一种基于正则化宽度学习网络的人脸素描合成方法

    公开(公告)号:CN109920021B

    公开(公告)日:2023-05-23

    申请号:CN201910172625.9

    申请日:2019-03-07

    IPC分类号: G06T11/00 G06N3/082

    摘要: 本发明提供了一种基于正则化宽度学习系统的人脸素描合成方法,所述方法包括:对人脸照片进行随机卷积特征提取获得特征节点;对提取的特征进行随机卷积特征增强获得增强节点;将特征节点与增强节点串联作为宽度学习网络的输入,并通过连接权重与输出素描相连;采用岭回归算法计算网络的连接权重;通过增量学习算法对宽度网络进行进一步地扩展以提高网络特征提取的能力;最后,采用正则化算法对连接权重进行修正。本发明提供了一种快速人脸素描合成算法,兼顾合成效率与合成质量,使得在实现快速人脸素描合成的同时,获得高质量的人脸素描。

    一种基于视频帧的时间一致性来改善视频抖动的方法

    公开(公告)号:CN108347549A

    公开(公告)日:2018-07-31

    申请号:CN201810160090.9

    申请日:2018-02-26

    IPC分类号: H04N5/21 G06T7/246

    摘要: 本发明提供一种基于视频帧的时间一致性来改善视频抖动的方法,包括:在原始视频中匹配任意两帧之间的对应像素及其对应区域;从原始视频选取一帧作为当前帧,计算当前帧与其他帧之间的对应度;根据计算得到的对应度确定当前帧的时间一致性对应帧集合;对时间一致性对应帧集合进行多次奇偶迭代处理,利用上一轮迭代结果的对应帧的输出帧来替代本轮迭代过程的未知对应帧的输出帧,重复上述匹配操作和迭代过程,重构每一输出帧。相比于现有技术,本发明基于视频帧的时间一致性,能够在不了解具体的图像处理方法的前提下,改善或去除由于该图像处理方法逐帧运用到视频中所造成的视频抖动。

    含聚肽不对称超支化两性聚电解质及其制备方法

    公开(公告)号:CN102086266A

    公开(公告)日:2011-06-08

    申请号:CN201010604683.3

    申请日:2010-12-24

    摘要: 本发明含聚肽不对称超支化两性聚电解质,由两种代数相同或不同的末端含不同聚肽链段的超支化共聚物片段通过点击反应制备;超支化共聚物片段的分子结构不同,具有化学结构的不对称性;超支化共聚物片段分别具有聚阳离子和聚阴离子,具有电荷不对称性;含聚肽不对称超支化两性聚电解质本身对环境具有pH响应性;其制备步骤包括:①制备含炔端基、叠氮端基超支化基体;②制备含聚肽超支化共聚物片段;③制备含聚肽不对称超支化共聚物;④制备含聚肽不对称超支化两性聚电解质。本发明的积极效果是:制备出一类具有化学结构及电荷不对称性的、具有生物相容性和可生物降解性的超支化两性聚电解质,在生化传感器、药物传输及基因治疗领域具有应用价值。

    一种基于正则化宽度学习网络的人脸素描合成方法

    公开(公告)号:CN109920021A

    公开(公告)日:2019-06-21

    申请号:CN201910172625.9

    申请日:2019-03-07

    IPC分类号: G06T11/00 G06N3/08

    摘要: 本发明提供了一种基于正则化宽度学习系统的人脸素描合成方法,所述方法包括:对人脸照片进行随机卷积特征提取获得特征节点;对提取的特征进行随机卷积特征增强获得增强节点;将特征节点与增强节点串联作为宽度学习网络的输入,并通过连接权重与输出素描相连;采用岭回归算法计算网络的连接权重;通过增量学习算法对宽度网络进行进一步地扩展以提高网络特征提取的能力;最后,采用正则化算法对连接权重进行修正。本发明提供了一种快速人脸素描合成算法,兼顾合成效率与合成质量,使得在实现快速人脸素描合成的同时,获得高质量的人脸素描。

    一种基于宽度学习的视频去抖动方法

    公开(公告)号:CN108924385B

    公开(公告)日:2020-11-03

    申请号:CN201810682319.5

    申请日:2018-06-27

    IPC分类号: H04N5/21

    摘要: 本发明提供一种基于宽度学习的视频去抖动方法,根据原始视频的当前待处理帧、处理过的视频对应帧、非学习型处理方法的输出视频的对应帧的上一帧,获得训练集的输入数据以及测试集的输入数据,然后利用映射函数来提取视频时间连续性的初级特征,接着利用激活函数对初级特征进行特征增强,得到增强特征;将初级特征以及增强特征联立,得到第n个网络中提取到的所有特征,在训练集中构建以视频时间连续性和视频内容保真度为约束条件的能量函数,通过最小角回归法求解满足上述能量函数中的权重,并将其连接特征层与输出层的目标权重,最后在测试集中根据目标权重与提取到的所有特征获得测试集的视频去抖动的输出帧。

    一种基于梯度域混合的视频合成方法

    公开(公告)号:CN108389217A

    公开(公告)日:2018-08-10

    申请号:CN201810094623.8

    申请日:2018-01-31

    IPC分类号: G06T7/194 G06T5/50 H04N5/265

    摘要: 本发明提供一种基于梯度域混合的视频合成方法,包括:输入源视频序列和目标视频序列;标记源视频序列的目标物体及目标视频序列的感兴趣区域,并利用运动补偿来一次映射得出每一帧的内边界和外边界;将当前帧的内边界和外边界间的环形区域作为当前帧的融合边界;根据上一帧中每个像素点位置的梯度混合系数,利用梯度域的时间一致性和空间一致性来计算得到当前帧的梯度混合系数;使用闭型抠取技术来局部平滑均值坐标插值;以及将平滑值与目标物体对应的像素值相加,逐帧处理完毕从而得到融合视频。相比于现有技术,本发明能够在光照强度显著变化时,提取源视频的目标物体,并无缝地将其融合进目标视频的感兴趣区域内,获取期望的视频合成效果。