“屈晓娥”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果8个，建议您升级VIP下载更多相关专利

[发明专利]基于深度学习风格迁移的服饰图像艺术化生成方法-CN201910619759.0有效
发明人：张九龙;马钰玺;屈晓娥 -专利权人：西安理工大学
申请日： 2019-07-10 - 公布日： 2022-10-18 - 主分类号： G06T3/00 文献下载
摘要：本发明公开了一种基于深度学习风格迁移的服饰图像艺术化生成方法，包括如下步骤：步骤1：将内容图和风格图放入训练好的19层VGG网络中得到内容表示和风格表示；步骤2：将获得的内容表示和风格表示使用VGG网络的滤波器对其进行编码得到特征映射，再通过自适应规范层对其进行归一化处理；步骤3：将归一化处理后的噪声图片的特征图分别与内容图片和风格图片的特征图作对比求差值分别计算内容图损失、风格图损失、总损失函数；步骤4：根据获得的总损失函数对网络进行训练，通过转换网络解码生成结果图。本发明一种基于深度学习风格迁移的服饰图像艺术化生成方法，解决了现有服饰图像画面风格单一、转换速度慢的问题。
基于深度学习风格迁移服饰图像艺术化生成方法

[发明专利]书法单字的笔画自动提取方法-CN201910561134.3有效
发明人：张九龙;张振雄;屈晓娥 -专利权人：西安理工大学
申请日： 2019-06-26 - 公布日： 2022-07-01 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种书法单字的笔画自动提取方法，具体按照以下步骤进行；步骤1：对书法单字图片进行灰度化及二值化处理，根据二值化后的图片中黑色像素点四邻域像素点的信息获取单字的轮廓；步骤2：对步骤1中得到的轮廓进行角点检测，并选取约束边集合和约束点集合，进行约束Delaunay三角剖分；步骤3：计算任意两个包含两个以上步骤2中的角点的连接三角形的最小距离，确定交叉区域及交叉区域所连接的笔画段；步骤4：对步骤3中的所有交叉区域所连接的笔画段进行连续性分析，对符合条件的笔画段进行连接，得到单个笔画轮廓，并进行轮廓填充，最后完成笔画的提取。本发明在书法单字的笔画提取中能够较为准确地寻找交叉区域；且能够较好地提取复合笔画。
书法单字笔画自动提取方法

[发明专利]基于三维卷积神经网络的跌倒行为识别方法-CN201910571714.0有效
发明人：张九龙;邓莉娜;屈晓娥 -专利权人：西安理工大学
申请日： 2019-06-28 - 公布日： 2022-05-03 - 主分类号： G06V40/20 文献下载
摘要：本发明公开了一种基于三维卷积神经网络的跌倒行为识别方法，首先获得并预处理跌倒数据集视频，得到跌倒行为视频样本；将视频采用基于混合高斯与自适应阈值的三帧差法结合的目标检测方法去除背景，再用小面积去除及形态学方法得到完整人体目标区域；提取人体目标区域的光流运动历史图像特征，然后对特征图像用数据重叠扩增的方式增加样本集；将重叠扩增后的跌倒行为样本集按照7:3的比例随机分成训练样本集和验证样本集输入3D卷积神经网络模型分类器并不断迭代训练，同时使用验证样本集不断验证模型分类器；将测试样本集输入训练后的模型分类器中，完成跌倒行为识别。本发明解决了现有跌倒检测方法受背景干扰导致分类识别率及精度低的问题。
基于三维卷积神经网络跌倒行为识别方法

[发明专利]一种基于矢量量化的变分自编码机的多风格字体生成方法-CN201911241906.1有效
发明人：张九龙;温昕燃;屈晓娥 -专利权人：西安理工大学
申请日： 2019-12-06 - 公布日： 2022-03-25 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了一种基于矢量量化的变分自编码机的多风格字体生成方法，建立固定字体风格的汉字图片的取样样本；根据取样样本，通过调试过的固定尺寸的框和步长依次对取样样本的字符进行切割，经调试后的框内只包括一个字，将框内的数据读取出来，转成图片保存，即切割出单个字体的图像，切割后随机选取图像作为需要扩充的风格字体的数据集，作为最终训练数据；将得到的最终训练数据输入网络结构进行迭代和训练，并将网络输出得到的损失值输入优化器来更新编码器权重和解码器权重，以及量化隐向量的参数值；将单个训练样本和待扩展的汉字数据样本带入经更新的编码器和解码器中进行重构，得到进行风格扩充后的字体样本。
一种基于矢量量化编码风格字体生成方法

