“傅予力”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60个，建议您升级VIP下载更多相关专利

[发明专利]基于融合特征和字典学习的人脸表示攻击检测方法及系统-CN202010696193.4有效
发明人： 傅予力;黄汉业;向友君;许晓燕;吕玲玲 -专利权人：华南理工大学
申请日： 2020-07-20 - 公布日： 2023-07-21 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于融合特征和字典学习的人脸表示攻击检测方法及系统，该方法步骤包括：根据人脸图像二次成像的失真来源提取完整人脸图像的图像质量特征；构建深度卷积网络模型，通过深度卷积网络提取人脸图像块的深度网络特征；将两种特征级联通过PCA生成最终的融合特征；利用融合特征初始化字典原子，训练基于低秩共享字典的字典学习分类器；基于融合特征重构残差的大小判断测试样本的类别。本发明首次结合图像质量特征和深度网络特征进行人脸表示攻击检测，更好地利用了单帧图像提供的信息，有效增强了提取特征的判别能力；首次通过低秩共享字典剥离出真伪样本的相同模式，不仅成功提高了攻击检测的准确率，而且具有良好的泛化性。
基于融合特征字典学习表示攻击检测方法系统

[发明专利]一种基于RGB图像和MSR图像双通道的目标检测方法-CN202011306712.8有效
发明人：向友君;董庆州;童逸轩;李乐民;傅予力 -专利权人：华南理工大学
申请日： 2020-11-20 - 公布日： 2023-07-18 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于RGB图像和MSR图像双通道的目标检测方法，其特征在于，包括以下步骤：S1、通过在原始RGB图像上应用灰度化和MSR(Multi Scale Retinex)算法，得到具有颜色恒常性的MSR图像；S2、对于步骤S1得到的原始RGB图像和MSR图像，分别采用特征金字塔网络(Feature Pyramid Networks，FPN)模型对图像进行深度特征的学习S3、通过注意力机制对原始RGB图像和MSR图像的特征进行特征融合；S4、通过Focal Loss和DIoU Loss对特征金字塔网络模型进行分类和回归过程进行监督；S5、利用特征金字塔网络模型对预测目标进行检测。
一种基于 rgb 图像 msr 双通道目标检测方法

[发明专利]一种基于自校准网络的不确定性最小化去雨方法-CN202310189148.3在审
发明人： 傅予力;夏君君;蔡磊;向友君;霍万良;张颖;王鹏程 -专利权人：华南理工大学
申请日： 2023-03-02 - 公布日： 2023-07-14 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于自校准网络的不确定性最小化去雨方法，包括：选择数据集中的训练集，得到m对图像作为训练样本；构建自校准网络，所述自校准网络包括输入层、多个结构相同的自校准模块以及相应的输出层；构建不确定性损失函数实现去雨不确定性最小化，联合雨残差损失函数及恢复损失函数优化自校准网络；将训练样本输入优化后的自校准网络，得到最优去雨模型；选择数据集中的测试集，将测试样本输入到最优去雨模型中得到最终的去雨图像。本方法解决现有多尺度去雨网络容易丢失图像空间信息的问题。
一种基于校准网络不确定性最小化方法

[发明专利]基于循环内外密集连接和注意力增强的单幅图像去雨方法-CN202310127850.7在审
发明人： 傅予力;霍万良;蔡磊;向友君;夏君君;张靓;王鹏程 -专利权人：华南理工大学
申请日： 2023-02-17 - 公布日： 2023-06-23 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于循环内外密集连接和注意力增强的单幅图像去雨方法，包括：构建用于单幅图像去雨的循环内外密集连接和注意力增强网络，该网络包括多次共享参数的循环子网络，确定损失函数，损失函数包括结构相似度和感知损失；输入训练数据，训练网络参数得到循环去雨模型。本发明在循环内建立密集连接，拓展网络信息传递的通道，使包含更多背景细节信息的浅层特征通过信息传递被网络深层和后续循环的卷积层充分利用，让网络循环渐进式去雨过程中能够保留更多的背景细节。
基于循环内外密集连接注意力增强单幅图像方法

