“图像鉴别器”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果9139098个，建议您升级VIP下载更多相关专利

[发明专利]自动伪影检测-CN202180039845.X在审
发明人：尼古拉斯·马来亚;马克斯·基恩 -专利权人：超威半导体公司;ATI科技无限责任公司
申请日： 2021-05-24 - 公布日： 2023-01-31 - 主分类号： G06N3/0464 文献下载
摘要：提供了一种用于生成经训练的鉴别器的技术。该技术包括将有毛刺失真图像或无毛刺失真图像中的一者或多者施加到鉴别器；从该鉴别器接收分类输出；调节该鉴别器的权重，以提高该鉴别器的分类精度；将噪声施加到生成器；从该生成器接收输出图像；将该输出图像施加到该鉴别器以获得分类；以及基于该分类，调节该鉴别器或该生成器中一者的权重以提高该生成器的能力以降低该鉴别器的分类精度。
自动检测

[发明专利]运算装置、运算方法、可移动介质和鉴别系统-CN201980020879.7有效
发明人：中尾大辅 -专利权人：索尼公司
申请日： 2019-03-19 - 公布日： 2023-04-18 - 主分类号： H04N23/60 文献下载
摘要：本发明的目的是以低成本提高鉴别器的性能。在显影处理期间获得图像质量参数组，以使得提高鉴别器的基于显影图像数据的成功鉴别率，所述显影图像数据通过使捕获的图像数据经历显影过程而获得。例如，通过将来自鉴别器的鉴别结果与在基础事实数据库的正确鉴别结果相比较而获得成功鉴别率。由于针对鉴别器来优化在显影处理期间的图像质量参数组，因此消除了对于为了提高鉴别器的鉴别性能的预处理单元的需求，使得能够以低成本提高鉴别器的性能。
运算装置方法移动介质鉴别系统

[发明专利]颜色填充模型训练、颜色填充方法及装置、电子设备-CN202210546217.7有效
发明人：李国威;石文婷;韦港荣 -专利权人：广西北投信创科技投资集团有限公司
申请日： 2022-05-17 - 公布日： 2023-08-04 - 主分类号： G06T11/00 文献下载
摘要：训练方法为：确定颜色填充模型对应的训练样本；构建颜色填充模型对应的生成器和鉴别器；确定鉴别器当前鉴别参数对应的目标鉴别器；基于目标鉴别器，以生成器对灰度图像进行颜色填充获得的填充图像与彩色图像，通过目标鉴别器的鉴别结果相同为训练目标，训练获得目标生成参数对应的目标生成器；基于目标生成器，以鉴别器对目标生成器生成的填充图像的鉴别结果满足鉴别条件为训练目标，训练获得目标鉴别参数对应的目标鉴别器；若目标生成器和目标鉴别器满足颜色填充模型的收敛条件，则确定目标生成器和目标鉴别器为颜色填充模型的训练结果。
颜色填充模型训练方法装置电子设备

[发明专利]一种基于生成对抗网络的图像拷贝检测方法-CN201811218892.7有效
发明人：李岳楠;张凯昱 -专利权人：天津大学
申请日： 2018-10-19 - 公布日： 2023-04-07 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于生成对抗网络的图像拷贝检测方法，所述方法包括以下步骤：对训练集中的原始图像施加失真处理生成拷贝图像，对原始图像和拷贝图像作归一化预处理，并将原始图像和对应的拷贝图像构成正样本，将不同的原始图像构成负样本；随机初始化生成器和鉴别器的网络参数，用生成器生成原始图像的篡改图像，之后固定生成器参数，用原始图像、拷贝图像和篡改图像训练鉴别器；固定鉴别器参数，训练生成器生成用于对抗鉴别器的篡改图像；交替训练鉴别器和生成器达到迭代次数后结束训练本发明通过生成对抗样本的方式对抗鉴别器，从而提高鉴别器的鲁棒性和对拷贝图像的检测能力。
一种基于生成对抗网络图像拷贝检测方法

[发明专利]基于多鉴别器模型的新增未训练辐射源检测方法-CN202211082870.9在审
发明人：金燕华;颜松涛;卫梦凡;朱玲 -专利权人：电子科技大学
申请日： 2022-09-06 - 公布日： 2022-11-25 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于多鉴别器模型的新增未训练辐射源检测方法，获取N个已标识辐射源的信号图像样本集合，并分别划分为训练集和测试集，设置一个生成器和N+1个鉴别器，依次将生成器和每个鉴别器构建成为子生成对抗网络，采用对应训练集进行训练，将测试集、图像样本集合输入训练好的鉴别器，统计得到判定区间和比例参数，将待鉴别辐射源的信号图像输入各个鉴别器，统计输出概率值位于判定区间的比例，如果比例大于比例参数，则判定待鉴别辐射源由鉴别器鉴别通过本发明使用多鉴别器模型对辐射源的信号图像进行判定，有效实现新增未训练辐射源的检测。
基于鉴别器模型新增训练辐射源检测方法

