“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]一种夜间暗光图像质量评价方法-CN202210545120.4在审
发明人：姜求平;徐佳武 -专利权人：宁波大学
申请日： 2022-05-19 - 公布日： 2022-10-18 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种夜间暗光图像质量评价方法，其将高亮度图像和低亮度图像输入到图像分解网络中进行训练，输出各自的反射图像和亮度图像，并训练得到图像分解网络训练模型；将夜间图像输入到图像分解网络训练模型中输出反射图像和亮度图像；将反射图像和亮度图像分别输入到两个编解码网络中，将两个编码网络输出的特征图同时输入到质量评价网络中进行训练，输出夜间图像的质量预测分数，并训练得到两个编解码网络训练模型、质量评价网络训练模型；测试时利用图像分解网络训练模型、两个编解码网络训练模型、质量评价网络训练模型获得夜间图像的质量预测分数；优点是能有效地提高客观评价结果与主观感知的相关性。
一种夜间图像质量评价方法

[发明专利]基于数据增强的训练样本获取方法、装置和电子设备-CN202110740819.1在审
发明人：刘钢 -专利权人：北京字跳网络技术有限公司
申请日： 2021-06-30 - 公布日： 2021-09-10 - 主分类号： G06T5/00 文献下载
摘要：本公开实施例公开了一种基于数据增强的训练样本获取方法、装置和电子设备。该方法的一具体实施方式包括：获取初始训练样本图像集；所述初始训练样本图像集包括初始训练样本图像，初始训练样本图像包括对象的左眼样本图像和右眼样本图像；按照预设规则对初始训练样本图像中的左眼图像或右眼图像进行擦除，得到增强训练样本图像；基于所述增强训练样本图像，得到目标训练样本集。能够有效提高单只眼睛图像的表征能力，使得基于目标训练样本集训练得到的视线估计模型能够具有较低的视线估计误差。
基于数据增强训练样本获取方法装置电子设备

[发明专利]一种基于卷积神经网络的μ-CT图像重构方法-CN201910159076.1在审
发明人：王玉柱 -专利权人：科新（杭州）能源环境科技有限公司
申请日： 2019-03-04 - 公布日： 2019-06-18 - 主分类号： G06T3/40 文献下载
摘要：本发明提供一种基于卷积神经网络的μ‑CT图像重构方法，包括步骤：步骤一、训练图像预处理，即将三维的μ‑CT图像和二维的扫描电镜图像进行图像配准，再对低分辨率的μ‑CT图像进行图像插值，获得训练图像；步骤二、获取训练数据集，根据步骤一获取多个训练图像作为训练样本，将所述训练样本组成一个训练数据集；步骤三、训练图像，将所述训练数据集中的训练图像输入预设的卷积神经网络模型进行训练，获取相应的模型参数；步骤四、图像重构，即将需要重构的低分辨率μ‑CT图像的所有体素点，利用经过训练的所述卷积神经网络模型逐个评价，获取其对应的相类型，通过所述相类型重构一个高分辨率图像。
训练图像卷积神经网络重构训练数据集低分辨率训练样本预处理高分辨率图像扫描电镜图像模型参数图像配准图像重构训练数据重构的二维体素预设三维图像

[发明专利]模型训练、图像处理方法和设备、图像处理器及介质-CN201910661800.0在审
发明人：巫奇豪;白雪 -专利权人：北京迈格威科技有限公司
申请日： 2019-07-22 - 公布日： 2019-11-29 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了模型训练、图像处理方法和设备、图像处理器及介质。该模型训练方法包括：获得多个成对的训练数据作为训练数据集；使用训练数据集来训练多尺度图像处理模型，其中，将成对的训练数据之中的美化前图像，通过缩放来形成不同尺度的美化前图像作为输入图像，而将成对的训练数据之中的美化后图像，通过缩放来形成不同尺度的美化后图像，作为监督图像，以通过反向传播来训练出所述多尺度图像处理模型。本发明通过采用能够适应性处理不同尺度输入图像的多尺度图像处理模型，能够获得更自然美观的图像处理效果。
多尺度图像处理图像训练数据成对的美化训练数据集模型训练输入图像尺度缩放图像处理效果方法和设备图像处理器反向传播图像处理美观监督

[发明专利]图像字符识别模型训练方法、图像字符识别方法及装置-CN202111415332.2在审
发明人：范湉湉;黄灿;王长虎 -专利权人：北京有竹居网络技术有限公司
申请日： 2021-11-25 - 公布日： 2022-02-15 - 主分类号： G06V30/10 文献下载
摘要：本申请实施例公开了图像字符识别模型训练方法、图像字符识别方法及装置，利用训练图像和训练图像对应的字符标识，训练由第一模型和第二模型构成的图像字符识别模型。训练图像包括遮蔽字符区域和显示字符区域。利用包括遮蔽字符区域的训练图像对图像字符识别模型进行训练，能够使得图像字符识别模型更好地提取双向上下文信息，如此训练得到的图像字符识别模型准确率较高。利用训练完成的图像字符识别模型对待识别图像进行识别，可以得到更为准确的待识别图像包括的字符。
图像字符识别模型训练方法装置