[发明专利]基于全尺寸深度图监督的人脸表示攻击检测方法-CN202110354595.0有效
发明人： 傅予力;许晓燕;黄汉业;杨国栋;吕玲玲;向友君 -专利权人：华南理工大学
申请日： 2021-03-29 - 公布日： 2023-06-20 - 主分类号： G06V40/40 文献下载
摘要：本发明公开了一种基于全尺寸深度图监督的人脸表示攻击检测方法，该方法包括：构建基于全尺寸深度图监督的人脸表示攻击检测模型；输入待检测人脸图片到经过训练的人脸表示攻击检测模型中，得到与待检测人脸图片宽和高尺寸完全相同的全尺寸预测深度图，该全尺寸预测深度图上的每个像素值是对待检测人脸图片对应像素点的深度预测值；取全尺寸预测深度图的平均深度预测值作为最终得分，与事先设定的判别阈值进行比较，得到检测结果。本发明采用全尺寸深度图作为标签进行监督建模，融合输入人脸图片的浅层特征和深层特征得到全尺寸预测深度图，检测精度高，能够适应不同的光照和采集设备条件下的现实检测场景。
基于尺寸深度监督表示攻击检测方法

[发明专利]一种基于双字典学习的遮挡鲁棒性人脸对齐方法-CN202010000354.1有效
发明人： 傅予力;谢扬;许晓燕;吕玲玲;李现峰;向友君 -专利权人：华南理工大学
申请日： 2020-01-02 - 公布日： 2023-04-25 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于双字典学习的遮挡鲁棒性人脸对齐方法，该对齐方法包括：训练过程与对齐过程。本发明在收集人脸面部特征时，综合考虑了人脸全局形状特征和局部外观特征，得到的训练模型在测试拟合时对噪声有更强的抗干扰能力，同时，针对遮挡条件下人脸关键点的突变问题，进一步分析对齐误差，引入关键点突变参数和对齐误差权重衰减参数，构建对齐误差编码矩阵，使字典学习过程更多地关注未遮挡部分，减轻遮挡位置与遮挡样式带来的影响，提高了人脸对齐的准确率，更好地适应自然条件下有遮挡的人脸对齐。
一种基于字典学习遮挡鲁棒性人脸对齐方法

[发明专利]一种基于LBP-VAE异常检测模型的人脸表示攻击检测方法-CN202010001785.X有效
发明人： 傅予力;许晓燕;谢扬;吕玲玲;肖芸榕;黄汉业;向友君 -专利权人：华南理工大学
申请日： 2020-01-02 - 公布日： 2023-04-07 - 主分类号： G06V40/40 文献下载
摘要：本发明公开了一种基于LBP‑VAE异常检测模型的人脸表示攻击检测方法，该方法包括：构建LBP‑VAE异常检测模型；获取训练样本，训练样本只需用真实样本；对训练样本提取LBP特征，得到样本特征向量；将训练样本的特征向量作为VAE的输入，训练VAE网络，得到完整的LBP‑VAE异常检测模型；当人脸表示攻击样本输入到该模型时，由于样本特征空间分布与真实样本不同，因此VAE网络的输出误差很大，将被作为异常检测出来，而当真实样本输入到该模型时，VAE网络的输出误差较小，由此可以区分两类样本。本发明公开的攻击检测方法，对不同类型的人脸表示攻击样本都有较好的检测性能，对噪声鲁棒性强，能适应不同的现实场景。
一种基于 lbp vae 异常检测模型表示攻击方法

[发明专利]基于图像先验和门控注意力学习的单图去雨方法和系统-CN202211546859.3在审
发明人： 傅予力;王鹏程;向友君 -专利权人：华南理工大学
申请日： 2022-12-05 - 公布日： 2023-03-31 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于图像先验和门控注意力学习的单图去雨方法及系统，该方法包括：构建基于图像先验和门控注意力学习的网络模型，所述网络模型包括顺序连接的特征提取器、编解码器和具有注意力机制的门控器；获取训练样本；构成有雨‑无雨图像对训练数据集；将所述有雨‑无雨图像对训练数据集进行预处理，将预处理后的数据输入到所述基于图像先验和门控注意力学习的网络模型中进行训练，得到训练好的基于图像先验和门控注意力学习的网络模型；将需要去雨的图像输入到训练好的基于图像先验和门控注意力学习的网络模型，最终获取去雨后的图像数据,本发明有效的提取图像的细节信息和识别出更多的雨条纹，从而增强了雨图的去雨效果。
基于图像先验门控注意力学习单图去雨方法系统

