-
公开(公告)号：CN110826500B
公开(公告)日：2023-04-14
申请号：CN201911085729.2
申请日：2019-11-08
申请人： 福建帝视信息科技有限公司
IPC分类号： G06V40/20 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明涉及一种基于运动链接空间的对抗性网络估计3D人体姿态的方法。采用卷积神经网络，从单目设备采集的图像中估计人体关键节点的三维坐标，具体以单目RGB图像作为输入，采用运动链接空间和对抗网络技术，不仅解决了过拟合现象，而且提高了3D人体姿态估计精度和准确性。
-
公开(公告)号：CN109118432B
公开(公告)日：2022-09-13
申请号：CN201811124147.6
申请日：2018-09-26
申请人： 福建帝视信息科技有限公司
摘要： 本发明涉及图像处理领域并公开一种基于快速循环卷积网络的图像超分辨率重建方法，其包括以下步骤：步骤1：将训练数据集中的每张高分辨率图像下采样对应的低分辨率图像，并分别切成若干子图像，步骤2：将训练数据集中的低分辨率图像输入网络分别执行特征提取阶段、快速循环卷积层计算阶段和特征融合阶段以及反卷积计算阶段，最终重建出其对应的高分辨率图像；步骤3：将反卷积重建的高分辨率图像与训练数据集中的高分辨率图像进行比较，计算Charbonnier惩罚函数；步骤4，基于Charbonnier惩罚函数不断更新并优化获得最优的卷积权值参数和偏置参数。本发明克服现有由于计算代价昂贵而无法在移动设备上运行的缺点，显著地提高了重建效果。
-
公开(公告)号：CN108830812B
公开(公告)日：2021-08-31
申请号：CN201810601639.3
申请日：2018-06-12
申请人： 福建帝视信息科技有限公司
摘要： 本发明公开一种基于网格结构深度学习的视频高帧率重制方法，采用网格结构的方式估计到的三维像素流能够在各种运动量的运动场景中得到较为精准的结果。本发明的方法比现有的技术都更加鲁棒。为了进一步提高三维像素流的精度和高帧率重制的效果，本发明提出了一种卷积特征提取层与网格网络结构组合的方式。采用本发明的方法得到的高帧率重制的结果比其他现有技术，在合成帧的细节纹理更加细腻真实。
-
公开(公告)号：CN108900848B
公开(公告)日：2021-03-02
申请号：CN201810603510.6
申请日：2018-06-12
申请人： 福建帝视信息科技有限公司
IPC分类号： H04N19/86 , H04N19/51 , H04N19/577 , G06N3/04
摘要： 本发明公开一种基于自适应可分离卷积的视频质量增强方法，将自适应可分离卷积作为第一个模块应用于网络模型当中，将每个二维卷积转化为一对水平方向和垂直方向的一维卷积核，参数量由n2变为n+n。第二，利用网络对于不同输入学习出来的自适应变化的卷积核以实现运动矢量的估计，通过选取连续的两帧作为网络输入，对于每两张连续输入可以得到一对可分离的二维卷积核，而后该2维卷积核被展开成四个1维卷积核，得到的1维卷积核随输入的改变而改变，提高网络自适应性。本发明用一维卷积核取代二维卷积核，使得网络训练模型参数减少，执行效率高。
-
公开(公告)号：CN109712203A
公开(公告)日：2019-05-03
申请号：CN201811644107.4
申请日：2018-12-29
申请人： 福建帝视信息科技有限公司
摘要： 本发明公开一种基于自注意力生成对抗网络的图像着色方法，其包括以下步骤：步骤1，训练灰度图片着色模型；步骤2，将训练数据集中的灰度图像输入对抗网络执行特征提取阶段、特征融合阶段、反卷积计算阶段以及自注意力学习阶段重建出其对应的彩色图像；步骤3，将自注意力学习后重建的彩色图像与对应的原始色彩图像进行比较，计算 惩罚函数；步骤4，基于 损失函数作为GAN的优化损失；步骤5，将训练过程分为预设的多个子训练周期，采用步进增长策略依次进行子训练周期的训练以获取生成器网络。本发明采用对抗生成网络来从一张黑白或者灰度图像中重构出符合人类主观视觉偏好的彩色图像，使得更加逼真。
-
公开(公告)号：CN108900848A
公开(公告)日：2018-11-27
申请号：CN201810603510.6
申请日：2018-06-12
申请人： 福建帝视信息科技有限公司
IPC分类号： H04N19/86 , H04N19/51 , H04N19/577 , G06N3/04
CPC分类号： H04N19/86 , G06N3/0454 , H04N19/51 , H04N19/577
