-
公开(公告)号：CN112750082B
公开(公告)日：2023-05-16
申请号：CN202110081811.9
申请日：2021-01-21
申请人： 武汉工程大学 , 武汉烽火技术服务有限公司
IPC分类号： G06T3/40 , G06V40/16 , G06V10/774 , G06V10/80 , G06V10/77
摘要： 本发明公开了一种基于融合注意力机制的人脸超分辨率方法及系统，属于人脸图像超分辨率领域，该方法包括：将高分辨率人脸图像下采样至目标低分辨率人脸图像后，进行分块操作，分出相互重叠的图像块后，使用浅层特征提取器提取浅层特征；融合像素、通道和空间三重注意力模块的特征，增强重建的人脸面部结构细节；构建融合注意力网络作为深层特征提取器，将浅层的面部特征输入融合注意力网络获得深层特征，融合注意力网络包含若干融合注意力组，各融合注意力组包括若干融合注意力块；将深层特征图进行上采样，将上采样后的人脸特征图重建成目标的高分辨率人脸图像。本发明优于其他最新的人脸图像超分辨率算法，能生成更高质量的人脸高分辨率图像。
-
公开(公告)号：CN112750082A
公开(公告)日：2021-05-04
申请号：CN202110081811.9
申请日：2021-01-21
申请人： 武汉工程大学 , 武汉烽火技术服务有限公司
摘要： 本发明公开了一种基于融合注意力机制的人脸超分辨率方法及系统，属于人脸图像超分辨率领域，该方法包括：将高分辨率人脸图像下采样至目标低分辨率人脸图像后，进行分块操作，分出相互重叠的图像块后，使用浅层特征提取器提取浅层特征；融合像素、通道和空间三重注意力模块的特征，增强重建的人脸面部结构细节；构建融合注意力网络作为深层特征提取器，将浅层的面部特征输入融合注意力网络获得深层特征，融合注意力网络包含若干融合注意力组，各融合注意力组包括若干融合注意力块；将深层特征图进行上采样，将上采样后的人脸特征图重建成目标的高分辨率人脸图像。本发明优于其他最新的人脸图像超分辨率算法，能生成更高质量的人脸高分辨率图像。
-
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
申请人： 武汉工程大学
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。
-
公开(公告)号：CN112150379A
公开(公告)日：2020-12-29
申请号：CN202010999372.5
申请日：2020-09-22
申请人： 武汉工程大学
摘要： 本发明公开了一种基于感知判别增强生成对抗网络的图像去雾方法及装置，该方法包括：样本采集，使用高清相机获得清晰无雾的图像，然后通过光学模型和深度先验信息合成有雾图像，从而获取有雾和无雾图像对；构建生成网络，将采集到的数据样本分为训练集和测试集，将训练集中的有雾图像输入到生成网络中，生成去雾图像；构建感知判别增强对抗网络，将生成的去雾图像和原始的无雾图像发送到对抗网络中，判别生成的去雾图像的真假；迭代给定的次轮后，得到最优的模型；将测试图像输入到最优的模型中，进行去雾处理。本发明所提出的方法优于其他最新的图像去雾算法，能生成更高质量的无雾图像。
-
公开(公告)号：CN118396852A
公开(公告)日：2024-07-26
申请号：CN202410415461.9
申请日：2024-04-08
申请人： 武汉工程大学
IPC分类号： G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明涉及一种基于多维空间域的人脸重建方法、系统、介质以及装置，涉及计算机视觉图像增强的技术领域，包括：对初始图像进行特征划分，得到目标图像和非目标图像；利用第一残差块对目标图像进行降采样和卷积操作，得到第一低分辨率特征图；利用第二残差块对第一低分辨率特征图中的人脸纹理细节特征进行增强，得到第二低分辨率特征图；结合第一全局注意力机制、第二全局注意力机制以及空间分组增强对第二分辨率特征图进行处理，得到低分辨率人脸重建图；利用第三残差块对低分辨率人脸重建图进行上采样和卷积操作，得到目标图像的人脸重建图。本发明解决了现有技术中存在的人脸图像重建的质量、精度较低的问题。
-
公开(公告)号：CN115293965A
公开(公告)日：2022-11-04
申请号：CN202210735260.8
申请日：2022-06-27
申请人： 武汉工程大学
摘要： 本发明提供一种卫星超分辨率图像生成方法、装置以及存储介质，属于图像处理领域，方法包括：分别对原始卫星图像的图像预处理得到低分辨率卫星图像；分别对低分辨率卫星图像的首次特征提取得到低级卫星特征图；通过训练模型分别对低级卫星特征图的特征提取分析得到目标卫星特征图；通过重建模型分别目标卫星特征图的图像重建得到图像生成结果。本发明解决了目前将低分辨率卫星图像生成高分辨率卫星图像，而得到的图像质量不高的技术问题，实现了低分辨率卫星图像和高分辨率卫星图像之间的端到端的映射，从而生成更高质量的高分辨率卫星图像。
-
公开(公告)号：CN115239553A
公开(公告)日：2022-10-25
申请号：CN202210610135.4
申请日：2022-05-31
申请人： 武汉工程大学
摘要： 本发明公开了一种卫星图像超分辨率重建方法、系统、设备和可读存储介质，涉及计算机视觉技术领域，该方法包括：获取高分辨率卫星图像并将其转换为低分辨率图像，对低分辨率图像进行边缘提取，得到低分边缘图像；对低分边缘图像进行上采样处理，得到高分边缘特征图像；通过边缘分支网络对低分边缘图像进行纹理特征提取，得到重建高分边缘图像；通过超分辨率分支网络对低分辨率图像进行结构特征提取，得到重建高分辨率图像；根据高分边缘特征图像和重建高分边缘图像，确定恢复图像，对恢复图像进行图像校正，得到重建边缘先验图像；将重建边缘先验图像和重建高分辨率图像进行融合，得到融合图像，对融合图像进行降维处理，得到重建超分辨率图像。
-
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
申请人： 武汉工程大学
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。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.04 秒)