[发明专利]一种基于神经网络和视觉分析的图像识别方法-CN202010330864.5在审
发明人：吴浩然;徐其山;苏涛;蔡卫锋;张楠;王红 -专利权人：国网河南省电力公司商丘供电公司
申请日： 2020-04-24 - 公布日： 2020-08-11 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于神经网络和视觉分析的图像识别方法，方法包括：采集训练样本图像和类别，并将训练样本图像按照类别顺序建立训练样本集；根据训练样本集生成图像集数；基于图像集数，使用深度神经网络或HOG+SVM算法对训练样本集进行训练，得到训练器模型；获取待识别图像，利用训练器模型处理待识别图像后得到训练后的图像，通过视觉分析对训练后的图像进行识别，该图像处理方法可以放到监控现场前端，实现车牌颜色及数字的即时识别
一种基于神经网络视觉分析图像识别方法

[发明专利]人脸模型的训练方法和装置、人脸认证方法和装置-CN201610848965.5有效
发明人：王洋;张伟琳;陆小军 -专利权人：北京眼神科技有限公司
申请日： 2016-09-23 - 公布日： 2021-07-06 - 主分类号： G06K9/00 文献下载
摘要：本发明实施例提供了一种人脸模型的训练方法和装置、人脸认证方法和装置，该训练方法包括：获取训练样本，所述训练样本包括训练图像数据和证件图像数据；根据所述训练图像数据和所述证件图像数据获得训练人脸图像和证件人脸图像；采用所述训练人脸图像训练人脸特征模型；采用配对的训练人脸图像和证件人脸图像，对所述人脸特征模型进行调整。本发明实施例通过识别信号预训练和认证信号微调的方法训练模型，解决样本数量不平衡的问题，提高了模型的性能，从而提高了人脸认证的准确率。
模型训练方法装置认证

[发明专利]标签构建方法及相关装置-CN202110513555.6在审
发明人：胡海波;唐邦杰;刘忠耿;潘华东 -专利权人：浙江大华技术股份有限公司
申请日： 2021-05-11 - 公布日： 2021-09-17 - 主分类号： G06K9/00 文献下载
摘要：本申请公开了一种标签构建方法及相关装置，标签构建方法包括：获得训练集，其中，训练集中包含多个训练图像，且每个训练图像中均包含特定目标；对每个训练图像中的特定目标进行身体部位划分，以获得多个身体部位的局部图像；利用每个训练图像的所有身体部位的局部图像获得对应的训练图像的特征；利用每个训练图像的特征获得训练图像相对于多个参考图像的相似度，其中，每个参考图像中均包含特定目标；根据与每个训练图像对应的多个相似度设置训练图像的标签
标签构建方法相关装置

[发明专利]OCR训练数据生成方法、装置、计算机设备和存储介质-CN202110620906.3在审
发明人：朱军;禤少茵 -专利权人：广州市新文溯科技有限公司
申请日： 2021-06-03 - 公布日： 2021-09-07 - 主分类号： G06K9/20 文献下载
摘要：本申请涉及一种OCR训练数据生成方法、装置、计算机设备和存储介质。所述方法包括：通过获取训练语料库，获取图像参数信息，根据图像参数信息建立空白图像，提取训练语料库中预设字符串，按照预设的生成字符参数信息将提取的字符串中的字符写入空白图像中，生成初始图像，对初始图像进行图像增强处理，得到训练图像，根据训练图像生成训练OCR深度学习引擎的训练数据。本方案用于优化传真图像和扫描图像的识别，生成的训练数据中的图片具备真实传真图像或扫描图像特征，使用该训练数据进行训练后的OCR模型在进行识别传真图像和扫描图像时，识别率有着显著的提升。
ocr 训练数据生成方法装置计算机设备存储介质

[发明专利]模型训练方法-CN202310814511.6在审
发明人：沈晰强;傅斌 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2023-07-05 - 公布日： 2023-08-08 - 主分类号： G06V10/30 文献下载
摘要：本申请公开了一种模型训练方法，涉及深度学习技术领域。方法包括：获取待训练人脸图像降噪模型以及训练样本集，训练样本集包括多组图像对，每组图像对包括样本人脸图像和参考人脸图像；待训练人脸图像降噪模型用于对样本人脸图像进行降噪处理，获得降噪后图像；对样本人脸图像进行语义分割，获得至少一个语义分割区域；基于参考人脸图像和降噪后图像之间各语义分割区域的结构损失，构建待训练人脸图像降噪模型的第一损失函数；利用训练样本集和第一损失函数训练待训练人脸图像降噪模型，获得目标图像降噪模型本申请可使得训练得到的人脸图像降噪网络可以更好的在降噪处理过程中保留细节特征。
模型训练方法