摘要： 本发明公开一种基于自适应可分离卷积的视频质量增强方法，将自适应可分离卷积作为第一个模块应用于网络模型当中，将每个二维卷积转化为一对水平方向和垂直方向的一维卷积核，参数量由n2变为n+n。第二，利用网络对于不同输入学习出来的自适应变化的卷积核以实现运动矢量的估计，通过选取连续的两帧作为网络输入，对于每两张连续输入可以得到一对可分离的二维卷积核，而后该2维卷积核被展开成四个1维卷积核，得到的1维卷积核随输入的改变而改变，提高网络自适应性。本发明用一维卷积核取代二维卷积核，使得网络训练模型参数减少，执行效率高。
-
公开(公告)号：CN107680044A
公开(公告)日：2018-02-09
申请号：CN201710940557.7
申请日：2017-09-30
申请人： 福建帝视信息科技有限公司
CPC分类号： G06T3/4053 , G06N3/0454
摘要： 本发明公开一种图像超分辨率卷积神经网络加速计算方法，其包括以下步骤：（1）获取已训练好的卷积核组，（2）将已训练好的卷积核组转化为易于卷积计算处理的矩阵形式的卷积核组；（3）解析出中间卷积层矩阵形式的卷积核组作为原始卷积核组；（4）基于原始卷积核组构造低秩学习模型：（5）通过低秩学习模型求解基卷积核组；（6）通过最小二乘模型求解重构系数；（7）将原始卷积核组的卷积计算利用基卷积核组以及对应的重构系数进行卷积计算等价代换，实现卷积计算加速。本发明对卷积核组进行重构，保证在准确率不降低的情况下，实现卷积计算加速，且该方法只是涉及卷积计算过程，未改变原有准确率，可进一步结合其他加速方法进一步加速。
-
公开(公告)号：CN107655159A
公开(公告)日：2018-02-02
申请号：CN201710979658.5
申请日：2017-10-19
申请人： 福建帝视信息科技有限公司
CPC分类号： G06K9/00778 , G06K9/6256 , G06N3/0454
摘要： 本发明公开一种基于人群密度感知模型的空调节能控制方法及系统，其包括以下步骤：步骤S1：建立基于深度学习的人群密度感知模型；步骤S2：将各个区域的监控摄像头的视频流数据传输至服务器；步骤S3：服务器对所有视频流数据采用人群密度感知模型进行分析处理得到人数：步骤S4：系统根据所述人数产生对应控制信号；步骤S5：将所述控制信号传输回各个对应区域的空调，实时调整各个区域空调的开关、温度和风力，使得各区域空调可以根据人群分布智能调整，最大化空调效率，并大幅减少能源浪费。本发明根据人群分布智能调整，最大化空调效率，并大幅减少能源浪费。
-
公开(公告)号：CN107633520A
公开(公告)日：2018-01-26
申请号：CN201710901107.7
申请日：2017-09-28
申请人： 福建帝视信息科技有限公司
摘要： 本发明公开一种基于深度残差网络的超分辨率图像质量评估方法，该方法在评估超分辨率图像质量的时候不需要原始图像作为参考，可直接给出符合人类视觉主观评估的图像质量得分。目前，大多数超分辨率图像都是通过全参考指标进行评估的，在许多实际应用中，获取待评估图像的参考图像非常困难甚至是不可能的。同时，大部分相关的算法仍然需要通过手工设计来提取图像特征。为了解决这些问题，本发明给出了一种符合人类视觉感知的超分辨率图像质量的无参考评估方法，该方法的创新性在于不需要手工的设计特征，直接利用设计好的深度残差网络自动提取特征。同时，该方法还提出了一种基于失真图像等级排序的方法，能够有效地解决含有人类主观评分的超分辨率图像数据集不足的问题。
-
公开(公告)号：CN106991646A
公开(公告)日：2017-07-28
申请号：CN201710193665.2
申请日：2017-03-28
申请人： 福建帝视信息科技有限公司
IPC分类号： G06T3/40
摘要： 本发明公开一种基于密集连接网络的图像超分辨率方法，通过加大卷积神经网络的深度，在深度网络中引入大量的跳跃式连接，有效解决深度网络反向传播时的梯度消失问题，优化了信息在网络上的流动，提升了卷积神经网络的超分辨率重建能力。同时，本发明也有效结合了底层特征和高层抽象特征，减少模型参数，压缩了深度网络模型，从而提高了图像超分辨率的重建效率。此外，通过引入深度监督技术，在网络的不同深度都能重建超分辨率图像，不仅优化了深度网络的训练，并且在测试时可以根据测试端的计算能力选择适当的网络深度重建高清图像。最后，本发明利用了多个放大倍数的图像集进行训练，获得的模型可以在多个尺度上进行图像超分辨率，而不用针对每一个放大倍数训练不同的模型。
-
-
-
-
-
-
-
-
-
搜索结果
73 条记录 (耗时 0.042 秒)