[发明专利]基于雨条纹指导的单幅图像的渐进式去雨方法-CN202210882193.2在审
发明人： 傅予力;夏君君;蔡磊;向友君;霍万良;张颖;王鹏程 -专利权人：华南理工大学
申请日： 2022-07-26 - 公布日： 2022-11-18 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于雨条纹指导的单幅图像的渐进式去雨方法，包括以下步骤：S1：构建具有多个阶段的渐进式去雨网络，每一阶段均包括渐进式雨条纹检测模块和渐进式雨条纹去除模块；S2：获取有雨图像，将有雨图像输入渐进式去雨网络进行训练，渐进式雨条纹检测模块输出雨条纹掩膜，渐进式雨条纹去除模块输出去雨图像；S3：设定渐进式去雨网络的组合损失函数，根据组合损失函数对渐进式去雨网络进行优化，获得渐进式去雨网络模型；S4：将待去雨的有雨图像输入训练好的渐进式去雨网络模型，渐进式去雨网络模型输出去除雨条纹后的无雨图像。本发明可以有效地恢复被雨条纹遮挡的图像，解决雨条纹去除不干净的情况，实现了每阶段逐步去除雨条纹的效果。
基于条纹指导单幅图像渐进式去雨方法

[发明专利]基于神经结构搜索和雨密度引导的单幅图像去雨方法-CN202210665296.3在审
发明人： 傅予力;霍万良;蔡磊;向友君;夏君君;张颖 -专利权人：华南理工大学
申请日： 2022-06-14 - 公布日： 2022-11-01 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于神经结构搜索和雨密度引导的单幅图像去雨方法，包括以下步骤：S1.确定雨密度推理网络和单幅图像去雨网络的结构搜索空间，构建雨密度推理网络和单幅图像去雨网络；S2.将有雨图像输入雨密度推理网络，雨密度推理网络自动搜索网络结构；S3.冻结雨密度推理网络的结构参数，将有雨图像输入雨密度推理网络，训练雨密度推理网络的网络权重；S4.将有雨图像输入雨密度推理网络，雨密度推理网络输出雨密度图，将有雨图像和雨密度图输入单幅图像去雨网络，单幅图像去雨网络自动搜索网络结构；S5.冻结单幅图像去雨网络的结构参数，将有雨图像和雨密度图输入单幅图像去雨网络，训练单幅图像去雨网络的网络权重，冻结其网络权重，获得去雨模型。
基于神经结构搜索密度引导单幅图像方法

[发明专利]一种基于场景深度的单图像去雨雾方法、设备及存储介质-CN202210361473.9在审
发明人： 傅予力;黄锦祥;蔡磊;向友君 -专利权人：华南理工大学
申请日： 2022-04-07 - 公布日： 2022-08-05 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于场景深度的单图像去雨雾方法、设备及存储介质，包括：构建去雨雾任务训练网络，所述去雨雾任务训练网络包括第一生成器、第二生成器及判别器，所述第一生成器输入为雨图，输出为单通道的场景深度图，所述场景深度图与雨图进行拼接后输入第二生成器，输出去雨雾图片；所述判别器用于判断生成的去雨雾图片与标签雨图是否一致；获取训练样本，所述训练样本包括雨图，雨图对应场景深度图及干净无雨图；对去雨雾任务训练网络进行训练，得到去雨雾生成模型。本发明对雨水图片处理操作简单，只需要单张雨水图片，经过训练好的生成式网络前向传播就能得到去雨后的干净图片。
一种基于场景深度图像雨雾方法设备存储介质

