“训练图像”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1061686个，建议您升级VIP下载更多相关专利

[发明专利]图像处理装置及其训练装置和训练方法-CN201910304695.5在审
发明人：沈伟;刘汝杰 -专利权人：富士通株式会社
申请日： 2019-04-16 - 公布日： 2020-10-27 - 主分类号： G06K9/62 文献下载
摘要：本公开涉及图像处理装置以及用于训练该图像处理装置的训练装置和训练方法。该训练装置包括：特征图提取单元，提取支持图像和查询图像的特征图；细化单元，针对每个支持图像，基于特征图确定匹配特征向量；以及联合训练单元，使用训练图像作为查询图像对执行联合训练，使得能够针对新的查询图像确定匹配支持图像和匹配位置，其中训练图像与特定的支持图像匹配。通过上述训练技术训练的图像处理装置能够同时确定分别属于不同类别的多个支持图像中的与查询图像匹配的匹配支持图像并且确定查询图像与匹配支持图像的匹配位置。
图像处理装置及其训练方法

[发明专利]一种图像处理模型的训练方法、图像处理方法及相关设备-CN202310102363.5在审
发明人：李程;郭小燕;赵松涛;申婷婷;王学博;田兴业 -专利权人：北京达佳互联信息技术有限公司
申请日： 2023-01-29 - 公布日： 2023-05-30 - 主分类号： G06V10/774 文献下载
摘要：本公开涉及一种图像处理模型的训练方法、图像处理方法及相关设备；该方法包括：获取初始训练图像集合；初始训练图像集合中每个初始训练图像携带指甲标注信息，指甲标注信息包括每个初始训练图像中指甲的指尖标注点、指根标注点和指甲轮廓信息；根据每个初始训练图像中指甲的指尖标注点、指根标注点和指甲轮廓信息，确定每个初始训练图像中指甲的指甲关键点集合；利用每个初始训练图像对应的指甲关键点集合更新每个初始训练图像，得到更新后的每个目标训练图像；利用每个目标训练图像，对预设机器学习模型进行训练，直至满足预设结束条件，得到训练好的图像处理模型。如此，本公开训练好的图像处理模型可以准确预测稠密的指甲关键点。
一种图像处理模型训练方法相关设备

[发明专利]检测模型的训练方法、活体检测方法及相关装置-CN202111531786.6有效
发明人：李永凯;王宁波;朱树磊;殷俊;郝敬松 -专利权人：浙江大华技术股份有限公司
申请日： 2021-12-14 - 公布日： 2023-05-23 - 主分类号： G06V40/40 文献下载
摘要：本申请公开了一种检测模型的训练方法、活体检测方法及相关装置，训练方法包括：获取训练目标的训练红外人脸图像集；对训练红外人脸图像集中部分训练红外人脸图像进行预设操作，得到部分训练红外人脸图像各自对应的变换红外人脸图像；预设操作包括对对应的训练红外人脸图像中至少一个图像区域的像素进行位置变换；利用训练红外人脸图像集中的初始红外人脸图像和各个变换红外人脸图像对第一检测模型进行训练，得到训练后的第一检测模型；初始红外人脸图像包括训练红外人脸图像集中除部分训练红外人脸图像之外的训练红外人脸图像
检测模型训练方法活体相关装置

[发明专利]图像标注方法及装置-CN202110396659.3在审
发明人：鲍一平 -专利权人：北京迈格威科技有限公司
申请日： 2021-04-13 - 公布日： 2021-08-13 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种图像标注方法及装置，包括：获取训练图像，训练图像标注有粗粒度类别；将训练图像中的未标注训练图像与目标已标注训练图像进行相似度计算，得到相似度值；目标已标注训练图像为训练图像中标注有细粒度类别的训练图像，未标注训练图像的粗粒度类别与目标已标注训练图像的粗粒度类别相同；根据相似度值，确定未标注训练图像的细粒度类别。在本发明中，仅需要前期标注少量的训练图像的细粒度类别，即可在无监督模式下，快速、准确的得到其他未标注训练图像的细粒度类别，以通过较低成本，有效提升标注准确率和效率。
图像标注方法装置

