“杨少雄”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181个，建议您升级VIP下载更多相关专利

[发明专利]服饰生成模型的训练、生成服饰图像的方法和装置-CN202210767948.4有效
发明人： 杨少雄 -专利权人：北京百度网讯科技有限公司
申请日： 2022-06-30 - 公布日： 2023-09-26 - 主分类号： G06T13/80 文献下载
摘要：本公开提供了服饰生成模型的训练、生成服饰图像的方法和装置，涉及人工智能技术领域，具体为增强现实AR、虚拟现实、计算机视觉、深度学习等技术领域，可应用于元宇宙等场景。具体实现方案为：获取服饰图像的样本并训练形状编码器和纹理编码器；分别通过形状编码器和纹理编码器得到的形状特征和纹理特征中分别选择一部分进行拼接，得到拼接特征；将拼接特征输入预训练模型，输出虚拟服饰图像；基于原始图像和虚拟服饰图像之间的差异调整形状编码器、纹理编码器和预训练模型的相关参数；基于调整后的形状编码器、纹理编码器和预训练模型获得服饰生成模型。通过该实施方式能够得到一种可以生成指定款式的服饰图像的模型。
服饰生成模型训练图像方法装置

[发明专利]服饰生成模型的训练、生成服饰图像的方法和装置-CN202210769171.5有效
发明人： 杨少雄 -专利权人：北京百度网讯科技有限公司
申请日： 2022-06-30 - 公布日： 2023-09-22 - 主分类号： G06T11/00 文献下载
摘要：本公开提供了服饰生成模型的训练、生成服饰图像的方法和装置，涉及人工智能技术领域，具体为增强现实AR、虚拟现实、计算机视觉、深度学习等技术领域，可应用于元宇宙等场景。具体实现方案为：分别将形状掩码图像和纹理图像输入形状编码器和纹理编码器，得到预定层数的形状特征和纹理特征；将每层形状特征和每层的纹理特征对应相加，得到预定层数的融合特征后输入预训练模型，输出虚拟服饰图像；基于原始图像和虚拟服饰图像之间的差异调整形状编码器和纹理编码器的相关参数；基于调整后的形状编码器、纹理编码器和预训练模型获得服饰生成模型。通过该实施方式能够得到一种可以生成指定款式的服饰图像的模型。
服饰生成模型训练图像方法装置

[发明专利]用于生成图像的方法、装置、设备以及存储介质-CN202010413776.1有效
发明人： 杨少雄;赵晨 -专利权人：北京百度网讯科技有限公司
申请日： 2020-05-15 - 公布日： 2023-08-25 - 主分类号： G06T5/50 文献下载
摘要：本申请实施例公开了用于生成图像的方法、装置、设备以及存储介质，涉及图像处理技术领域。该方法的一具体实施方式包括：获取待处理图像，生成待处理图像的高亮图和掩膜；在掩膜上绘制光斑；基于所绘制的光斑，生成归一化的掩膜；按照归一化的掩膜，将待处理图像和高亮图进行融合，生成亮度增强后的图像。该实施方式可以比较逼真地模拟现实环境下的光照情况，增加所生成的图像中的光照情况的复杂度。
用于生成图像方法装置设备以及存储介质

[发明专利]一种基于多GPU的污染物对流扩散方程高性能数值求解方法-CN202110124663.4有效
发明人：韩浩;侯精明;龚佳辉;白岗岗;同玉;王峰;王添;杨少雄;马利平;马勇勇;李轩;王兴桦;石宝山;张兆安;杨露;王俊珲 -专利权人：西安理工大学
申请日： 2021-01-29 - 公布日： 2023-08-18 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于多GPU的污染物对流扩散方程高性能数值求解方法，该方法主要包括两个GPU，对所有的计算变量进行初始化赋值；将研究区域的计算单元划分为上下两等分；上下计算区域的边界处进行各填充一行数据；将计算任务平均分配到对应的GPU中进行批量计算；采用有限差分法离散方程，在双GPU上计算不同方向的通量值及不同时刻的污染物浓度值；第一次循环计算完成后，将GPU中边界部分的结果数据写入到内存中备用，下一次迭代开始再复制到两个GPU上进行数据填充及循环计算直到结束；输出每个时刻的污染物对流扩散变化结果图。本发明采用多GPU计算方法求解污染物对流扩散方程，较现有采用CPU和单GPU的对流扩散方程求解方法的计算效率更高。
一种基于 gpu 污染物对流扩散方程性能数值求解方法

