“王存睿”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20个，建议您升级VIP下载更多相关专利

[发明专利]基于压缩与激励的GAN网络的汉字字体生成方法-CN202011141157.8有效
发明人： 王存睿;丁阳;战国栋 -专利权人：大连民族大学
申请日： 2020-10-22 - 公布日： 2023-05-30 - 主分类号： G06F40/109 文献下载
摘要：本发明公开了基于压缩与激励的GAN网络的汉字字体生成方法，包括：获取字体数据集，所述字体数据集包括两部分；构建字体风格转换网络，实现汉字字体样式的转换，得到字体图像；通过细节重构网络模型，采用端对端的深度卷积对所述字体图像进行细节重建，将汉字笔画语义与深度生成网络相融合；利用解码器中不同中间层的特征，为细节重构网络模型补充对抗训练；依次将所述字体数据集输入到对抗训练后的细节重构网络模型中，通过生成器输入相对应的完整目标字体；采用注意力机制对不同的尺度空间赋予不同的权重，获得不同的尺度空间的全局和综合表示，提升神经网络的感受可以进一步提高生成图像的质量。
基于压缩激励 gan 网络汉字字体生成方法

[发明专利]基于Potrace算法的中文矢量字库生成方法-CN202010497185.7有效
发明人： 王存睿;江子傲 -专利权人：大连民族大学
申请日： 2020-06-04 - 公布日： 2023-05-16 - 主分类号： G06F40/129 文献下载
摘要：基于Potrace算法的中文矢量字库生成方法，其属于矢量字库生成的技术领域。该方法通过对Potrace算法中的拟合多边形和贝塞尔曲线片段进行优化和改进，对字体曲线轮廓进行高质量的布点，然后将中文字体图像进行矢量化，生成svg矢量文件。原有的Potrace算法生成的结果质量是，细节处字形轮廓上往往布满了冗余的控制点。本方法产生的字体是逼真的高质量结果，在视觉外观上显示出优于其他方法的优势。且轮廓的曲线线条光顺性高，可以精确捕捉整体特征以及局部细节，具有很高的精确度。同时本方法不仅减少了路径点的数量，而且保留了轮廓的关键风格细节。
基于 potrace 算法中文矢量字库生成方法

[发明专利]一种汉字图像处理方法-CN201910512174.9有效
发明人： 王存睿;刘宇 -专利权人：大连民族大学
申请日： 2019-06-13 - 公布日： 2023-04-25 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种汉字图像处理方法，包括对输入的汉字图像去噪处理的步骤包括如下：步骤1：让模板中心依次与输入图像的每个像素重合；步骤2：模板系数与跟模板重合的输入图像的对应像素相乘，再将乘积相加；步骤3：把结果赋予输出图像；将二值化后的图像分解为路径的步骤包括如下：步骤1：二值图构成了黑白区域之间的边界；步骤2：每条路径都被近似为一个最优多边形；步骤3：每个多边形都转化为光滑的轮廓；步骤4：结果曲线通过链接连续的贝塞尔曲线片段来进行优化。本申请充分结合现代信息技术的优势，可运用机器手段对字体进行还原再现，使得汉字文化在现代社会文化的冲击中迸发出新的生命力，有利于传统文化的继承和发扬。
一种汉字图像处理方法

[发明专利]一种基于卷积神经网络的人脸活体检测方法-CN201910496620.1有效
发明人： 王存睿;黄星宇 -专利权人：大连民族大学
申请日： 2019-06-10 - 公布日： 2022-05-10 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于卷积神经网络的人脸活体检测方法，包括如下步骤：步骤1，对训练集图像进行处理；步骤2，将归一化的图像输入到预训练的卷积神经网络；步骤3，将得到的深度人脸卷积特征进行LBP特征提取；步骤4，进行SVM训练，得到用于人脸活体识别的SVM分类器；步骤5，对待检测人脸视频进行采集处理，将采集到的单帧转化为灰度图；对于采集到的图像进行人脸检测，如果有人脸，则对人脸图像进行图像归一化；步骤6，将待检测图像进行步骤2和步骤3的处理，然后进行特征提取，得到图像的LBP特征；步骤7，将LBP特征输入到人脸活体识别的SVM分类器中判断是否为活体人脸。本申请计算量小，人脸活体检测效率高，同时也提高了活体检测的准确率。
一种基于卷积神经网络活体检测方法

