“旷森芸”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3个，建议您升级VIP下载更多相关专利

[发明专利]一种基于生成对抗网的单图像人脸重建方法-CN202111549842.9在审
发明人：黄明江;唐律;李博;旷森芸;孙德生;刘博文;蒋军伟;黄学军 -专利权人：许昌学院
申请日： 2021-12-17 - 公布日： 2022-12-30 - 主分类号： G06T17/00 文献下载
摘要：本发明提供了一种基于生成对抗网的单图像人脸重建方法，包括以下步骤：1，构建生成对抗网络：根据输入的不同视角的图像集进行训练，生成对抗结构可以使得三维模型生成网络利用到不同视角图片的互补信息，从而得到一个更好的三维人脸模型；2，构建多视角几何一致性监督模块：多视角几何一致性监督模块可以让三维模型生成网络在重建不同视角的人脸图像时，得到的三维模型尽可能相似，从而消除不同视角图像进行重建时带来的差异；3，整体框架训练：包括数据预处理、模型框架训练及测试三个阶段。本发明方法实现了端到端的单图像人脸重建，能够有效提高当前单图像人脸重建算法的精度。
一种基于生成对抗图像重建方法

[发明专利]一种基于双分支网络的实时显著性检测图像方法-CN202111479170.9在审
发明人：蒋军伟;旷森芸;李鹏博;黄培强;高梅真;唐律 -专利权人：许昌三维测绘有限公司
申请日： 2021-12-06 - 公布日： 2022-03-04 - 主分类号： G06V10/44 文献下载
摘要：本发明提供了一种基于双分支网络的实时显著性检测图像方法，包括以下步骤：1，构建双分支网络：搭建显著性检测双分支网络，将显著性对象的图像集输入到双分支网络中，通过迭代优化损失函数来优化双分支网络；2，构建细节监督和显著监督模块：利用双分支网络迭代优化显著性损失和细节损失；3，双分支网络框架分为模型训练阶段和测试阶段；模型训练阶段将经过数据预处理的显著性训练图片集输入到双分支网络中，利用细节监督和显著监督模块来优化双分支网络；在测试阶段将需要检测的显著性图像输入到训练好的双分支网络中，得到对应的显著性对象切割图像；4，输入单张显著性图像，得到对应的显著性结果图。
一种基于分支网络实时显著检测图像方法

[发明专利]一种自适应波束形成方法、装置、设备及可读存储介质-CN202111195420.6在审
发明人：马征;蒙仕进;吴彦良;张雯睿;旷森芸 -专利权人：西南交通大学
申请日： 2021-10-14 - 公布日： 2021-11-12 - 主分类号： H04B7/06 文献下载
摘要：本发明提供了一种自适应波束形成方法、装置、设备及可读存储介质，所述方法包括：获取第一数据和第二数据，所述第一数据包括第一时域目标信号和第一时域干扰信号；所述第二数据包括实时产生的混合时域信号；基于所述第一数据计算得到每个时频单元所对应的神经网络掩码值，基于每个时频单元所对应的所述神经网络掩码值对神经网络模型进行训练，得到训练好的模型；对所述第二数据进行处理，得到至少一个混合频域信号，将所述混合频域信号输入所述训练好的模型中，得到第一输出结果；基于所述第一输出结果计算得到协方差矩阵，基于所述协方差矩阵，利用MVDR准则求出权矢量，基于所述权矢量，形成自适应波束。
一种自适应波束形成方法装置设备可读存储介质