[发明专利]一种跨模态医学图像合成系统、方法及计算机设备-CN202211501334.8在审
发明人：贾富仓;孙彬 -专利权人：中国科学院深圳先进技术研究院
申请日： 2022-11-28 - 公布日： 2023-03-24 - 主分类号： G06V10/764 文献下载
摘要：本申请提供的跨模态医学图像合成系统、方法及计算机设备，包括：生成器和U型鉴别器，所述生成器用于将输入的图像合成为目标图像，并将所述目标图像输入到所述U型鉴别器中，所述U型鉴别器用于判断所述目标图像的真伪，所述生成器还用于通过训练合成图像企图骗过所述U型鉴别器，所述U型鉴别器还用于通过训练来以提高鉴别能力，本申请提出跨模态医学图像合成系统、方法及计算机设备，实现了全局特征和局部特征的提取，避免反卷积网络造成的黑白伪影现象从而提高鉴别能力
一种跨模态医学图像合成系统方法计算机设备

[发明专利]一种缺失图像的表情翻译方法、装置、设备及存储介质-CN202310625763.4在审
发明人：殷素素;汪兰叶;吕雨慧 -专利权人：中国银行股份有限公司
申请日： 2023-05-30 - 公布日： 2023-10-10 - 主分类号： G06V40/16 文献下载
摘要：本申请实施例提供了一种缺失图像的表情翻译方法、装置、设备及存储介质，应用于金融领域或其他领域，方法包括：对生成器和第一鉴别器进行交替训练，生成器对存在面部表情缺失的原始图像进行图像插补修复得到逼真图像，第一鉴别器对真实图像和逼真图像进行真假辨别，得到辨别结果，判别结果反向影响生成器的图像插补修复效果，对生成器和第二鉴别器进行同时训练，生成器和第二鉴别器共同对原始图像进行面部表情翻译，得到原始图像的表情翻译结果也就是说，通过共同训练生成器、第一鉴别器和第二鉴别器，实现在面部表情存在缺失时，也能够进行面部表情的确定，实现利用面部表情进行服务质量评价的目的。
一种缺失图像表情翻译方法装置设备存储介质

[发明专利]一种基于多模态对抗对比学习的谣言鉴别方法及装置-CN202310268846.2在审
发明人：邹婷;钱忠 -专利权人：苏州大学
申请日： 2023-03-20 - 公布日： 2023-07-07 - 主分类号： G06V30/41 文献下载
摘要：本发明涉及一种基于多模态对抗对比学习的谣言鉴别模型训练方法，包括获取样本数据文本图像对与相关评论；提取文本图像对的文本初步特征与图像初步特征，输入模态鉴别器；利用对抗学习，最小最大化模态鉴别器损失，获取模态不变特征；提取相关评论基于时序变化的立场变化特征与情感变化特征，输入特征鉴别器中；利用对抗学习，最小最大化特征鉴别器损失，更新特征鉴别器，获取融合特定特征；将模态不变特征与融合特定特征拼接输入多层感知器，生成综合多模态表征，与正负样本计算对比损失，最小化来更新多层感知器参数；构建目标损失函数，最小化来更新多层感知器参数；对抗训练时，最大化目标损失函数，更新模态鉴别器与特征鉴别器的参数。
一种基于多模态对抗对比学习谣言鉴别方法装置

[发明专利]将第一图像的特征转移到第二图像的方法-CN202010220100.0在审
发明人：娄中余;D.T.阮;M.克拉尔 -专利权人：罗伯特·博世有限公司
申请日： 2020-03-25 - 公布日： 2020-10-09 - 主分类号： G06N3/08 文献下载
摘要：将第一图像的特征转移到第二图像的方法包括：通过将包括特征的多个特征图像中的特征图像和没有该特征的多个纯图像中没有该特征的纯图像提供给生成器网络来生成中间生成器图像；将中间生成器图像与特征图像叠加以构建伪图像；将伪图像和纯图像提供给第一鉴别器网络；在任何奇数训练序列计算第一鉴别器网络的损失函数；将反转的中间生成器图像与纯图像叠加以构建伪特征图像；将伪特征图像和特征图像提供给第二鉴别器网络；在任何奇数训练序列计算第二鉴别器网络的损失函数；在任何奇数训练序列重新计算第一鉴别器网络和第二鉴别器网络的网络参数；在任何偶数训练序列计算生成器网络的损失函数；和在任何偶数训练序列重新计算生成器网络的网络参数。
第一图像特征转移第二方法

