“郭号洁”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6个，建议您升级VIP下载更多相关专利

[发明专利]基于两阶段条件生成对抗网络的近红外图像着色方法-CN202210860842.9在审
发明人：郭哲;郭号洁;程宏昌;杨晔;张智博 -专利权人：西北工业大学;昆明物理研究所
申请日： 2022-07-21 - 公布日： 2022-10-11 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于两阶段条件生成对抗网络的近红外图像着色方法，基于两阶段条件生成对抗网络的近红外图像着色方法包括：S1：获取近红外灰度图像；S2：构建近红外图像的灰度预处理模块；S3：利用近红外图像的灰度预处理模块对近红外灰度图像进行预处理，得到灰度图像；S4：构建图像着色模块；S5：利用图像着色模块，对灰度图像进行着色处理，得到着色生成图像，其中，图像着色模块还用于对着色生成图像和训练图像提取到的颜色特征向量进行判别，得到判别结果用于训练图像着色模块。本发明能够解决现有的图像着色方法对于包含大量噪声信息的近红外图像，缺少相应的灰度处理，导致着色图像出现整体视觉效果亮暗闪烁的问题。
基于阶段条件生成对抗网络红外图像着色方法

[发明专利]表情识别方法和装置-CN202210767955.4在审
发明人：郭哲;孙博伟;刘雪文;郭号洁;王毅;齐敏;樊养余 -专利权人：西北工业大学
申请日： 2022-06-30 - 公布日： 2022-09-27 - 主分类号： G06V40/16 文献下载
摘要：本发明实施例公开了一种表情识别方法和装置。该表情识别方法包括：依据预设的基准身份选择策略，将各类身份的人脸表情图像迁移至基准身份的人脸图像上，构建人脸表情图像身份归一化模块；将图像的信息量和特征相关性分别进行训练，通过通道注意力机制，构建表情注意力驱动模块；依据人脸表情图像身份归一化模块和表情注意力驱动模块，对表情类别进行判定。通过本发明，解决了相关技术中由于现有的基于深度学习网络的人脸表情识别方法存在对人脸身份的差异性感知不足，导致表情识别准确率低的问题，达到了提升表情识别准确率的技术效果。
表情识别方法装置

[发明专利]基于有限数据多尺度目标学习的图像着色方法及其系统-CN202210860392.3在审
发明人：郭哲;郭号洁;程宏昌;杨晔;张智博 -专利权人：西北工业大学;昆明物理研究所
申请日： 2022-07-21 - 公布日： 2022-09-23 - 主分类号： G06V10/56 文献下载
摘要：本发明公开了一种基于有限数据多尺度目标学习的图像着色方法及其系统，包括：S1：利用特征记忆模块构建空间特征和颜色特征；S2：根据所述空间特征和所述颜色特征，利用生成器对训练图像的灰度图像进行处理，得到着色图像；S3：利用判别器对所述着色图像和所述训练图像进行判别，得到判别结果；S4：根据所述判别结果，利用融合损失函数，对所述生成器和所述判别器进行训练，得到训练好的生成器和训练好的判别器；S5：将测试图像的灰度图像输入至所述训练好的生成器中，得到测试图像的着色图像。本发明能够有效解决现有技术受制于训练数据规模、不能有效区分小目标区域颜色边界的问题。
基于有限数据尺度目标学习图像着色方法及其系统

[发明专利]一种源域数据无关的跨域人脸表情识别方法-CN202210302610.1在审
发明人：郭哲;刘雪文;郭号洁;周炜杰;王毅;齐敏;樊养余 -专利权人：西北工业大学
申请日： 2022-03-24 - 公布日： 2022-08-30 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种源域数据无关的跨域人脸表情识别方法，首先对数据集中的数据进行人脸检测及裁剪等预处理；然后，针对在跨域人脸表情识别模型训练时源域数据访问受限的问题，构建了源域数据无关的跨域人脸表情识别模型；在计算模型损失时，本发明构建了源域数据无关的自适应损失函数，通过最小化Tsallis熵增加预测标签的确信度，同时最大化预测标签种类，据此联合计算信息最大化损失，随后计算交叉熵损失，还使用虚拟对抗训练的方法最小化模型的局部分布平滑损失。本发明直接从训练好的源域模型出发，解决了源域数据访问受限时较难进行跨域人脸表情识别的问题；进一步提高了人脸表情识别的准确率，实现了对人脸表情的高效识别。
一种数据无关跨域人脸表情识别方法

[发明专利]一种基于对比域差异的跨域人脸表情识别方法-CN202210507850.5在审
发明人：郭哲;潘兆军;刘雪文;郭号洁;王毅;齐敏;樊养余 -专利权人：西北工业大学
申请日： 2022-05-10 - 公布日： 2022-08-19 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于对比域差异的跨域人脸表情识别方法，首先，对人脸图像进行表情相关局部区域检测，提取出五个局部人脸区域的中心坐标，并与原始人脸图像一起作为多尺度人脸表情特征提取网络的输入，得到既能描述全局表情属性、又能适应个性化局部区域表达的多尺度人脸表情特征。随后，使用深度聚类得到目标域数据的伪标签，计算目标域和源域之间的对比域差异，结合源域的交叉熵损失，构建对比域自适应损失函数，用于网络的优化训练。本发明能够提取更丰富的人脸表情信息，对比域自适应损失可以减少不同领域的类内差异，增加不同领域的类间差异，能够帮助网络找到更好的决策边界，提高跨域人脸表情识别的可靠性，实现了对人脸表情的高效识别。
一种基于对比差异跨域人脸表情识别方法

[发明专利]一种基于抑制模糊度自训练的人脸表情识别方法-CN202210200309.X在审
发明人：郭哲;刘雪文;郭号洁;王毅;齐敏;樊养余 -专利权人：西北工业大学
申请日： 2022-03-02 - 公布日： 2022-07-29 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于抑制模糊度自训练的人脸表情识别方法，构建错误标签抑制模块，采用硬、软标签混合训练的策略，不仅使用真实标签，还额外使用当前图像的预测来指导模型学习下一幅图像；然后，构建学习难度较大表情类别的自训练模块，训练时给难学类别更高的样本数量上限，将经过处理的难学类别样本放回到训练数据中；最后，基于注意力机制的特征解构策略，挖掘细微差异，利用更细粒的特征解决表情类别模糊的问题，同时约束难学类别样本的特征分布，通过注意力机制获得重要的潜在特征，并最终完成人脸表情的识别。本发明从特征层面约束了难学类别样本或无标注样本的特征分布，提高了人脸表情识别的可靠性，实现了对人脸表情的高效识别。
一种基于抑制模糊训练表情识别方法