[发明专利]人脸图像生成方法、装置、设备和介质-CN202010464200.8有效
发明人： 杨少雄;赵晨;陈睿智;彭昊天 -专利权人：北京百度网讯科技有限公司
申请日： 2020-05-27 - 公布日： 2023-08-08 - 主分类号： G06T5/50 文献下载
摘要：本申请实施例公开了一种人脸图像生成方法、装置、设备和介质，涉及计算机视觉技术。其中，该方法包括：对人脸源图像进行人像处理，得到具有目标发型的候选人脸图像；获取候选人脸图像的图像编码；其中，图像编码用于从预设特征维度表征人脸信息；基于候选人脸图像，通过调整候选人脸图像的图像编码，得到预设数量的具有目标发型的目标人脸图像。本申请实施例可以实现生成大量具有真实感且保持同一发型的人脸图像的效果，进而提高变脸类型的图像应用程序可呈现给用户的人脸图像质量。
图像生成方法装置设备介质

[发明专利]网络训练方法、装置及电子设备-CN202011447290.6有效
发明人： 杨少雄 -专利权人：北京百度网讯科技有限公司
申请日： 2020-12-09 - 公布日： 2023-08-04 - 主分类号： G06N3/0475 文献下载
摘要：本申请公开了网络训练方法、装置及电子设备，涉及计算机视觉、增强现实和深度学习等人工智能技术领域。具体实现方案为：获取训练数据集；所述训练数据集包括第一训练数据和第一训练数据的第一判别标签数据；将第一训练数据输入至生成对抗网络，基于生成对抗网络中的生成器对第一训练数据进行数据编辑，得到第一目标数据；基于生成对抗网络中的判别器提取第一目标数据的N个尺度的第一特征，将N个尺度的第一特征进行融合，得到第一目标特征，基于第一目标特征确定第一判别结果数据；基于第一判别结果数据和第一判别标签数据，对生成器的参数进行更新。根据本申请的技术，解决了数据自动生成技术中存在的数据转换效果比较差的问题，提高了数据转换的效果。
网络训练方法装置电子设备

[发明专利]图像的翻译方法和装置、图像翻译模型的训练方法和装置-CN202010484916.4有效
发明人： 杨少雄;赵晨 -专利权人：北京百度网讯科技有限公司
申请日： 2020-06-01 - 公布日： 2023-08-01 - 主分类号： G06T3/00 文献下载
摘要：本申请公开了图像的翻译方法和装置、图像翻译模型的训练方法和装置，涉及深度学习和图像处理领域。具体实现方案为：获取图像翻译请求，其中，翻译请求中包括原图像；对原图像进行下采样，以生成与原图像对应的缩小图像；根据缩小图像，生成原图像对应的预翻译图像、掩膜图像及与原图像中的每个像素点对应的变形参数，其中，预翻译图像及掩膜图像的尺寸与原图像的尺寸相同；根据变形参数将原图像进行变形处理，以生成变形图像；以及将变形图像、预翻译图像及掩膜图像进行融合，以生成目标翻译图像。由此，在降低图像翻译的运算量的同时，还能够保证图像翻译的效果，并提高翻译出的目标翻译图像的清晰度。
图像翻译方法装置模型训练

