-
公开(公告)号：CN109447911B
公开(公告)日：2020-06-09
申请号：CN201811214073.5
申请日：2018-10-18
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提出一种图像复原的方法、装置、存储介质和终端设备，其中，所述方法包括：获取待恢复的变形图像；对所述变形图像进行预处理；利用变形系数预测模型，对预处理后的所述变形图像进行计算，获得所述变形图像的变形系数；以及根据所述变形图像的变形系数，复原所述变形图像。采用本发明，识别变形系数的效率高，可以处理大量的变形图像。
-
公开(公告)号：CN109285119A
公开(公告)日：2019-01-29
申请号：CN201811237477.6
申请日：2018-10-23
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提出一种超分辨图像生成方法及装置，其中方法包括：获取待处理的退化图像；获取预设的神经网络模型，神经网络模型为采用训练数据对初始的神经网络模型进行训练后得到的；训练数据中包括：大于预设数量的原始图像，以及原始图像对应的退化图像；退化图像的退化类型包括以下类型中的任意一种或者多种：下采样类型、模糊类型；采用预设的神经网络模型，对退化图像进行处理，得到与退化图像对应的超分辨图像，本实施例中，采用训练后的神经网络模型对退化图像进行恢复处理，恢复得到的超分辨图像的显示效果好，与原始图像的差距小，从而提高了退化图像的恢复效率。
-
公开(公告)号：CN109117742B
公开(公告)日：2022-12-27
申请号：CN201810805273.1
申请日：2018-07-20
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06V40/20 , G06V40/10 , G06V10/764
Abstract: 本发明提供一种手势检测模型处理方法、装置、设备及存储介质，本发明的方法，通过获取训练集合，所述训练集合包括至少一组包括训练图像及训练图像的标注数据的训练数据；根据训练集合中各训练图像和训练图像的标注数据，对卷积神经网络进行训练，得到手势检测模型；通过将待检测图像输入手势检测模型，即可检测出待检测图像中手势的手势类型和位置，实现了对于不包括深度信息的待检测图像的手势识别，无需使用包含深度信息的硬件单元，降低了成本，且相较于现有技术采用聚类方法进行手势检测，本实施例通过卷积神经网络模型进行手势检测提高了手势检测的精度和效率。
-
公开(公告)号：CN109359687B
公开(公告)日：2020-11-24
申请号：CN201811220100.X
申请日：2018-10-19
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本申请提出一种视频风格转换处理方法和装置，其中，方法包括：根据样本图片的风格属性信息设置反映风格属性特征网络层的第一目标输出向量，根据当前输入视频帧的内容信息设置反映内容特征网络层的第二目标输出向量，根据当前输入视频帧的光流场信息设置反映光流场特征网络层的第三目标输出向量，根据第一目标输出向量、第二目标输出向量、第三目标输出向量训练目标模型中每个网络层的网络参数，根据满足预设训练条件时对应的目标网络参数和目标模型生成与样本图片对应的视频风格转换模型，以根据视频风格转换模型对目标视频进行转换处理生成与样本图片匹配的视频风格。由此，在确保视频流畅性的同时提高了视频风格转换处理的效率。
-
公开(公告)号：CN109474851A
公开(公告)日：2019-03-15
申请号：CN201811277395.4
申请日：2018-10-30
Applicant: 百度在线网络技术(北京)有限公司
IPC: H04N21/4402
Abstract: 本发明实施例提供一种视频转换方法、装置及设备，该方法包括：获取第一视频的多个第一视频帧，每个第一视频帧中的图像为第一类型；通过视频转换模型对每个第一视频帧进行图像转换，得到每个第一视频帧对应的第二视频帧，每个第二视频帧中的图像为第二类型；根据每个第二视频帧，确定所述第一视频的转换视频。提高了视频转换的效果。
-
Patent Agency Ranking
公开(公告)号：CN109409241A
公开(公告)日：2019-03-01
申请号：CN201811142225.5
申请日：2018-09-28