[发明专利]一种图像识别模型的训练方法及图像识别方法-CN202010851885.1在审
发明人：成乐乐 -专利权人：阿里巴巴集团控股有限公司
申请日： 2020-08-21 - 公布日： 2022-03-11 - 主分类号： G06F16/35 文献下载
摘要：本申请公开了一种图像识别模型的训练方法以及图像识别方法。所述图像识别模型的训练方法包括：获取图像数据以及图像数据的辅助信息，根据图像数据以及所述辅助信息生成视觉原型数据；获取训练样本以及训练样本对应的特定视觉原型数据；使用训练样本训练原始图像识别模型，在训练过程中基于所述特定视觉原型数据确定训练产生的训练损失数据，并训练直至所述训练损失数据满足预设条件，得到训练完成的图像识别模型。所述图像识别方法包括：获取待识别的目标图像；根据训练完成的图像识别模型对所述目标图像进行识别，得到识别结果。采用所述方法，抑制了训练样本中的噪声图像对图像识别模型的训练的干扰，提高了图像识别模型的学习效率及准确率。
一种图像识别模型训练方法

[发明专利]网络模型的训练方法、人脸图像超分辨率重建方法及设备-CN202010949919.0在审
发明人：惠强 -专利权人：浙江大华技术股份有限公司
申请日： 2020-09-10 - 公布日： 2021-03-16 - 主分类号： G06T3/40 文献下载
摘要：本申请提供了一种网络模型的训练方法、人脸图像超分辨率重建方法及设备。该网络模型训练方法包括：获取低分辨率训练图像以及与低分辨率训练图像对应的高分辨率训练图像，其中，低分辨率训练图像和高分辨率训练图像均是基于对同一目标对象拍摄获得；将低分辨率训练图像输入生成网络，得到超分辨率训练图像，计算超分辨率训练图像和高分辨率训练图像的误差损失；将高分辨率训练图像和超分辨率训练图像输入判别网络，得到高分辨率训练图像和超分辨率训练图像的对抗损失；基于误差损失和对抗损失，对网络模型进行训练，直至训练后的网络模型输出的误差损失和对抗损失之和小于第一预设损失阈值上述方案，提高了网络模型生成图像的清晰度。
网络模型训练方法图像分辨率重建设备

[发明专利]色调映射模型的训练方法、色调映射方法及电子设备-CN202010562136.7有效
发明人：何慕威 -专利权人： OPPO（重庆）智能科技有限公司
申请日： 2020-06-18 - 公布日： 2023-06-02 - 主分类号： G06T5/00 文献下载
摘要：本申请公开了色调映射模型的训练方法、色调映射方法、及电子设备、存储介质。其中，色调映射模型的训练方法包括：确定至少一组训练图像对；所述至少一组训练图像对中的每一组训练图像对由源训练图像和对应的目标训练图像构成；构成一组训练图像对的源训练图像和对应的目标训练图像为关于相同图像内容的两张亮度不同的低动态范围LDR图像；所述目标训练图像为满足设定的图像质量指标的图像；采用所述至少一组训练图像对训练色调映射模型；其中，所述色调映射模型用于改变输入图像中至少一个像素的像素状态，所述像素状态包括：像素的颜色和/或亮度
色调映射模型训练方法电子设备

[发明专利]训练样本生成方法、图像分割方法、装置、设备和介质-CN202011378836.7在审
发明人：邓启力 -专利权人：北京字跳网络技术有限公司
申请日： 2020-11-30 - 公布日： 2021-03-12 - 主分类号： G06K9/62 文献下载
摘要：本公开的实施例公开了训练样本生成方法、装置、电子设备和计算机可读介质。该训练样本生成方法的一具体实施方式包括：获取第一图像集和第二图像集，第二图像集中的第二图像为脸部图像；根据第一图像集生成目标非脸部图像集；将第二图像集中的每个第二图像与从目标非脸部图像集中选取的至少一个目标非脸部图像组合生成训练图像，得到训练图像集；将每个训练图像中所显示的至少一个对象所在的区域进行标注，生成训练图像的标签；根据训练图像集中每个训练图像和训练图像集的标签生成训练样本，得到训练样本集。该实施方式实现了训练样本的多样化，而且使得训练样本更加容易获取。
训练样本生成方法图像分割装置设备介质