[发明专利]人脸图像转换方法、装置、电子设备及存储介质-CN202010493200.0有效
发明人： 杨少雄;赵晨 -专利权人：北京百度网讯科技有限公司
申请日： 2020-06-03 - 公布日： 2023-07-25 - 主分类号： G06T3/00 文献下载
摘要：本申请公开了人脸图像转换方法、装置、电子设备及存储介质，涉及图像处理技术领域。具体实现方案为：获取待转换的人脸图像；根据人脸图像，确定转换后的人脸图像的标签信息；将标签信息输入头发图像生成模型，获取头发图像生成模型生成的带人脸的第一头发图像；根据带人脸的第一头发图像生成不带人脸的第二头发图像；结合第一头发图像和第二头发图像，对人脸图像进行转换，得到转换后的人脸图像。由此，根据带人脸的第一头发图像生成不带人脸的第二头发图像，避免了带人脸的第一头发图像和不带人脸的第二头发图像不匹配的问题，从而能够使得转换后的人脸图像中人脸与头发之间贴合，提高了贴合匹配度。
图像转换方法装置电子设备存储介质

[发明专利]图像的翻译方法和装置、图像翻译模型的训练方法和装置-CN202010484274.8有效
发明人： 杨少雄;赵晨 -专利权人：北京百度网讯科技有限公司
申请日： 2020-06-01 - 公布日： 2023-07-25 - 主分类号： G06T3/00 文献下载
摘要：本申请公开了图像的翻译方法和装置、图像翻译模型的训练方法和装置，涉及深度学习和图像处理技术领域。具体实现方案为：获取图像翻译请求，其中，翻译请求中包括原图像；对原图像进行处理，以生成与原图像对应的预翻译图像、掩膜图像及变形参数；根据变形参数将原图像进行变形处理，以获取变形图像；以及将变形图像、预翻译图像及掩膜图像进行融合，以生成目标翻译图像。由此，不仅提高了生成的目标翻译图像的清晰度，而且生成的目标翻译图像的背景部分也和原始图片一致，从而能够实现图像的无缝融合，大大提高了生成的目标翻译图像的自然度。
图像翻译方法装置模型训练

[发明专利]服饰生成模型的训练、生成服饰图像的方法和装置-CN202210770030.5有效
发明人： 杨少雄 -专利权人：北京百度网讯科技有限公司
申请日： 2022-06-30 - 公布日： 2023-07-21 - 主分类号： G06V10/774 文献下载
摘要：本公开提供了服饰生成模型的训练、生成服饰图像的方法和装置，涉及人工智能技术领域，具体为增强现实AR、虚拟现实、计算机视觉、深度学习等技术领域，可应用于元宇宙等场景。具体实现方案为：获取服饰的样本图像集。将所选取的样本图像输入初始的服饰生成模型，得到虚拟服饰图像；将所选取的样本图像的形状掩码图像和虚拟服饰图像组成负样本，并将所选取的样本图像的形状掩码图像和纹理图像组成正样本；将正样本和负样本分别输入判别器，计算判别损失；根据判别损失调整服饰生成模型的相关参数和判别器的相关参数。通过该实施方式能够得到一种可以生成指定形状和纹理的服饰图像的模型。
服饰生成模型训练图像方法装置

[发明专利]表情预测模型的训练方法、识别方法、装置及电子设备-CN202011423816.7有效
发明人： 杨少雄;赵洋 -专利权人：北京百度网讯科技有限公司
申请日： 2020-12-08 - 公布日： 2023-07-04 - 主分类号： G06V40/16 文献下载
摘要：本申请公开了一种表情预测模型的训练方法、识别方法、装置、电子设备以及存储介质，涉及计算机视觉、语音技术以及深度学习等人工智能技术领域，包括：对待训练的音频信息进行语义分析，得到与待训练的音频信息对应的表情特征，重复以下步骤，直至得到成熟的表情预测模型：根据预设的表情预测模型对表情特征和预设标定特征进行处理，得到表情特征与预设标定特征之间的表情差异特征，预设标定特征表征面部在无表情时的面部表情特征；根据表情差异特征对表情预测模型的参数进行调整，通过基于表情差异特征生成成熟的表情预测模型，可以降低训练过程的数据分析，提高训练效率的技术效果。
表情预测模型训练方法识别装置电子设备

