基于双重身份属性约束的人脸超分辨率方法及系统

    公开(公告)号:CN112950478A

    公开(公告)日:2021-06-11

    申请号:CN202110291613.5

    申请日:2021-03-18

    IPC分类号: G06T3/40

    摘要: 本发明公开了一种基于双重身份属性约束的人脸超分辨率方法及系统,该方法包括:S1、获取对应的低分辨率人脸图像LR和高分辨率人脸图像HR;S2、将LR输入第一生成器得到高分辨率空间的人脸图像SR,将SR输入第二生成器得到低分辨率空间的人脸图像LR′;S3、将HR输入第二生成器得到低分辨率空间的人脸图像LR″,将LR″输入第一生成器得到高分辨率空间的人脸图像SR′;S4、LR和LR′进行前向闭环约束,HR和SR′进行反向闭环约束;S5、SR和SR′进行前向身份约束,LR″和LR′进行反向身份约束。本发明提出了具有双重身份属性的双闭环网络能够超分辨低分辨率面部图像到相应的高分辨率部分同时保留身份信息,能够有效提升人脸图像的超分辨率重建性能。

    基于多任务学习的低光照行人检测方法及系统

    公开(公告)号:CN111814595A

    公开(公告)日:2020-10-23

    申请号:CN202010568470.3

    申请日:2020-06-19

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明公开了一种基于多任务学习的低光照行人检测方法及系统,包括获取正常、低光照行人数据集;构建光照增强网络,并利用正常、低光照行人数据集进行预训练;构建行人检测网络,利用正常光照行人数据集进行预训练;基于多任务学习,设计一个能够融合不同任务之间特征的多任务学习模块,对两个网络进行特征共享,构建多任务特征共享的低光照行人检测网络;将两个预训练模型导入到该低光照行人检测网络,并利用正常、低光照行人数据集进行训练,得到多任务特征共享的低光照行人检测模型;利用多任务特征共享的低光照行人检测模型对被检测图像进行检测,得到图像中行人的位置。本发明能够准确、高效的在低光照的图像中检测出行人的位置。

    基于双重身份属性约束的人脸超分辨率方法及系统

    公开(公告)号:CN112950478B

    公开(公告)日:2022-07-19

    申请号:CN202110291613.5

    申请日:2021-03-18

    IPC分类号: G06T3/40

    摘要: 本发明公开了一种基于双重身份属性约束的人脸超分辨率方法及系统,该方法包括:S1、获取对应的低分辨率人脸图像LR和高分辨率人脸图像HR;S2、将LR输入第一生成器得到高分辨率空间的人脸图像SR,将SR输入第二生成器得到低分辨率空间的人脸图像LR′;S3、将HR输入第二生成器得到低分辨率空间的人脸图像LR″,将LR″输入第一生成器得到高分辨率空间的人脸图像SR′;S4、LR和LR′进行前向闭环约束,HR和SR′进行反向闭环约束;S5、SR和SR′进行前向身份约束,LR″和LR′进行反向身份约束。本发明提出了具有双重身份属性的双闭环网络能够超分辨低分辨率面部图像到相应的高分辨率部分同时保留身份信息,能够有效提升人脸图像的超分辨率重建性能。

    基于多任务学习的低光照行人检测方法及系统

    公开(公告)号:CN111814595B

    公开(公告)日:2022-05-10

    申请号:CN202010568470.3

    申请日:2020-06-19

    IPC分类号: G06V40/10 G06K9/62 G06V10/84

    摘要: 本发明公开了一种基于多任务学习的低光照行人检测方法及系统,包括获取正常、低光照行人数据集;构建光照增强网络,并利用正常、低光照行人数据集进行预训练;构建行人检测网络,利用正常光照行人数据集进行预训练;基于多任务学习,设计一个能够融合不同任务之间特征的多任务学习模块,对两个网络进行特征共享,构建多任务特征共享的低光照行人检测网络;将两个预训练模型导入到该低光照行人检测网络,并利用正常、低光照行人数据集进行训练,得到多任务特征共享的低光照行人检测模型;利用多任务特征共享的低光照行人检测模型对被检测图像进行检测,得到图像中行人的位置。本发明能够准确、高效的在低光照的图像中检测出行人的位置。

    一种人脸图像超分辨率重建方法、系统、设备及介质

    公开(公告)号:CN115393186A

    公开(公告)日:2022-11-25

    申请号:CN202210867096.6

    申请日:2022-07-22

    摘要: 本发明公开了一种人脸图像超分辨率重建方法、系统、设备及介质,涉及计算机视觉技术领域,该方法基于目标人脸图像超分辨率重建模型实现图像重建,该方法步骤包括:对待重建的低分辨率人脸图像进行浅层特征提取,得到第一浅层特征图像;对第一浅层特征图像进行深层特征提取,得到第一深层特征图像;根据第一浅层特征图像和第一深层特征图像,确定目标重建图像。本方法解决了通过现有的基于局部图像块和全局人脸统计的人脸图像超分辨率重建方法实现人脸图像超分辨率重建时全局结构不一致、局部细节丢失,导致重建效果不佳,以及现有的基于结构先验的人脸图像超分辨率重建方法实现人脸图像超分辨率重建存在生成的超分辨率人脸图像失真的问题。

    一种人脸图像重建方法、装置以及存储介质

    公开(公告)号:CN115293966A

    公开(公告)日:2022-11-04

    申请号:CN202210741509.6

    申请日:2022-06-27

    摘要: 本发明提供一种人脸图像重建方法、装置以及存储介质,属于图像重建领域,方法包括:通过各个原始人脸图像依次对超分辨率待训练模型的超分辨率图像训练分析得到超分辨率训练模型;通过超分辨率训练模型分别对原始人脸图像的图像识别得到目标超分辨率图像;通过所有的原始人脸图像和所有的目标超分辨率图像对人脸重建待训练模型的人脸重建图像训练分析得到人脸重建训练模型;通过人脸重建训练模型分别对目标超分辨率图像的图像重建得到人脸图像重建结果。本发明能够重建高保真和身份感知的HR人脸图像,能够提取更详细的信息,提升了视觉保真度。