[发明专利]基于区域稀疏的人脸群体识别方法-CN201810246759.6有效
发明人： 王存睿;刘宇;周未 -专利权人：大连民族大学
申请日： 2018-03-23 - 公布日： 2022-02-01 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了基于区域稀疏的人脸群体识别方法，该算法首先从原始训练样本中提取样本的T区域，接着设计了基于k近邻区域稀疏描述的人脸群体识别算法模型，最后将提取的训练样本与测试样本T区域输入到算法中，充分利用了样本的局部特征。该算法不仅减小了运算量，还极大的提升了分类识别效果。实验结果表明本发明提出的在L2范数和T区域中采用多群体区域稀疏的识别方法是有效的。
基于区域稀疏群体识别方法

[发明专利]一种赫哲族鱼皮画仿真培训系统及实现方法-CN201910511298.5有效
发明人： 王存睿;王磊;白海娟 -专利权人：大连民族大学
申请日： 2019-06-13 - 公布日： 2021-07-09 - 主分类号： G09B9/00 文献下载
摘要：本发明提供了一种赫哲族鱼皮画仿真培训系统及实现方法，将虚拟现实技术与手势捕捉技术相结合，通过leap Motion获取高精度手部动作识别用户的操作，并实时映射显示在虚拟现实场景反馈交互结果，旨在解决传统民族技艺鱼皮画传承与培训过程中诸多问题。本申请提供的虚拟现实交互显示系统，允许用户通过自己的双手操纵虚拟手在虚拟现实场景下完成培训任务，大大的提高了训练的效率与真实程度，同时系统使用的虚拟鱼皮素材不存在获取成本与时间限制等问题。经过测试系统便携、可靠有效，可以大大节省培训成本。
一种赫哲族鱼皮仿真培训系统实现方法

[发明专利]一种基于AttGan模型生成家族字体的方法-CN202010508917.8在审
发明人： 王存睿;张煜 -专利权人：大连民族大学
申请日： 2020-06-06 - 公布日： 2020-09-15 - 主分类号： G06K9/62 文献下载
摘要：一种基于AttGan模型生成家族字体的方法，属于计算机图形处理技术领域。这种基于AttGan模型生成家族字体的方法，基于编码器‑解码器结构，合理使用属性分类约束、重构及对抗学习，最终能够利用一个模型较好地修改多个感兴趣的属性并且保持其它区域不变，通过AttGan网络模型，加入属性分类约束层，修改家族字体中不同的字重、字高等参数属性值，实现了不同字体之间的平滑插值，生成控制字体样式的过渡字形图像。通过参数属性值决定字体生成样式，由此构建完整的字体家族。该家族字体生成方法可以极大减轻设计师的负担，减少了设计的周期时间，帮助设计师解决大量重复性工作的问题，提升工作效率。
一种基于 attgan 模型生成家族字体方法

[发明专利]一种基于对抗生成网络的人脸铅笔画图像生成方法-CN202010510263.2在审
发明人： 王存睿;黄星宇 -专利权人：大连民族大学
申请日： 2020-06-08 - 公布日： 2020-09-15 - 主分类号： G06K9/62 文献下载
摘要：一种基于对抗生成网络的人脸铅笔画图像生成方法，包括以下步骤：S1、图片处理；S2、模型构建；S3、模型训练；S4、人脸铅笔画生成。与现有的技术相比一种基于对抗生成网络的人脸铅笔画生成方法。该本发明将极大提高人脸铅笔画制作效率，减轻了设计对于人工的依赖，极大的缩短了人脸铅笔画制作的周期，使得人脸铅笔画的生成变得简单方便。而且为多个行业的应用和推广提供了可靠依据。能够丰富电影、电视、广告等数字媒体和文化行业的材料，为其多元化设计提供素材。
一种基于对抗生成网络铅笔画图像方法