[发明专利]动物识别模型的训练方法、装置、设备及存储介质-CN202010494202.1有效
发明人： 杨少雄;赵晨 -专利权人：北京百度网讯科技有限公司
申请日： 2020-06-03 - 公布日： 2023-06-23 - 主分类号： G06V10/774 文献下载
摘要：本申请提出了一种动物识别模型的训练方法、装置、设备及存储介质，涉及图像处理和深度学习技术领域中的人工智能领域，具体实现方案为：获取动物样本图像，其中，动物样本图像之中包括多个标注关键点；将动物样本图像输入动物识别模型以生成多个样本关键点；根据多个样本关键点生成样本簇中心点，并根据多个标注关键点生成标注簇中心点；根据样本簇中心点和标注簇中心点生成第一损失值；以及根据第一损失值对动物识别模型进行训练。本申请能够提高关键点检测的准确度，进而提高基于关键点的应用的可靠性。
动物识别模型训练方法装置设备存储介质

[发明专利]图像转换模型生成器的训练方法和装置-CN202010462452.7有效
发明人： 杨少雄;赵晨 -专利权人：北京百度网讯科技有限公司
申请日： 2020-05-27 - 公布日： 2023-06-20 - 主分类号： G06T3/00 文献下载
摘要：本申请公开了一种图像转换模型生成器的训练方法和装置，涉及计算机视觉技术领域。具体实现方案为：通过获取源域的第一图像；将第一图像输入至生成器，以输出第二图像和第二图像的第一前景图像，其中，生成器用于将源域的图像转换至目标域；对第二图像进行前景提取，以生成第二图像的第二前景图像；根据第一前景图像和第二前景图像生成第一损失；以及根据第一损失对生成器进行训练。由此，经过训练后的生成器生成的目标域的图像可以较好的对生成的第二图像的前景和背景进行分割，以使得分割后的前景图像能够更好的和原图背景进行融合。
图像转换模型生成器训练方法装置

[发明专利]一种用户菜品口味确定的方法、装置、设备和介质-CN202310096934.9在审
发明人： 杨少雄 -专利权人：上海归晟科技有限公司
申请日： 2023-02-07 - 公布日： 2023-06-09 - 主分类号： G06F18/214 文献下载
摘要：本申请提供了一种用户菜品口味确定的方法、装置、设备和介质，该方法包括：获取在多个餐饮品牌消费过的多个用户的第一历史消费记录；针对在所述多个餐饮品牌中消费过的每个用户，通过对所述用户的第一历史消费记录中记录的每个菜品的菜品向量进行聚类，确定所述用户的菜品口味；所述菜品向量是基于在所述多个餐饮品牌消费过的每个用户的第二历史消费记录训练得到的。本申请通过事先确定好的每个菜品的携带有口味特征的菜品向量对用户的菜品口味进行训练，可以提高确定用户菜品口味的准确性。
一种用户菜品口味确定方法装置设备介质

[发明专利]基于无监督学习和交叉注意力的夜间语义分割方法-CN202211446192.X在审
发明人：林兆骥;程健;杨少雄;姚莉 -专利权人：三江学院
申请日： 2022-11-18 - 公布日： 2023-05-16 - 主分类号： G06V20/70 文献下载
摘要：本发明公开了一种基于无监督学习和交叉注意力的夜间语义分割方法，包括：步骤1：利用现有的语义分割模型作为骨干网络，基于含语义分割标签的白天图像、不含语义分割标签的白天图像和夜间图像，通过ClassMix策略计算混合损失，通过一致性正则化处理并计算一致性正则化损失，通过交叉注意力机制计算分割损失，通过生成静态标签并计算静态损失；根据混合损失、一致性正则化损失、分割损失和静态损失计算损失函数，基于损失函数训练夜间语义分割模型；步骤2：将待处理夜间图像输入至训练好的夜间语义分割模型，获得夜间语义分割模型输出的语义分割结果。本发明在没有夜间语义分割数据集的情况下提高夜间语义分割的准确度。
基于监督学习交叉注意力夜间语义分割方法

1
2
3
4
5
6
7
8
9
10
11
12
13
下一页»
尾页
共 181 条