“杨敬钰”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99个，建议您升级VIP下载更多相关专利

[发明专利]一种基于扩散模型的事件相机图像重建方法-CN202310986749.7在审
发明人： 杨敬钰;毕春洋;岳焕景;李坤 -专利权人：天津大学
申请日： 2023-08-07 - 公布日： 2023-10-27 - 主分类号： G06T7/207 文献下载
摘要：本发明公开了一种基于扩散模型的事件相机图像重建方法，属于数字图像信号处理技术领域。目前基于深度学习事件相机图像密集重建算法受到事件数据依赖于运动并表现出相当多的噪声和非理想效果的影响，性能并不良好且不稳定。本发明所述方法通过引入目前发展成熟的扩散模型，用在图像重建过程中用生成模型的生成效果来引导图像重建，从而弥补事件信息量不足，重建效果不稳定的情况。并且此发明打通基于事件相机的图像重建与扩散模型的连接，使得后续基于扩散的超分、着色等任务可轻松应用到事件相机图像重建中。
一种基于扩散模型事件相机图像重建方法

[发明专利]基于动态关联信息嵌入的面部动作单元检测方法-CN202310452017.X有效
发明人：刘鑫;苑凯深;岳焕景;杨敬钰 -专利权人：天津大学
申请日： 2023-04-25 - 公布日： 2023-10-24 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了基于动态关联信息嵌入的面部动作单元检测方法，属于面部AU检测方法技术领域；本发明不同于采用固定的AU关联图谱或全连接图进行AU关联信息学习的方法，引入了一个动态更新的AU关联图谱，利用不同阶段得到的表意不同的特征，自适应地更新AU关联图谱，以挖掘更抽象的AU关联信息。具体来说，浅层特征包含丰富的纹理信息，其可以反应肌肉的细粒度变化，通过肌肉运动的相似性可以推断出AU之间的部分关联信息。随着网络层的加深，节点的特征趋于抽象，表征了各个AU的语义信息，通过语义信息的相似性则可以补充纹理信息中无法捕获的隐式的AU关联信息。本发明的动态更新的AU关联图谱并非全连接图，因此更简洁也更加节省算力。
基于动态关联信息嵌入面部动作单元检测方法

[发明专利]一种红外图像处理方法、装置、介质及设备-CN202310849289.3在审
发明人：袁潮;杨琦瑞;陈思远;杨敬钰 -专利权人：北京拙河科技有限公司
申请日： 2023-07-11 - 公布日： 2023-10-13 - 主分类号： G06T7/00 文献下载
摘要：本公开是关于一种红外图像处理方法、装置、介质及设备，属于图像处理领域。其方法包括：获取原始红外图像；对所属原始图像进行小波分解，得到分量信息，根据分量信息进行引导滤波和逆小波变换，得到去除条纹噪声的第一红外图像；对所述第一红外图像进行粗粒度噪声去除处理，得到第二红外图像；对所述第二红外图像进行细节增强处理，得到第三红外图像；对所述第三红外图像进行细粒度噪声去噪处理，得到目标红外图像，从而有效去除原始红外图像上的各种噪声，并且保留细节信息，提高原始红外图像的显示效果。
一种红外图像处理方法装置介质设备

[发明专利]一种基于稀疏表征的深度补全方法-CN202310836476.8在审
发明人： 杨敬钰;董津铭;岳焕景;李坤 -专利权人：天津大学
申请日： 2023-07-08 - 公布日： 2023-10-10 - 主分类号： G06T7/50 文献下载
摘要：本发明公开了一种基于稀疏表征的深度补全方法，属于图像处理技术领域。本发明设计了一种自适应采样方式捕捉重要的采样点，有利于网络重建出较为稠密的深度图，具体包括以下步骤：S1、将RGB图像通过采样网络输出不确定性图；S2、基于不确定性的采样过程来获得采样后的稀疏深度图；S3、搭建重建的神经网络结构，同时将RGB图像和采样后的稀疏深度图一起输入到重建网络中，进行训练，恢复出稠密的深度图。
一种基于稀疏表征深度方法

[发明专利]一种视差引导的光场图像的空间超分辨率重建方法-CN202310604936.4在审
发明人： 杨敬钰;刘高生;岳焕景;李坤 -专利权人：天津大学
申请日： 2023-05-26 - 公布日： 2023-09-29 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种视差引导的光场图像的空间超分辨率重建方法，涉及图像信号处理技术领域。一种视差引导的光场图像的空间超分辨率重建方法，包括如下步骤：S1、建立用于训练和测试的低分辨率‑高分辨率光场图像数据对；S2、设计视差估计子网络和重建子网路；S3、基于S2搭建、训练模型；S4、输出结果；本发明利用自监督视差估计策略得到视差图，在利用所提出的视差引导的特征调制和多视角特征重校准模块，实现了高质量的光场超分辨率重建。
一种视差引导图像空间分辨率重建方法

