“施煜锴”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]一种基于语义编辑的皮肤病变图像分割方法及系统-CN202310871588.7在审
发明人：卢永毅;曹乐萱;施煜锴;杨志景 -专利权人：广东工业大学
申请日： 2023-07-14 - 公布日： 2023-10-24 - 主分类号： G06T7/00 文献下载
摘要：一种基于语义编辑的皮肤病变图像分割方法及系统，首先对皮肤病变图像数据集进行划分，得到训练集、验证集和测试集，再对皮肤病变图像数据集进行预处理，然后构建生成对抗网络，所述生成对抗网络包括生成器和判别器，并对生成对抗网络进行训练，得到训练好的生成器和判别器，之后构建语义编辑模型，并利用训练好的生成器生成伪皮肤病变图像，利用伪皮肤病变图像对语义编辑模型进行训练，得到训练好的语义编辑模型，并评估语义编辑模型的性能，最后将训练好的语义编辑模型用于皮肤病变图像分割。本发明克服了依赖大量人工标注、分割效果差等不足，可使皮肤图像分割后的边界更加清晰、准确，且具有较好的鲁棒性。
一种基于语义编辑皮肤病变图像分割方法系统

[发明专利]一种基于随机重排和无标签模型的隐式图像盲去噪方法-CN202211076019.5有效
发明人：聂琳;徐丽莉;康文雄;施煜锴 -专利权人：华南理工大学;广东工业大学
申请日： 2022-09-02 - 公布日： 2023-10-24 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于随机重排和无标签模型的隐式图像盲去噪方法，包括以下步骤：首先，利用图像高频信号滤波器提取带噪图像的低频图像，接着用带噪图像减去低频图像以获取高频信号，并对高频信号进行预处理；其次，通过隐式噪声模型提取高频信号生成同类型的噪声信号，利用生成的的噪声信号构建带噪图像数据；最后，将带噪图像数据训练基于神经网络盲去噪模型，利用训练好的基于神经网络盲去噪模型对图像进行去噪处理。
一种基于随机重排标签模型图像盲去噪方法

[发明专利]一种基于主动学习的衣物关键点辅助标注及预测优化方法-CN202011556709.1有效
发明人：温才镇;施煜锴;杨志景;凌永权 -专利权人：广东工业大学
申请日： 2020-12-24 - 公布日： 2023-09-22 - 主分类号： G06T7/70 文献下载
摘要：本发明提供的一种基于主动学习的衣物关键点辅助标注及预测优化方法，包括：根据衣物图像数据构建初始带标签数据集和无标签数据测试集；构建衣物关键点预测网络并利用初始带标签数据集进行训练，得到训练后的衣物关键点预测网络；将无标签数据测试集作为训练后的衣物关键点预测网络的输入，使用主动学习策略判断关键点是否需要人工标签；根据判断结果对图像关键点进行标注。本发明提供的衣物关键点辅助标注及预测优化方法，将主动学习策略应用到衣物关键点预测网络中，实现了对衣物图像上的关键点的标注，解决了现有方法无法直接应用于图像相关的深度学习任务的问题，大大降低了衣物关键点标注所需要的人力工作量，实现高效的衣物数据库建立。
一种基于主动学习衣物关键辅助标注预测优化方法

[发明专利]一种基于混合标注数据的人像抠图方法-CN202211596180.5在审
发明人：杨志景;柏安辉;陈添水;施煜锴 -专利权人：广东工业大学
申请日： 2022-12-13 - 公布日： 2023-04-07 - 主分类号： G06V10/26 文献下载
摘要：本发明提出一种基于混合标注数据的人像抠图方法，涉及图像处理的技术领域，解决了在基于深度学习的人像抠图方法中，在面向粗标注数据时人像细节提取效率低，无法实现人像精准抠图的问题，首先对获取混合标注图像数据集进行预处理，然后构建用于对图像特征进行识别提取融合以及对混合标注图像数据集的监督信号进行更新的人像抠图神经网络模型，再对人像抠图神经网络模型进行训练，进一步将待抠图图像输入训练好的人像抠图神经网络模型，输出待抠图图像的透明度掩膜的预测结果，最后根据待抠图图像的透明度掩膜的预测结果，从待抠图图像中抠取人像图像，减少了细标注人像数据集的依赖，提高了人像细节提取效率，实现人像精准抠图。
一种基于混合标注数据人像方法