[发明专利]一种基于特征融合的个性化汉字字体图片生成方法-CN202010510661.4在审
发明人： 王存睿;黄星宇 -专利权人：大连民族大学
申请日： 2020-06-08 - 公布日： 2020-09-15 - 主分类号： G06K9/62 文献下载
摘要：一种基于特征融合的个性化汉字字体图片生成方法，S1、汉字转化为图片：S2、模型构建，S3、训练模型、S4、生成字体图像集获取、S5、汉字类型判别S6、字体生成。与现有的技术相比，本发明只需要字体设计者提供670个左右的字体，就能够生成对应汉字的全部个性化汉字字体。该本发明将极大提高汉字字库的制作效率，减轻了字体设计对于人工的依赖，极大的缩短了字库制作的周期，使得字库的生成变得简单方便。而且为多个行业的应用和推广提供了可靠依据。能够丰富电影、电视、广告等数字媒体和文化行业的字体材料，为其多元化设计提供素材。
一种基于特征融合个性化汉字字体图片生成方法

[发明专利]一种基于流模型的字体家族生成方法-CN202010552157.0在审
发明人： 王存睿;丁阳 -专利权人：大连民族大学
申请日： 2020-06-17 - 公布日： 2020-09-15 - 主分类号： G06K9/34 文献下载
摘要：一种基于流模型的字体家族生成方法，包括以下步骤：S1、字体数据集预处理；S2、构建字体家族生成模型；S3、模型训练；S4、家族字体生成。本发明基于流的生成模型，在图像编码得到的潜在向量精确推断上得到了很好的效果；该方法在原始字体转换上由于模型的可逆性生成字体图像的相似度非常高。在通过插值生成的常规字体图像与真实字体图像相比较时也具有较高的相似度；本发明通过插值后可以得到由细体到粗体转换的中间过渡家族字体图像。通过这种方法可以极大减轻设计师的负担，减少了设计的周期时间，帮助设计师解决大量重复性工作的问题，提升效率。
一种基于模型字体家族生成方法

[发明专利]基于结构引导汉字字体生成的方法-CN201910764837.6在审
发明人：刘宇;张煜;王存睿 -专利权人：大连民族大学
申请日： 2019-08-19 - 公布日： 2019-12-03 - 主分类号： G06T11/00 文献下载
摘要：本发明公开了一种基于结构引导汉字字体生成的方法，包括如下步骤：第一步，准备字体图像数据准备；第二步，提取字体图像的轮廓与骨架；第三步，采用编码器和解码器结构作为生成器，卷积神经网络作为判别器，构建生成对抗网络；第四步，利用标准字体图片、轮廓、骨架和目标字体图片数据集对构建的神经网络进行训练；第四步，将完整的标准字体输入到训练后的对抗生成网络的生成器中；本申请通过少量的目标字体训练生成对抗网络，即可得到完整的目标字体字库文件。通过这种方式，不仅使神经网络训练问题更容易处理，而且还使字形的轮廓和结构更加自然。
目标字体标准字体字体图像生成器构建对抗卷积神经网络神经网络训练解码器结构汉字字体神经网络数据准备图片数据字库文件网络编码器判别器申请图片

[发明专利]一种基于增强现实的傩面具修复方法-CN201910511300.9在审
发明人： 王存睿;张煜;王磊 -专利权人：大连民族大学
申请日： 2019-06-13 - 公布日： 2019-09-13 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于增强现实的傩面具修复方法，包括：步骤1：构建三维模型；步骤2：三维模型虚实融合渲染；步骤3：采用改进的ORB算法实现了傩面具的逼真还原。增强现实系统虽然在教育等诸多领域取得了一定的应用成果，但对于民族文化保护，特别是傩面具数字化展示，还需要解决在模型特征显示、快速数字化建模，高度仿真与渲染等问题。由此本发明使用改进的ORB算法做特征检测和匹配，并通过EPnP算法与unity3d自带的坐标系转换方法，进行虚拟模型在真实世界中的相对位置估计，融合现实虚拟模型。
面具三维模型增强现实算法渲染增强现实系统修复数字化建模坐标系转换模型特征算法实现特征检测位置估计现实虚拟虚拟模型虚实融合应用成果真实世界构建自带匹配还原改进民族文化数字化融合展示教育