[发明专利]一种基于实例分割的手写文档文本行的提取方法-CN201910562052.0有效
发明人：张九龙;张振雄;屈晓娥 -专利权人：西安理工大学
申请日： 2019-06-26 - 公布日： 2021-11-16 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于实例分割网络的手写文档文本行的提取方法，其特征在于，具体按照如下步骤进行：步骤1：对手写文档数据集中的图片进行缩放操作，最终得到训练集；步骤2：对步骤1中得到的训练集中的数据集进行训练，以此更新得到实例分割网络的权重；步骤3：将待处理的手写文档图像经步骤2得到的实例分割网络中，得到映射后的映射图；步骤4：利用均值漂移算法对待处理的手写文档图像中的黑色像素点在映射图中对应的映射向量进行聚类操作，最终提取得到单个文本行。本发明一种基于实例分割网络的手写文档文本行的提取方法使得手写文档文本行的提取更为准确。
一种基于实例分割手写文档文本提取方法

[发明专利]基于条件对抗网络的缺损古籍汉字修复方法-CN201910571713.6有效
发明人：张九龙;郭铭涛;屈晓娥 -专利权人：西安理工大学
申请日： 2019-06-28 - 公布日： 2021-01-15 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于条件对抗网络的缺损古籍汉字修复方法，首先建立n个文件夹，分别对应n个不同的手写汉字图像，每个文件夹内分别放入m个汉字图像，最终得到n*m张图片，作为手写汉字数据集；然后将得到的手写汉字图像数据进行训练，通过梯度反向传播算法迭代更新辨别器神经网络权重和生成器神经网络权重；最后将待处理的缺损手写汉字图像数据样本带入更新的辨别器和生成器中进行迭代，得到修复后的手写汉字图像。本发明解决了现有技术中存在的大量破损的古籍文献中损毁字体的修复困难的问题。
基于条件对抗网络缺损古籍汉字修复方法

[发明专利]基于卷积神经网络的舞蹈视频人体骨架检测与提取方法-CN201910559040.2在审
发明人：张九龙;李孟阳;屈晓娥 -专利权人：西安理工大学
申请日： 2019-06-26 - 公布日： 2019-10-18 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了基于卷积神经网络的舞蹈视频人体骨架检测与提取方法，对舞蹈视频预处理获得图片样本，获取COCO数据集图片样本与关键点标注标签，计算标注数据，将计算结果和对应的数据集图片输入模型检测器中不断迭代训练；将待处理的舞蹈图片输入训练后模型检测器中，得到检测结果；对检测结果解析连接，完成多人人体骨架的提取；本发明实时性高，检测提取准确率高；设计了面向人体部位检测和部位关联的联合学习体系架构，以分数表示部位连接关系的紧密程度，提高检测准确率；图像中的人数增加时也能保持检测提取效率，具有较好的鲁棒性和扩展性。
检测人体骨架舞蹈卷积神经网络模型检测器检测结果图片输入图片样本数据集准确率标注视频视频预处理迭代训练连接关系人体部位提取效率体系架构扩展性关键点鲁棒性实时性解析标签图像关联联合学习

[发明专利]多卷积层驱动的深度信念网络书法风格识别方法-CN201910571868.X在审
发明人：张九龙;刘一波;屈晓娥 -专利权人：西安理工大学
申请日： 2019-06-28 - 公布日： 2019-10-15 - 主分类号： G06K9/68 文献下载
摘要：本发明公开了一种多卷积层驱动的深度信念网络书法风格识别方法，首先获得欧颜柳赵楷书四大家的原始书法作品并进行预处理，得到书法单字样本；将书法单字样本分成训练样本集和验证样本集；然后将训练样本集输入模型分类器并不断迭代训练，最终得到训练好的混合网络模型，同时使用验证样本集不断验证模型分类器；最后将书法单字样本输入训练好的混合网络模型中，再结合Softmax分类器完成书法风格识别。本发明解决了现有技术中存在的法字体分类困难的问题，同时本发明还能高分类的精准度。
单字样本书法风格混合网络模型训练样本集模型分类信念网络验证样本集书法卷积预处理驱动迭代训练书法作品分类器精准度分类字体

1
共 8 条