[发明专利]生成模型训练方法、图像生成方法及装置、介质、终端-CN201910422770.8有效
发明人：侯琦;蔡育锋;张无名 -专利权人：北京新唐思创教育科技有限公司
申请日： 2019-05-21 - 公布日： 2022-05-31 - 主分类号： G06V10/764 文献下载
摘要：本发明实施例公开了一种生成模型训练方法、图像生成方法及装置、介质、终端，所述生成模型训练方法包括：基于训练图像中图像的关键点，得到生成模型的训练数据；根据所述训练数据对所述生成模型进行训练，直至判别模型对所述生成模型输出的生成图像的判定结果不变；其中，所述判别模型还适于根据所述训练图像得到所述训练图像的边缘轮廓图像，并且根据所述生成图像得到所述生成图像的边缘轮廓图像；对所述生成模型进行训练包括：基于所述训练图像的边缘轮廓图像以及所述生成图像的边缘轮廓图像调整所述生成模型的模型参数本发明实施例中的技术方案可以提升生成模型生成的图像的清晰度。
生成模型训练方法图像装置介质终端

[发明专利]图像恢复网络的训练方法、设备及计算机可读存储介质-CN202211231610.3有效
发明人：李坚强;王佳;苏武强 -专利权人：深圳大学
申请日： 2022-10-10 - 公布日： 2023-03-24 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种图像恢复网络的训练方法、设备及计算机可读存储介质，其中，方法包括：将各个训练图像对应的线性观测值输入至预设的图像恢复网络进行训练，以获得训练图像对应的恢复图像；根据恢复图像以及预设受保护的分类模型，确定训练损失参数，并根据训练损失参数，对图像恢复网络中的参数进行更新，得到训练后的图像恢复网络；若训练后的图像恢复网络收敛，则将训练后的图像恢复网络作为目标图像恢复网络，而后可实时将待分类的图像输入至训练好的目标图像恢复网络中，可得到避免对抗性干扰的目标恢复图像，从而使得分类模型对目标恢复图像能进行正确分类，以实现对分类模型的保护。
图像恢复网络训练方法设备计算机可读存储介质

[发明专利]一种基于深度学习的MRI图像与CT图像转化方法及终端-CN202111458847.0在审
发明人：刘吉平;张翔;单国平;陈炜;时建芳;王彬冰;王俊;谢宝文 -专利权人：深圳市医诺智能科技发展有限公司
申请日： 2021-12-02 - 公布日： 2022-04-01 - 主分类号： G06V10/774 文献下载
摘要：本发明公开一种基于深度学习的MRI图像与CT图像转化方法及终端，获取训练MRI图像与训练CT图像，并对所述训练MRI图像与训练CT图像进行N4偏置校正和直方图匹配，得到预处理后的训练MRI图像与预处理后的训练CT图像；基于所述预处理后的训练MRI图像与所述预处理后的训练CT图像对初始全卷积神经网络模型进行训练和验证，得到最终全卷积神经网络模型；获取待转化图像，并将所述待转化图像输入所述最终全卷积神经网络模型，得到与所述待转化图像对应的合成图像，从而能够提高MRI图像与CT图像转化的精确度。
一种基于深度学习 mri 图像 ct 转化方法终端

[发明专利]一种肝脏肿瘤图像分割模型训练方法-CN202110493710.2在审
发明人：王博;赵威;申建虎;张伟;徐正清 -专利权人：西安智诊智能科技有限公司
申请日： 2021-05-07 - 公布日： 2021-09-03 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种肝脏肿瘤图像分割模型训练方法，首先获取肝脏CT图像，对肝脏CT图像进行预处理操作得到样本图像和肿瘤斑块图像，然后进行肿瘤图像分割模型具体训练：一阶段，将样本图像输入预设的图像分割模型中进行训练，得到训练完成的第一肿瘤图像分割模型；二阶段，将肿瘤斑块图像输入至第一肿瘤图像分割模型中进行训练，得到训练完成的第二肿瘤图像分割模型；三阶段，将样本图像输入至第二图像分割模型中进行训练，得到训练完成的肿瘤图像分割模型该方法从整个肝脏CT图像输入和肿瘤斑块图像两方面训练网络，可以整合肿瘤的特定特征，并结合肿瘤数据的整体背景，提高肝脏肿瘤图像分割的准确率。
一种肝脏肿瘤图像分割模型训练方法

[发明专利]一种基于对抗样本的医学图像重建方法及相关装置-CN202211425844.1在审
发明人：王珊珊;吴若有;黄纬键;陈杰 -专利权人：鹏城实验室
申请日： 2022-11-15 - 公布日： 2023-04-25 - 主分类号： G06T11/00 文献下载
摘要：本申请公开了一种基于对抗样本的医学图像重建方法及相关装置，所述的方法包括：获取待重建的医学图像，并将所述医学图像输入经过训练的恢复网络模型，其中，所述恢复网络模型为训练医学图像以及训练医学图像对应的去干扰图像训练得到的，所述去干扰图像为基于训练医学图像生成的对抗样本生成的；通过所述恢复网络模型确定所述医学图像对应的重建图像。本申请采用基于训练医学图像对应的对抗样本生成去干扰图像和训练图像训练恢复网络模型对医学图像进行重建，可以提高重构医学图像的图像质量，这是由于采用去干扰图像作为干净图像可以解决对抗训练方法对干净样本恢复性能下降的问题
一种基于对抗样本医学图像重建方法相关装置