模型训练方法、图像边缘增强方法、装置、介质和终端

    公开(公告)号:CN113658075A

    公开(公告)日:2021-11-16

    申请号:CN202110944014.9

    申请日:2021-08-17

    Inventor: 刘航飞 游瑞蓉

    Abstract: 本发明提供了一种模型训练方法、图像边缘增强方法、装置、介质和终端,该训练方法包括:对第一分辨率的原始图像样本进行降采样处理得到参考图像样本;对参考图像样本进行插值得到渲染图像样本;向待训练的卷积神经网络模型输入渲染图像样本;通过对渲染图像样本进行特征提取得到渲染特征;利用卷积神经网络模型的通道加权融合模块对渲染特征进行增强,得到增强图像;利用损失函数计算原始图像样本与增强图像之间的损失值;根据损失值调整卷积神经网络模型中的参数;生成包括调整后的卷积神经网络模型参数的图像边缘增强模型,本发明的训练方法得到图像边缘增强模型能够用于对插值处理后的图像质量进行优化,改善边缘模糊和锯齿情况。

    基于深度神经网络的图像分辨率转换方法及装置、终端设备

    公开(公告)号:CN113947521B

    公开(公告)日:2025-01-24

    申请号:CN202111200082.0

    申请日:2021-10-14

    Inventor: 刘航飞 姬长胜

    Abstract: 一种基于深度神经网络的图像分辨率转换方法及装置、终端设备,图像分辨率转换方法包括:获取待转换图像以及转换倍率;将所述待转换图像映射到隐空间,以得到多个隐式特征图;确定转换后图像中的待插值坐标,所述待插值坐标的像素值为空;根据所述转换倍率将各个待插值坐标映射至所述多个隐式特征图,以得到各个待插值坐标对应的隐式特征向量;将各个待插值坐标对应的隐式特征向量转换为像素值,并将各个像素值填充至所述转换后图像中的待插值坐标位置,以得到所述转换后图像。本发明技术方案能够实现对图像分辨率进行任意倍率的转换。

    基于深度神经网络的图像分辨率转换方法及装置、终端设备

    公开(公告)号:CN113947521A

    公开(公告)日:2022-01-18

    申请号:CN202111200082.0

    申请日:2021-10-14

    Inventor: 刘航飞 姬长胜

    Abstract: 一种基于深度神经网络的图像分辨率转换方法及装置、终端设备,图像分辨率转换方法包括:获取待转换图像以及转换倍率;将所述待转换图像映射到隐空间,以得到多个隐式特征图;确定转换后图像中的待插值坐标,所述待插值坐标的像素值为空;根据所述转换倍率将各个待插值坐标映射至所述多个隐式特征图,以得到各个待插值坐标对应的隐式特征向量;将各个待插值坐标对应的隐式特征向量转换为像素值,并将各个像素值填充至所述转换后图像中的待插值坐标位置,以得到所述转换后图像。本发明技术方案能够实现对图像分辨率进行任意倍率的转换。

    生物特征提取方法、训练方法、认证方法、装置和设备

    公开(公告)号:CN113657498A

    公开(公告)日:2021-11-16

    申请号:CN202110944020.4

    申请日:2021-08-17

    Abstract: 本发明公开了一种生物特征提取方法、训练方法、认证方法、装置和设备,涉及人工智能领域,该生物特征提取方法包括:将生物特征输入至生物特征提取模型;生物特征提取模型的编码器对生物特征进行特征提取,得到隐空间特征;对该隐空间特征进行标准化处理,使得隐空间特征的各特征点的值正负分布均衡;通过符号函数对隐空间特征的各特征点的值进行二值量化,得到生物特征的二值图像模板;将该二值图像模板存入生物特征库,该方法可以快速准确地提取生物特征。

Patent Agency Ranking