[发明专利]一种基于可微分渲染器的单图三维人脸重建方法-CN202210365752.2在审
发明人： 傅予力;梁俊韬;蔡磊;向友君 -专利权人：华南理工大学
申请日： 2022-04-08 - 公布日： 2022-08-02 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种基于可微分渲染器的单图三维人脸重建方法，包括以下步骤：S1、将目标人脸图像输入至预训练的回归网络中，得到初始化三维人脸参数；S2、将三维人脸参数和姿态参数输入可微分渲染器，分别得到与输入图像相同姿态的渲染图像以及不同姿态的渲染图像；S3、根据目标图像和相同姿态下的渲染图像进行对比，得到关键点损失值和像素级损失值；S4、根据目标图像和不同姿态下的渲染图像进行对比，得到生成对抗损失值和身份一致性损失值；S5、根据所计算的损失值对三维人脸参数进行优化，并将更新的三维人脸参数返回至步骤S2，直至迭代收敛，得到优化后的三维人脸参数。本发明引入真正可微的渲染器，得到质量更高的三维人脸重建结果。
一种基于微分渲染三维重建方法

[发明专利]一种基于人脸局部约束编码校准识别方法-CN201810506015.3有效
发明人： 傅予力;肖芸榕;吴小思;张隆琴;向友君 -专利权人：华南理工大学
申请日： 2018-05-24 - 公布日： 2022-03-29 - 主分类号： G06V10/772 文献下载
摘要：本发明公开了一种基于人脸局部约束编码校准识别方法，包括：输入训练集，构建字典；获取失配准的待识别人脸图像作为测试样本；初始化误差权重；对测试样本图像进行基于加权重构误差的局部约束编码；更新校准结果；判断更新后的校准结果是否收敛或达到最大迭代次数；若收敛或达到最大迭代次数，则输出最终的校准结果，若不收敛或未达到最大迭代次数，则更新误差权重之后再次进行基于加权重构误差的局部约束编码，直至收敛或达到最大迭代次数。该方法对表示系数进行局部约束，并采用加权l2范数的正则项约束重构误差，使得校准和识别结果更注重于非遮挡区域。该方法能适应不同的现实场景，对于遮挡和非遮挡场景都能快速完成人脸校准和识别。
一种基于局部约束编码校准识别方法

[发明专利]一种人脸表示攻击检测方法、系统、装置及介质-CN202111111825.7在审
发明人： 傅予力;杨国栋;黄汉业;向友君 -专利权人：华南理工大学
申请日： 2021-09-23 - 公布日： 2022-01-04 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种人脸表示攻击检测方法、系统、装置及介质，其中方法包括：构建单边领域对抗模型，所述单边领域对抗模型包括特征提取器，领域判别器和分类器；获取训练样本，根据训练样本构建对齐的人脸图像数据库，从人脸图像数据库中获取源域和目标域；根据源域训练所述单边领域对抗模型，以及构建包含目标域的样本的初始集合；根据初始集合重新训练所述单边领域对抗模型；采用训练获得的所述单边领域对抗模型进行人脸表示攻击检测。本发明在单边领域泛化方法的基础上通过将目标域数据加入单边领域对抗训练中，充分地利用了目标域数据提供的信息，有效地增强了模型的泛化能力。本发明可广泛应用于图像处理和生物安全技术领域。
一种表示攻击检测方法系统装置介质

[发明专利]一种基于无线能量传输网络的无人机三维轨迹的设计方法-CN201910942069.9有效
发明人：冯婉媚;唐杰;傅予力;章秀银;敖少鹏;区俊辉 -专利权人：华南理工大学
申请日： 2019-09-30 - 公布日： 2021-10-26 - 主分类号： G05D1/10 文献下载
摘要：本发明公开了一种基于无线能量传输网络的无人机三维轨迹的设计方法。所述方法包括：无线能量传输网络的下行信道模型建立；基于用户采集能量最大化的数学模型的建立，包括无人机三维位置部署、充电时间分配以及能量波束方向图产生；联合优化无人机三维位置部署、充电时间、能量波束的低复杂度迭代算法的设计与分析；使用分支定界法设计无人机三维飞行轨迹。本发明提出将三维能量波束赋形技术应用于无线能量传输网络中，并建立该网络模型基于最大化用户采集能量的数学优化问题，应用低复杂度的迭代算法联合优化无人机三维位置部署、充电时间以及能量波束方向图，以实现在满足无人机海拔高度和覆盖区域限制的同时，最大化覆盖区域内用户采集的能量。
一种基于无线能量传输网络无人机三维轨迹设计方法

1
2
3
4
下一页»
尾页
共 60 条