“卓嘉璇”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7个，建议您升级VIP下载更多相关专利

[发明专利]虚拟形象的动作生成方法、动作库的构建方法及装置-CN202310547509.7在审
发明人： 卓嘉璇;陆昱;付星辉;孙钟前 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-05-15 - 公布日： 2023-10-27 - 主分类号： G06T13/40 文献下载
摘要：本申请公开了一种虚拟形象的动作生成方法、动作库的构建方法及装置，属于计算机技术领域。本申请通过以音频和文本作为双模态的驱动信号，在文本基础上提取语义层面的语义标签，方便在动作库中找到语义标签匹配的动作类别，这个动作类别能够与音频的语义信息高度适配，反映出来虚拟形象在播报音频的情感倾向和潜在语义，进而根据具有该动作类别的动作数据，为虚拟形象快速、高效地合成准确率更高的动作序列，不但提升虚拟形象的动作生成效率，且提升动作生成准确率。
虚拟形象动作生成方法构建装置

[发明专利]图像处理方法及装置、电子设备和计算机可读存储介质-CN201911235579.9有效
发明人： 卓嘉璇;孙钟前;郑瀚;付星辉;尚鸿 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-12-05 - 公布日： 2023-04-07 - 主分类号： G06T5/50 文献下载
摘要：本公开提供一种图像处理方法、装置以及相关设备，该方法包括：获取待处理图像；通过神经网络模型的目标卷积结构提取所述待处理图像的第一特征信息；通过所述神经网络模型的第一级联结构对第一特征信息进行处理，获得第一特征信息的多个特征图，根据多个特征图获得第二特征信息，其中不同特征图上的像素点在第一特征信息上映射的区域大小不同；根据第一特征信息和第二特征信息获得融合特征信息；在神经网络模型的多个重建通道中确定目标图像重建通道；根据目标图像重建通道对融合特征信息进行处理，获得将待处理图像放大目标放大倍数的目标图像。本公开提供的方法，可以按照不同的目标放大倍数将低分辨率图像重建为提供更多细节的高分辨率图像。
图像处理方法装置电子设备计算机可读存储介质

[发明专利]三维图像中目标对象的分割方法、装置及电子设备-CN201811603470.1有效
发明人： 卓嘉璇;李悦翔;郑冶枫 -专利权人：腾讯科技（深圳）有限公司
申请日： 2018-12-26 - 公布日： 2022-12-16 - 主分类号： G06T7/11 文献下载
摘要：本申请实施例提供了一种三维图像中目标对象的分割方法、装置及电子设备。该方法包括：根据多通道三维网络模型的多个分支特征三维网络，分别对待分割的多个模态组的三维图像进行特征提取，得到多个分支的分支特征图；根据融合特征三维网络，对多个分支的分支特征图进行特征提取和融合，得到融合特征图；根据尺寸放大三维网络，对融合特征图和多个分支的分支特征图进行融合和尺寸放大，得到分割出目标对象的三维图像。本申请实施例中，提取并融合了同一目标对象在不同模态组的三维图像中不同的形态特征，大大提升了目标对象的类型和边缘识别精度，从而提升目标对象的分割精度。
三维图像目标对象分割方法装置电子设备

[发明专利]对象检测模型训练及对象检测方法、装置、计算机设备和存储介质-CN202010090909.6有效
发明人： 卓嘉璇;尚鸿;孙钟前;郑瀚;付星辉 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-02-13 - 公布日： 2022-11-15 - 主分类号： G06V10/25 文献下载
摘要：本申请涉及一种对象检测模型训练及对象检测方法、装置、计算机设备和存储介质。该对象检测模型训练方法包括：将未标注的第一样本图输入本轮的初始检测模型，输出针对目标对象的第一预测结果；对第一样本图和第一预测结果中目标对象的第一预测位置区域进行变换，得到第二样本图和第二样本图中目标对象的预测变换结果；将第二样本图输入初始检测模型，输出目标对象的第二预测结果；根据第二预测结果和预测变换结果的差异，得到无监督学习的损失值；根据损失值，调整初始检测模型的模型参数，并将下一轮作为本轮，返回将第一样本图输入本轮的初始检测模型的步骤以进行迭代训练，直至满足训练结束条件，得到对象检测模型。本申请方案能够节省成本。
对象检测模型训练方法装置计算机设备存储介质

[发明专利]一种基于集中学习与深度网络学习的遮挡行人再识别方法-CN201810269305.0有效
发明人：赖剑煌;卓嘉璇;陈泽宇 -专利权人：中山大学
申请日： 2018-03-29 - 公布日： 2020-08-28 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于集中学习与深度网络学习的遮挡行人再识别方法，该方法通过遮挡模拟器从原始未遮挡训练样本生成多种类型遮挡训练样本，生成的遮挡训练样本与原始训练样本组成联合训练集用于模型的训练，同时添加遮挡与非遮挡分类损失到行人分类损失中去，用多任务损失函数代替以往的单任务损失函数，有效地应对遮挡下行人再识别的问题，使得深度网络学习特征的时候考虑遮挡与非遮挡的先验信息进行特征的提取。实验表明，本发明能较大幅度地提高现有的深度网络在遮挡行人再识别上的性能，具有广泛的应用价值。
一种基于集中学习深度网络学习遮挡行人识别方法

[发明专利]基于循环对抗生成网络的行人图像遮挡检测方法-CN201810266302.1有效
发明人：赖剑煌;陈泽宇;卓嘉璇 -专利权人：中山大学
申请日： 2018-03-28 - 公布日： 2020-07-14 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于循环对抗生成网络的行人图像遮挡检测方法，步骤：(1)在无遮挡的行人图像中随机加入遮挡图像块，生成带遮挡的行人图像及对应的带遮挡标注的行人图像；(2)将上述带遮挡的行人图像及对应的带遮挡标注的行人图像作为两个数据域，训练循环对抗生成网络模型，构建遮挡图像与遮挡标注之间的映射；(3)对于当前输入的待标注图像，利用训练后的循环对抗生成网络模型去产生该图像对应的遮挡标注，同时对待标注图像进行分割，得到若干个超像素块，根据每个超像素块内遮挡标注的信息，采用区域生长方法得到最终的遮挡区域。本发明方法可以在缺少遮挡标注的情况下，针对不同类型的遮挡进行建模，得到像素级别的遮挡区域检测结果。
基于循环对抗生成网络行人图像遮挡检测方法

[发明专利]一种基于教师学生学习框架的遮挡行人再标识方法-CN201911289053.9在审
发明人：赖剑煌;卓嘉璇;陈培佳 -专利权人：中山大学
申请日： 2019-12-12 - 公布日： 2020-04-03 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于教师学生学习框架的遮挡行人再标识方法，包括步骤：首先训练教师网络，利用已有的大规模完整行人数据来模拟遮挡行人再标识的训练过程，该过程的实现由带有跨域模拟器的联合显著检测网络来完成，这个过程为教师教学过程；然后再将教师网络传递给学生网络，让学生网络利用教师网络的模型在真实的小规模遮挡行人数据上继续训练，这个过程为学生实践过程；最后，通过上述教师教学和学生实践过程，训练得到一个既有行人判别性又有遮挡鲁棒性的模型，可用于遮挡行人再标识。本发明能较大幅度地提高现有的遮挡行人再标识任务的效果性能，具有广泛的应用价值。
一种基于教师学生学习框架遮挡行人标识方法

1
共 7 条