[发明专利]一种汉字字体图像矢量表示方法-CN201910512197.X在审
发明人： 王存睿;刘宇;张煜 -专利权人：大连民族大学
申请日： 2019-06-13 - 公布日： 2019-09-13 - 主分类号： G06T11/20 文献下载
摘要：本发明公开了一种汉字字体图像矢量表示方法，首先对图像进行去噪处理，消除图像在拍摄传输时所产生的噪声，对处理后的图像进行二值化处理，二值化处理后的图像可以消除图像中的大部分无用信息，保留主要信息。将二值化处理后的图像分解为路径，最后将路径进行矢量化表示。该方法通过提取字体的轮廓笔画轨迹信息，并定义其矢量化数字信息格式，为中国传统书法提供了一种新的数字化保护方式，同时相比于图像方式，矢量化有助于书法再现。
图像二值化处理矢量化汉字字体图像矢量中国传统书法笔画轨迹数字信息图像方式图像分解无用信息去噪噪声字体数字化传输书法拍摄保留

[发明专利]一种基于对抗生成网络的图像去噪方法-CN201910497043.8在审
发明人： 王存睿;黄星宇 -专利权人：大连民族大学
申请日： 2019-06-10 - 公布日： 2019-09-10 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于对抗生成网络的图像去噪方法，其特征在于，包括如下步骤：第一步，进行数据集的准备；第二步，构建生成网络：生成网络的输入为噪声图像，提取噪声特征，并进行图像去噪处理；第三步，构建判别网络：判别网络的输入为不含噪声的清晰图像和生成网络生成的图像，然后进行判别；第四步，利用不含噪声的清晰图像和噪声图像，采用生成对抗的思想对生成对抗网络进行训练，得到训练后的图像去噪对抗生成网络，并保存训练完成的参数；所述生成对抗网络包括生成网络和判别网络；第五步，将噪声图像输入到已经训练好的生成网络中，即可得到去噪图像。本申请提出的方法不需要人为提取特征，减少了人工的干预，确保了去噪图像的质量。
网络图像去噪对抗噪声图像清晰图像图像构建去噪噪声提取特征网络包括网络生成噪声特征人工的数据集保存干预申请

[发明专利]基于条件生成对抗网络的汉字字体的方法-CN201910497045.7在审
发明人： 王存睿;黄星宇 -专利权人：大连民族大学
申请日： 2019-06-10 - 公布日： 2019-09-06 - 主分类号： G06T11/20 文献下载
摘要：本发明公开了一种基于条件生成对抗网络的汉字字体的方法，其特征在于，包括如下步骤：第一步，进行字体数据准备；第二步，采用编码器和解码器结构作为生成器，卷积神经网络作为判别器，构建生成对抗网络；第三步，利用标准字体图片、目标字体图片数据集对生成对抗网络进行训练，得到训练后的对抗生成网络，并保存训练完成的参数；第四步，依次将完整的标准字体输入到训练后的对抗生成网络的生成器中，由训练后的对抗生成网络的生成器输入相对应的完整的目标字体；第五步，构建模型评级体系，评级模型的字体生成质量。本申请通过少量的目标字体训练生成对抗网络，将完整的标准字体生成其他剩余目标字体图片，从而得到完整的目标字体字库文件。
对抗目标字体网络标准字体生成器汉字字体基于条件构建卷积神经网络解码器结构评级模型评级体系剩余目标图片数据字库文件字体生成字体数据编码器判别器字体保存图片申请

1
2
下一页»
尾页
共 20 条