“维克特·盛”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5个，建议您升级VIP下载更多相关专利

[发明专利]一种具有抑制局部过曝的图像增亮方法-CN202010018166.1有效
发明人：常坚;郭奇锋;张齐宁;翟培芳;查尔斯·凌;维克特·盛;方巍 -专利权人：深圳深知未来智能有限公司
申请日： 2020-01-08 - 公布日： 2023-04-25 - 主分类号： G06T5/00 文献下载
摘要：本发明提供的一种具有抑制局部过曝的图像增亮方法，包括以下步骤：输入待处理图像；获取所述待处理图像的提亮估计结果，并得出所述待处理图像的各点亮度待提升程度；对所述各点亮度待提升程度采用幂函数进行数值映射得到所述待处理图像的提亮权值图；对所述提亮权值图进行处理得到亮度增益图；将所述待处理图像和所述亮度增益图相乘得到增亮图。通过以上设计，能够使得提亮时候分布均匀、亮部到暗处过渡柔和自然且亮部更有区分度，抑制过曝。
一种具有抑制局部图像方法

[发明专利]一种基于深度神经网络的连续学习统一框架-CN202010149777.X在审
发明人：查尔斯·凌;维克特·盛;方巍;郭奇锋;常坚;张齐宁;翟培芳 -专利权人：深圳深知未来智能有限公司
申请日： 2020-03-06 - 公布日： 2020-07-07 - 主分类号： G06N3/08 文献下载
摘要：本发明提供的一种基于深度神经网络的连续学习统一框架，所述连续学习统一框架包括：通过深度神经网络的权重逐步学习若干个任务；所述学习若干个任务是通过非遗忘、正向传输、避免混淆和向后转移来学习的；并对学习每个任务的权重进行合并，并设置超参数b值。本发明通过该框架可以通过利用深度神经网络中的少量权重合并参数来演示所有属性；另外，框架的行为和机制与人类学习的行为和机制之间得出许多相似之处，如非遗忘、正向传输、避免混淆和向后转移。作为双向灵感的渠道，进一步了解机器和人类的连续学习。
一种基于深度神经网络连续学习统一框架

[实用新型]一种暗光环境图像采集装置-CN202020034520.5有效
发明人：常坚;郭奇锋;张齐宁;翟培芳;查尔斯·凌;维克特·盛;方巍 -专利权人：深圳深知未来智能有限公司
申请日： 2020-01-08 - 公布日： 2020-07-07 - 主分类号： H04N5/225 文献下载
摘要：本实用新型提供的一种暗光环境图像采集装置，包括远程服务器，其用于存储和管理图像数据集；三脚架，包括三角支架、主支撑轴、若干扩展支撑轴、连接杆、摄像头平台，所述三角支架与所述主支撑轴一体连接，所述扩展支撑轴套接在所述主支撑轴顶部，所述主支撑轴和所述扩展支撑轴的侧面各设置若干一体的连接杆，所述连接杆的另一端一体设置摄像头平台；摄像头设备，其安装在所述摄像头平台，并与所述远程服务器通信连接，且将拍摄图像发送至远程服务器；移动终端，其与所述摄像头设备通信连接，其用于给所述摄像头设备设置参数和发送指令。通过以上设计实现多摄像头同时拍摄，减少人工手动动作，自动上传管理采集到的数据集，从而提高效率。
一种环境图像采集装置

[发明专利]少量学习解决综合视觉推理测试的同差问题的同差模型-CN202010149739.4在审
发明人：查尔斯·凌;维克特·盛;方巍;常坚;郭奇锋;翟培芳;张齐宁 -专利权人：深圳深知未来智能有限公司
申请日： 2020-03-06 - 公布日： 2020-07-03 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种少量学习解决综合视觉推理测试的同差问题的同差模型，所述同差模型包括输入模块、兴趣区域选择模块、孪生网络和模式识别模块；所述输入模块用于输入测试样本；所述兴趣区域选择模块用于获取所述测试样本中若干个感兴趣区域，并将所述若干个感兴趣区域随机分为若干对后，馈入所述孪生网络；使用异卵双胞胎网络进行元训练，然后使用同卵双胞胎网络进行学习，并预测每对感兴趣区域的关系得分，最后使用模式识别模块基于预测的关系得分对综合视觉推理测试的相同问题进行分类。本发明通过获取测试样本中感兴趣区域的相似度来识别模式，能够识别高度抽象的“相同”和“差异”的视觉概念。
少量学习解决综合视觉推理测试问题模型

[发明专利]一种Raw到Raw的暗光图像增强方法-CN202010018162.3在审
发明人：郭奇锋;常坚;王静涵;维克特·盛 -专利权人：深圳深知未来智能有限公司
申请日： 2020-01-08 - 公布日： 2020-06-23 - 主分类号： G06T5/00 文献下载
摘要：本发明提供的一种Raw到Raw的暗光图像增强方法，包括以下步骤：采集Raw数据作为构建的训练数据集，并对所述训练数据集进行合并与扩充；根据所述训练数据集搭建图像增强CNN网络模型，所述CNN网络模型包括多任务训练、输入层、编码过程、解码过程、跳跃连接和输出层；对所述CNN网络模型进行迭代训练，更新所述CNN网络模型的各可学习参数使其达到一定的收敛条件并完成训练；根据完成训练的所述CNN网络模型进行模型推断最终得到暗光图像增强网络模型，并通过此模型对所述Raw数据进行图像增强。通过构建数据集和模型并对其训练得出能智能处理Raw格式图像的暗光图像增强模型，从而实现Raw到Raw的暗光图像增强。
一种 raw 图像增强方法