CN202210681029.5
申请日：2022-06-16
申请人： 合肥的卢深视科技有限公司
摘要： 本申请提出一种投射器装配异常检测方法、装置、电子设备及存储介质，该方法包括：获取由待测深度相机模组的投射器投射得到的散斑图；检测所述散斑图的散斑分布是否符合预设的散斑分布要求，和/或基于所述散斑图检测所述待测深度相机模组的投射器的装配偏转角；当检测到预设异常情况中的任意一种异常情况发生时，确定所述待测深度相机模组的投射器装配异常。将该方法应用于深度相机生产中，可以有效检测深度相机投射器装配异常，从而可以避免生成不合格的深度相机。
-
公开(公告)号：CN115035567A
公开(公告)日：2022-09-09
申请号：CN202210493864.6
申请日：2022-04-28
申请人： 合肥的卢深视科技有限公司
摘要： 本发明实施例涉及人脸识别领域，公开了一种模型训练、残缺人脸图像识别和重建方法、设备及介质。模型训练方法，包括：对非残缺人脸图像依次进行分块、随机掩码和排序处理，得到所述非残缺人脸图像的掩码图像块序列；构建用于从所述非残缺人脸图像的掩码图像块序列中提取残缺人脸特征的残缺人脸特征提取模型；以所述残缺人脸特征提取模型输出的残缺人脸特征与所述非残缺人脸图像的非残缺人脸特征之间的特征损失构建损失函数，对所述残缺人脸特征提取模型进行训练，其中，所述非残缺人脸特征是基于所述非残缺人脸图像经已训练好的非残缺人脸特征提取模型得到的。应用于残缺人脸识别过程中，能提取出较好的残缺人脸特征。
-
公开(公告)号：CN113762118B
公开(公告)日：2022-08-26
申请号：CN202110997476.7
申请日：2021-08-27
申请人： 合肥的卢深视科技有限公司
IPC分类号： G06V40/16 , G06V10/774 , G06V10/80 , G06K9/62
摘要： 本发明实施例涉及图像识别领域，公开了一种人脸识别的方法、电子设备及存储介质。本发明中人脸识别的方法，包括：获取待识别的人脸图像作为目标人脸图像；将目标人脸图像输入至预设的目标人脸识别模型，获得目标人脸图像的识别结果，目标人脸识别模型包括基础人脸识别模型和局部识别网络，基础人脸识别模型用于提取目标人脸图像的特征图像，局部识别网络用于获取目标人脸图像的局部特征。采用本申请实施例，可以提高人脸识别的准确性。
-
公开(公告)号：CN114926519A
公开(公告)日：2022-08-19
申请号：CN202210456562.1
申请日：2022-04-24
申请人： 合肥的卢深视科技有限公司
摘要： 本申请实施例涉及机器视觉技术领域，公开了一种深度恢复方法、装置、电子设备和计算机可读存储介质，该方法包括：在获取到的红外图中确定目标红外区域，并根据目标红外区域在与红外图对应的散斑图中确定目标散斑区域；根据目标散斑区域的数据有效位和预设的目标数据位选取策略，生成若干个候选散斑图，不同候选散斑图选取的目标数据位不同；基于预设的质量评分算法分别对若干个候选散斑图进行质量评分，根据评分最高的候选散斑图生成与红外图对应的深度图，本申请实施例提供的深度恢复方法，可以保证参与到深度恢复的散斑都是质量高的散斑，从而提升深度恢复的精度，提升深度相机在复杂光照条件下使用的稳定性、普适性。
-
公开(公告)号：CN114913576A
公开(公告)日：2022-08-16
申请号：CN202210438792.5
申请日：2022-04-25
申请人： 合肥的卢深视科技有限公司
摘要： 本发明实施例涉及人脸识别领域，公开了一种单模态人脸识别及模型训练方法、电子设备及存储介质，其中模型训练方法包括：将人脸的多模态数据样本输入至多模态识别模型得到多模态人脸特征；将多模态数据样本中任一指定模态的单模态数据样本输入至单模态识别模型得到单模态人脸特征；以多模态识别模型为教师模型、单模态识别模型为学生模型，基于由每两个多模态人脸特征的特征向量间的距离、以及由每两个单模态人脸特征的特征向量间的距离构建损失，对单模态识别模型进行训练。本方案能够在多模态识别模型和单模态识别模型输出的人脸特征向量维度不一致的情况下，实现多模态多维度特征到单模态单维度特征的压缩，提升单模态小规模模型的识别性能。
-
公开(公告)号：CN113822818B
公开(公告)日：2022-08-12
申请号：CN202111146265.9
申请日：2021-09-28
申请人： 合肥的卢深视科技有限公司
摘要： 本发明实施例涉及图像处理技术领域，公开了一种散斑提取方法、装置、电子设备及存储介质，散斑提取方法，包括：获取相机拍摄的散斑图；对所述散斑图进行图像均衡化处理，得到均衡化图像；对所述均衡化图像进行去噪处理，得到去噪图像；对所述去噪图像进行二值化处理，得到包含散斑的二值化图像。通过均衡化处理，提升室外环境中的光线和散斑的对比度，使得基于在室外获取到的差质散斑图也能够有效地提取出散斑，且不需要复杂的处理流程。
-
-
-
-
-
-
-
-
-
搜索结果
376 条记录 (耗时 0.049 秒)