[发明专利]基于多列多尺度图卷积神经网络的3D人脸生成方法-CN201910930936.7有效
发明人：李坤;刘景瑛;杨敬钰 -专利权人：天津大学
申请日： 2019-09-29 - 公布日： 2023-09-26 - 主分类号： G06V20/64 文献下载
摘要：本发明属于计算机视觉和计算机图形学领域，为一种变分自编码器神经网络去学习3D人脸的高维表示，并同时完成重建任务。利用变分自编码器的生成能力来生成更具有多样性的3D人脸数据。本发明采取的技术方案是，基于多列多尺度图卷积神经网络的3D人脸生成方法，步骤如下：利用基于图卷积结构的多尺度变分编码器框架，将输入的面部三维网格Mesh通过多尺度编码器编码到一个固定维度的中间向量，然后再通过使用解码器就将中间特征向量解析成原始的面部Mesh；其中，所述编码器包含三个部分，多尺度图卷积算法、选择融合、自注意力机制以及网络结构。本发明主要应用于图像处理。
基于多列多尺度图卷神经网络生成方法

[发明专利]基于高低频双支路的视频动作识别方法-CN202310452019.9有效
发明人： 杨敬钰;邢博浩;刘鑫;岳焕景 -专利权人：天津大学
申请日： 2023-04-25 - 公布日： 2023-09-19 - 主分类号： G06V40/20 文献下载
摘要：本发明公开了基于高低频双支路的视频动作识别方法，属于视频理解方法技术领域；本发明不同于使用窗口注意力或仅对键值降采样的方法，打破了现有技术中等价考虑时间和空间的思维。通过利用视频中的时空信息冗余在时间和空间上的特异性，构建了高效处理低频信息的自注意力机制。本发明还并利用人类注意力机制，构建了由低频支路引导的高频支路，并考虑时空信息在时间和空间上的特异性和整体性与局部性，高效利用高频与低频分支，从而解决基于视频的动作识别的问题。
基于低频支路视频动作识别方法

[发明专利]一种基于Raw域的HDR图像重建方法-CN202310759964.3在审
发明人： 杨敬钰;杨琦瑞;岳焕景;李坤 -专利权人：天津大学
申请日： 2023-06-26 - 公布日： 2023-09-15 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于Raw域的HDR图像重建方法，属于图像信号处理技术领域。本发明主要包括如下步骤：S1、构建数据集：基于图像传感器成像原理，构建Raw域图像HDR数据集；S2、设计重建网络：将输入LDR的Raw图像记作#imgabs0#和#imgabs1#将输入HDR的Raw图像记作Igt；基于S1中所得的数据对，将#imgabs2#和#imgabs3#Igt作为训练对来设计Raw域的HDR图像重建网络；S3、搭建、训练模型：基于S2中所设计的重建网络来搭建模型，然后利用深度学习框架Pytorch平台训练模型，在整个数据集上迭代若干个epoch至损失收敛，得到最终模型；S4、输出结果：将测试集中的两张低动态范围的Raw图像输入到S3中所得的最终模型中，得到相应的高动态范围的输出结果#imgabs4#
一种基于 raw hdr 图像重建方法

[发明专利]基于掩码自编码器进行远程生理测量的自监督预训练方法-CN202310445533.X有效
发明人：刘鑫;张雨婷;余梓彤;岳焕景;杨敬钰 -专利权人：天津大学
申请日： 2023-04-24 - 公布日： 2023-09-08 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了基于掩码自编码器进行远程生理测量的自监督预训练方法，属于计算机视觉技术领域；本发明提出了rPPG‑MAE，它采用ST‑Map作为输入，利用掩码自动编码器(MAE)进行自监督的ViT预训练。据我们所知，这是第一次探索在具有挑战性的rPPG任务上使用ST‑Map输入的自监督学习，例如约束较少的VIPL‑HR数据集。本发明设计了一个新的rPPG损失函数来约束MAE预训练任务。提出的rPPG损失比原始MAE中采用的原始像素重建损失更适合于预训练，使ViT能够有效地学习rPPG信号的周期信息。除了原始ST‑Map，本发明还探索了几种rPPG任务相关的重构目标。提出了带通滤波的ST‑Map，将频率限制在心率信号范围内，有助于网络学习有用的周期信息。
基于掩码编码器进行远程生理测量监督训练方法

[发明专利]基于Transformer的Raw视频去噪方法-CN202310446298.8在审
发明人：岳焕景;曹聪;廖磊;杨敬钰 -专利权人：天津大学
申请日： 2023-04-24 - 公布日： 2023-08-15 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了基于Transformer的Raw视频去噪方法，涉及视频信号处理技术领域。基于Transformer的Raw视频去噪方法，包括如下步骤：S1、基于Transformer设计Raw视频去噪算法；S2、训练模型；S3、将测试集中的带噪声的Raw视频序列输入到模型中，得到相应的去除噪声后的视频序列。本发明通过利用所提出的时空融合重建模块以及空间优化模块，将Raw视频去噪性能提升到了新的高度。
基于 transformer raw 视频方法