[发明专利]一种评分及模型训练方法、装置和电子设备-CN202011535724.8在审
发明人：李玉杰;谢泽华;周泽南;陈炜鹏;许静芳 -专利权人：北京搜狗科技发展有限公司
申请日： 2020-12-22 - 公布日： 2022-06-24 - 主分类号： G06F16/535 文献下载
摘要：本发明实施例提供了一种评分及模型训练方法、装置和电子设备，其中，所述的模型训练方法包括：收集多张训练图像；将所述多张训练图像划分为每组包含两张训练图像的多个图像组，获取每一个图像组中两张训练图像的美学质量比对结果；并依据所述美学质量比对结果，为对应的每一个图像组标注图像标签；其中，每个图像组中的两张训练图像对应的图像搜索词相同；采用各图像组和各图像组的图像标签对美学模型进行训练。进而无需专业的美学知识的用户对训练图像进行美学打分，即可实现对训练图像进行标注，从而能够降低模型训练的成本，提高模型训练的效率；且本发明实施例采用创建的训练集对美学模型进行训练，能够提高美学模型美学评分的准确度
一种评分模型训练方法装置电子设备

[发明专利]图像检测模型的训练方法、装置及终端设备-CN202010965685.9在审
发明人：郭渺辰;程骏;张惊涛;王东;胡淑萍;庞建新 -专利权人：深圳市优必选科技股份有限公司
申请日： 2020-09-15 - 公布日： 2021-01-08 - 主分类号： G06K9/00 文献下载
摘要：本申请适用于图像处理技术领域，提供了一种图像检测模型的训练方法、装置及终端设备，包括：获取多组训练数据，其中，每组训练数据中包括N幅训练图像，所述N为大于1的正整数；获取待训练的图像检测模型的模型参数，并根据所述模型参数将每组训练数据中的N幅训练图像进行图像合成处理，得到每组训练数据对应的合成图像；利用所述合成图像对所述图像检测模型进行训练，得到训练后的图像检测模型。通过上述方法，能够有效减轻图像检测模型训练过程中训练图像的采集工作量。
图像检测模型训练方法装置终端设备

[发明专利]图像生成模型训练、图像生成方法、装置和计算机设备-CN202210299995.0在审
发明人：王璇;陈悦;张琦;李小雨;王珏 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-03-25 - 公布日： 2023-10-13 - 主分类号： G06T11/00 文献下载
摘要：本申请涉及一种图像生成模型训练、图像生成方法、装置、计算机设备、存储介质和计算机程序产品。本申请涉及人工智能技术。所述方法包括：从目标对象对应的多个训练图像中确定当前训练图像，将当前训练图像对应的训练动作参数和训练视角输入初始图像生成模型；基于训练动作参数对应的预测神经纹理贴图和训练视角，对基于训练视角对训练动作参数对应的预测纹理特征体素进行特征解码得到的预测纹理坐标图像进行图像转换，得到预测图像；基于当前训练图像和预测图像调整初始图像生成模型的模型参数；将下一训练图像输入调整后的初始图像生成模型，进行迭代训练，直至满足收敛条件，得到目标图像生成模型，目标图像生成模型可提高图像生成效率
图像生成模型训练方法装置计算机设备