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06K9/00 , H04N21/234 , H04N21/44
Abstract: 本发明实施例公开了一种视频核验方法、装置、设备及可读存储介质。其中，方法包括：获取待核验视频中的视频帧序列；将所述视频帧序列输入至视频核验模型，得到所述视频帧序列对应的置信度；如果所述置信度满足预设要求，核验所述待核验视频合规；所述视频核验模型包括：空间违规特征提取单元、时域特征提取单元和置信度计算单元，所述空间违规特征提取单元用于对视频帧序列中各视频帧进行违规特征提取，得到各空间特征，所述时域特征提取单元用于对各空间特征进行时间卷积，得到时空特征，所述置信度计算单元用于计算时空特征的置信度。本发明实施例能够提高违规视频核验的效率和准确度。
-
公开(公告)号：CN109409241B
公开(公告)日：2024-11-22
申请号：CN201811142225.5
申请日：2018-09-28
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06V20/40 , H04N21/234 , H04N21/44
Abstract: 本发明实施例公开了一种视频核验方法、装置、设备及可读存储介质。其中，方法包括：获取待核验视频中的视频帧序列；将所述视频帧序列输入至视频核验模型，得到所述视频帧序列对应的置信度；如果所述置信度满足预设要求，核验所述待核验视频合规；所述视频核验模型包括：空间违规特征提取单元、时域特征提取单元和置信度计算单元，所述空间违规特征提取单元用于对视频帧序列中各视频帧进行违规特征提取，得到各空间特征，所述时域特征提取单元用于对各空间特征进行时间卷积，得到时空特征，所述置信度计算单元用于计算时空特征的置信度。本发明实施例能够提高违规视频核验的效率和准确度。
-
公开(公告)号：CN109447911A
公开(公告)日：2019-03-08
申请号：CN201811214073.5
申请日：2018-10-18
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提出一种图像复原的方法、装置、存储介质和终端设备，其中，所述方法包括：获取待恢复的变形图像；对所述变形图像进行预处理；利用变形系数预测模型，对预处理后的所述变形图像进行计算，获得所述变形图像的变形系数；以及根据所述变形图像的变形系数，复原所述变形图像。采用本发明，识别变形系数的效率高，可以处理大量的变形图像。
-
公开(公告)号：CN109121022A
公开(公告)日：2019-01-01
申请号：CN201811139639.2
申请日：2018-09-28
Applicant: 百度在线网络技术(北京)有限公司
IPC: H04N21/845 , H04N21/439
Abstract: 本申请实施例公开了用于标记视频片段的方法及装置。该方法的一具体实施方式包括：从待标记视频中获取视频特征信息序列；将上述视频特征信息序列内相邻的设定数量的视频特征信息分组，得到视频特征片段序列；对于上述视频特征片段序列中的视频特征片段，将该视频特征片段导入预先训练的视频标记模型，得到对应该视频特征片段的标识信息；响应于得到对应上述视频特征片段序列的标识信息序列，通过上述标识信息序列中的标识信息对上述待标记视频的视频片段进行标记。该实施方式提高了对视频片段标记的效率和准确性。
-
公开(公告)号：CN109117742A
公开(公告)日：2019-01-01
申请号：CN201810805273.1
申请日：2018-07-20
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提供一种手势检测模型处理方法、装置、设备及存储介质，本发明的方法，通过获取训练集合，所述训练集合包括至少一组包括训练图像及训练图像的标注数据的训练数据；根据训练集合中各训练图像和训练图像的标注数据，对卷积神经网络进行训练，得到手势检测模型；通过将待检测图像输入手势检测模型，即可检测出待检测图像中手势的手势类型和位置，实现了对于不包括深度信息的待检测图像的手势识别，无需使用包含深度信息的硬件单元，降低了成本，且相较于现有技术采用聚类方法进行手势检测，本实施例通过卷积神经网络模型进行手势检测提高了手势检测的精度和效率。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.037 seconds)