[发明专利]一种基于上下文相关多任务深度学习的图像超分辨算法-CN201710652936.6有效
发明人：林倞;施煜锴;陈崇雨;王可泽;成慧 -专利权人：中山大学
申请日： 2017-08-02 - 公布日： 2023-03-28 - 主分类号： G06T3/40 文献下载
摘要：本发明提供一种基于上下文相关多任务深度学习的图像超分辨算法，该算法设计了三个深度神经网络，分别用于捕捉图像的基本信息、主要边缘信息和微小细节信息，然后在一个多任务学习的框架中对这些神经网络进行上下文相关连接与统一训练。给定输入的低分辨率图像，训练好的神经网络将分别输出基本图像、主要边缘图像和微小细节图像，最终的高分辨率图像由基本图像和微小细节图像融合而成；该算法可以仅用静态低分辨率(LR)图像为输入，恢复出高分辨率(HR)的图像。并且，所恢复出来的HR图像的结构得到了很好的保持，能尽可能多地恢复出理想HR图像中的结构信息。
一种基于上下文相关任务深度学习图像分辨算法

[发明专利]一种虚拟试衣去遮挡方法和系统-CN202210752945.3在审
发明人：杨志景;陈俊阳;施煜锴;陈添水 -专利权人：广东工业大学
申请日： 2022-06-29 - 公布日： 2022-09-09 - 主分类号： G06T3/00 文献下载
摘要：本发明公开一种虚拟试衣去遮挡方法和系统，方法包括以下步骤：S1：获取原始图像和试穿衣物的图像；S2：训练一个SPN网络；S3：将原始图像中的相关人物的先验语义信息与试穿图像中的衣物信息结合，利用SPN网络的生成器生成试衣图像中人物的语义信息；S4：利用SPN网络的修复器对试衣图像中人物的语义信息进行修复，并与试穿衣物的图像中的衣物信息结合，得到修复的衣物形变图像；S5：对SPN网络得到的人物语义信息进行区域挖掘，找到粘贴OcclusionPatch的区域，将occlusion patch与原图像结合，作为增强数据，将增强数据与修复的衣物形变图像输入人物生成器中，生成无遮挡的试衣图像。本发明在语义信息的指导下，进行衣物遮挡建模，生成合理的躯干信息，增强模型鲁棒性。
一种虚拟试衣遮挡方法系统

[发明专利]图像恢复方法、装置、电子设备和计算机存储介质-CN201710327522.6有效
发明人：汤晓鸥;余可;施煜锴;董超;吕健勤;林倞 -专利权人：北京市商汤科技开发有限公司
申请日： 2017-05-08 - 公布日： 2020-11-27 - 主分类号： G06T5/00 文献下载
摘要：本发明实施例公开了一种图像恢复方法、装置、电子设备和计算机存储介质，其中，方法包括：对待恢复图像进行特征提取，获得待恢复图像的特征向量；利用策略神经网络，至少根据所述特征向量，获取对所述待恢复图像进行本次恢复的恢复策略向量；根据所述恢复策略向量在预定的多种恢复工具中确定本次恢复需要使用的恢复工具，利用确定的恢复工具对所述待恢复图像进行恢复；将本次恢复的图像作为新的待恢复图像，重复执行上述图像恢复操作，直至满足预定的停止条件。对于恢复失真的种类和顺序均未知的含有多种混合失真原因的失真图像，本发明方法可以得到显著的恢复效果。
图像恢复方法装置电子设备计算机存储介质

1
共 7 条