[发明专利]一种红外目标检测装置及其检测方法-CN202210534431.0在审
发明人：张金慧;周柯言;孙强;张雪飞;冯浩 -专利权人：重庆航天职业技术学院
申请日： 2022-05-17 - 公布日： 2022-08-30 - 主分类号： G06T7/194 文献下载
摘要：本发明涉及红外目标检测技术领域，具体涉及一种红外目标检测装置及其检测方法，包括图像采集系统和图像训练系统，图像训练系统包括数据采集模块、图像处理模块、模型构建模块、模型训练模块和图像训练模块，所述图像采集系统采集红外实测图像；所述数据采集模块采集红外训练图像，得到图像训练集；所述图像处理模块对图像训练集进行降噪处理，得到降噪训练集；所述模型构建模块构建检测模型；所述模型训练模块使用降噪训练集对检测模型进行训练，得到目标检测模型；所述图像训练模块将红外实测图像输入目标检测模型，得到检测目标，解决了干扰物会降低红外目标检测装置对目标的检测效果的问题。
一种红外目标检测装置及其方法

[发明专利]补光模型的训练方法、图像处理方法及其相关设备-CN202210193768.X有效
发明人：魏芅;卢溜 -专利权人：荣耀终端有限公司
申请日： 2022-02-28 - 公布日： 2023-10-20 - 主分类号： G06T5/00 文献下载
摘要：本申请提供一种补光模型的训练方法、图像处理方法及其相关设备，涉及图像技术领域，该训练方法包括：对获取的多帧初始人像训练图像进行第一处理，得到精细掩膜人像训练图像和多帧OLAT训练图像；对精细掩膜人像训练图像和多帧OLAT训练图像进行第二处理，得到反照率人像训练图像和法向人像训练图像；对精细掩膜人像训练图像和多帧OLAT训练图像，以及全景环境图像进行第三处理，得到待补光合成渲染图像和补光合成渲染图像；利用反照率人像训练图像、法向人像训练图像、待补光合成渲染图像和补光合成渲染图像对初始补光模型进行训练，得到目标补光模型。
模型训练方法图像处理及其相关设备

[发明专利]一种训练样本的扩充方法-CN202010450167.3在审
发明人：俞大海;李嘉豪 -专利权人： TCL科技集团股份有限公司
申请日： 2020-05-25 - 公布日： 2021-11-30 - 主分类号： G06T3/00 文献下载
摘要：本发明公开了一种训练样本的扩充方法、存储介质及终端设备，所述方法包括对于初始训练样本组中的一训练图像，确定该训练图像对应的目标图像；根据目标图像生成目标图像对应的掩码图像；基于经过训练的生成网络模型、该掩码图像以及目标图像生成训练图像对应的第一合成图像；将生成的所有第一合成图像加入初始训练样本组，以得到扩充训练样本组。本发明通过经过训练的生成网络模型生成训练图像对应的第一合成图像，并将第一合成图像作为初始训练样本组的扩充图像补充至初始训练样本组，从而实现了训练样本的自动扩充，降低了训练样本扩充的工作量，提高了训练样本扩张的效率，进而提高了神经网络模型的训练效率。
一种训练样本扩充方法

[发明专利]图像处理网络的训练方法、计算机设备及可读存储介质-CN201910650441.9有效
发明人：沈逸;石峰;周翔 -专利权人：上海联影智能医疗科技有限公司
申请日： 2019-07-18 - 公布日： 2022-03-01 - 主分类号： G06T7/194 文献下载
摘要：本申请涉及一种图像处理网络的训练方法、计算机设备及可读存储介质。该方法包括：获取多个训练样本图像，该多个训练样本图像为多组断层图像；将多个训练样本图像输入初始图像处理网络进行图像处理，得到多个训练样本图像的图像处理结果；计算多个训练样本图像的图像处理结果和对应的金标准之间的损失，以及计算同一组训练样本图像中相邻层训练样本图像的图像处理结果之间的差异值，并根据上述损失和差异值对初始图像处理网络进行训练。由于该方法在计算训练样本图像的图像处理结果的损失时，考虑了相邻层训练样本图像的图像处理结果之间的差异值，同时也没有减少训练样本图像的数量，大大提高了训练得到的网络精度。
图像处理网络训练方法计算机设备可读存储介质