[发明专利]基于屏摄图像的真实世界Raw视频去噪数据集生成方法-CN202310446179.2在审
发明人：岳焕景;曹聪;廖磊;杨敬钰 -专利权人：天津大学
申请日： 2023-04-23 - 公布日： 2023-08-08 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了基于屏摄图像的真实世界Raw视频去噪数据集生成方法，涉及图像信号处理技术领域。基于屏摄图像的真实世界Raw视频去噪数据集生成方法，包括如下步骤：S1、构建低光环境及采集系统；S2、基于屏摄图像采集真实带噪‑干净Raw视频帧数据对；S3、带噪帧与干净帧间进行亮度矫正和空间对齐；S4、对视频帧进行色彩修正生成Raw视频去噪数据集；本发明基于屏摄图像提出了真实世界Raw视频去噪数据集采集和处理方法，所制作的数据集为Raw视频去噪算法的训练和评估提供了基准数据集。
基于图像真实世界 raw 视频数据生成方法

[发明专利]大动作运动物体的多视角非同时采集与重建方法-CN201910098149.0有效
发明人：李坤;吴振超;杨敬钰;来煜坤 -专利权人：天津大学
申请日： 2019-01-31 - 公布日： 2023-08-04 - 主分类号： G06T7/33 文献下载
摘要：本发明涉及三维重建技术，为提出一种大动作运动物体的多视角非同时采集与重建方法。即使在视角数目相对稀疏的情况下，本方法亦能重建出精确的完整三维模型。为此，本发明采取的技术方案是，大动作运动物体的多视角非同时采集与重建方法,通过不断地迭代以下两大步骤得到各视角最终变换后的模型：(1)在每次各视角模型变形后，从相邻视角的重叠区域寻找更多的对应点；(2)通过优化能量方程，求解出在各相邻视角下所有对应点之间的变换矩阵。本发明主要应用于三维重建场合。
大动作运动物体视角同时采集重建方法

[发明专利]基于密集匹配与自适应融合的参考图引导超分辨率方法-CN202010641903.3有效
发明人：岳焕景;周桐;杨敬钰;侯春萍 -专利权人：天津大学
申请日： 2020-07-06 - 公布日： 2023-07-07 - 主分类号： G06T3/40 文献下载
摘要：本发明属于计算机视觉领域，涉及参考图引导的图像超分辨率算法，为实现在运行速度上与视觉结果上都比现有的算法有较大的提升。本发明基于密集匹配与自适应融合的参考图引导超分辨率方法，步骤如下：建立训练数据集；将参考图与低分辨率图像对齐；将低分辨率图像与对齐之后的参考图输入卷积神经网络进行融合；设置好网络的学习率和各部分损失函数的权重，利用深度神经网络框架PyTorch训练所述卷积神经网络，直到损失收敛，生成训练模型；利用生成的训练模型进行图像超分辨率。主要应用于计算机图像处理场合。
基于密集匹配自适应融合参考引导分辨率方法

[发明专利]基于卷积神经网络的遥感影像缩略图异常数据识别方法-CN202310375451.2在审
发明人： 杨敬钰;李书恒;岳焕景 -专利权人：天津大学
申请日： 2023-04-10 - 公布日： 2023-07-04 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了基于卷积神经网络的遥感影像缩略图异常数据识别方法，涉及数字图像处理技术领域。本发明主要包括以下内容：S1、遥感影像缩略图异常数据识别数据集建立；S2、遥感影像缩略图异常数据识别算法构建；S3、算法训练：基于深度学习框架Pytorch训练模型，使用Adam优化器，迭代训练若干次，得到最终的稳定的遥感影像缩略图异常数据识别模型；S4、模型测试及结果输出：将测试集中遥感影像缩略图数据输入至S3中所得的稳定的遥感影像缩略图异常数据识别模型中，输出相应异常数据识别结果。本发明相较于现有技术，可以准确、高效地对遥感影像缩略图进行异常数据识别。
基于卷积神经网络遥感影像缩略图异常数据识别方法

[发明专利]由单张图像联合估计场景深度与语义的方法-CN201910303361.6有效
发明人： 杨敬钰;徐吉;李坤;岳焕景 -专利权人：天津大学
申请日： 2019-04-15 - 公布日： 2023-06-30 - 主分类号： G06T7/11 文献下载
摘要：本发明属于计算机视觉和计算机图形学领域，为设计一个迭代式的网络去联合估计深度信息和语义信息，利用二者之间的互补特性改善彼此的预测结果，本发明采取的技术方案是，由单张图像联合估计场景深度与语义的方法，步骤如下：利用任何带有单目摄像头的设备进行拍照，获取得到的彩色图像作为网络的输入；2)迭代网络：将一张彩色图像输入多任务的深度卷积网络构成的对于深度估计和语义分割迭代联合优化的框架，估计出其深度和语义信息，深度信息用来重建三维场景，语义信息能够实现场景的理解。本发明主要应用于图像处理场合。
单张图像联合估计场景深度语义方法

1
2
3
4
5
6
7
下一页»
尾页
共 99 条