[发明专利]一种名为MSGAN的图像的季节风格转换模型及方法-CN202010106255.1在审
发明人：张福泉;王传胜;林强;王冰 -专利权人：京工数演（福州）科技有限公司
申请日： 2020-02-21 - 公布日： 2020-06-23 - 主分类号： G06T3/00 文献下载
摘要：本发明涉及一种名为MSGAN的图像的季节风格转换模型及方法，包括生成器G、生成器F、第一真假鉴别器DG、第二真假鉴别器DF以及季节鉴别器DS。生成器的目标是将输入的图像转化为其他特定的季节风格。真假鉴别器的作用是区分图像是否为合成图像。季节鉴别器对每个合成的图像和真实的图像进行季节分类。这两个鉴别器分别都可以对生成器提供指导。不仅如此，MSGAN还首次使用了图像的显著性信息来对图像风格转换任务进行指导，使得图像风格转换的结果更加符合人眼真实的情况。
一种名为 msgan 图像季节风格转换模型方法

[发明专利]训练装置、训练方法和计算机可读记录介质-CN202010075042.7在审
发明人：河东孝;岩本和树;上村健人;安富优 -专利权人：富士通株式会社
申请日： 2020-01-22 - 公布日： 2020-08-07 - 主分类号： G16H30/00 文献下载
摘要：异常检测装置包括被配置成生成多条图像数据的生成器、被配置成鉴别由生成器生成的图像数据是真还是假的鉴别器以及被配置成训练生成器和鉴别器的训练单元。训练单元被配置成：训练生成器，使得生成器在生成所述多条图像数据以使鉴别器的鉴别误差最大化时相对于所述多条图像数据以固定比率生成用于降低鉴别误差的至少一条指定图像数据；以及基于所述多条图像数据和所述至少一条指定图像数据，训练鉴别器以使鉴别误差最小化。
训练装置方法计算机可读记录介质

[发明专利]图像转换方法及图像转换网络-CN201911272396.4在审
发明人：廖惇利;李家昶;丁文宏;陈柏戎 -专利权人：财团法人工业技术研究院
申请日： 2019-12-12 - 公布日： 2021-04-23 - 主分类号： G06T3/00 文献下载
摘要：本发明提出一种图像转换方法，适用于包括图像生成器、转换鉴别器及焦点鉴别器的图像转换网络，该方法包括：该图像生成器依据未转换图像及该未转换图像的焦点信息产生转换图像；该转换鉴别器对该转换图像运算产生转换鉴别值；该图像生成器依据该转换鉴别值运算第一生成损失函数值，且依据该第一生成损失函数值更新该图像生成器的参数；该焦点鉴别器依据未转换图像、转换图像及该焦点信息执行运算以产生焦点鉴别值；以及该图像生成器依据该焦点鉴别值运算第二生成损失函数值，且依据该第二生成损失函数值更新该图像生成器。
图像转换方法网络

[发明专利]用于卷积神经网络的处理方法和系统、和存储介质-CN201710318147.9有效
发明人：那彦波;刘瀚文 -专利权人：京东方科技集团股份有限公司
申请日： 2017-05-08 - 公布日： 2019-04-23 - 主分类号： G06N3/04 文献下载
摘要：提供用于卷积神经网络的处理方法、系统和计算机可读介质，该方法包括：步骤1，用从高分辨率彩色图像中提取的低分辨率彩色图像、和噪声图像作为输入图像以通过减小生成器成本函数来训练生成器网络的参数，生成器网络包括提升层以对输入图像的亮度分量和色度分量提升分辨率，生成器成本函数表示生成器网络的输出图像与高分辨率彩色图像之间的差异的程度，且基于鉴别器网络的参数；步骤2，用训练后的生成器网络的输出图像和高分辨率彩色图像分别输入到鉴别器网络以通过减小鉴别器成本函数来训练鉴别器网络的参数，鉴别器网络包括池化层以降低分辨率，鉴别器成本函数表示生成器网络的输出图像与高分辨率彩色图像对应的程度；重复步骤1和步骤2。
用于卷积神经网络处理方法系统存储介质

[发明专利]一种基于语义引导鉴别器的半监督汉字图像生成方法-CN202210970759.7在审
发明人：吴斯;霍晓阳;李芃 -专利权人：广东知乐技术有限公司
申请日： 2022-08-13 - 公布日： 2022-11-01 - 主分类号： G06V30/19 文献下载
摘要：本发明公开一种基于语义引导鉴别器的半监督汉字图像生成方法，在半监督场景下，从训练集中选取少量有标签的文字图像，其余作为无标签的文字数据，利用辅助分类器为无标签文字提供多重语义信息。分类器特征中隐含着语义信息，在鉴别器中引入文字图像的分类器特征。在鉴别器上采用双头结构：一个头接收类别标签，一个头采用特征融合模块融合鉴别器特征和分类器特征，使分类器特征作为鉴别真假的条件。最终生成器、鉴别器、分类器三者联合完成训练。本发明针对无标签真实文字图像，利用分类器预测的伪标签和分类器特征，提供丰富的语义信息，提升鉴别器在类别条件下区分真假样本的能力，使生成器生成更符合真实类条件分布且真实度和多样性高的文字。
一种基于语义引导鉴别器监督汉字图像生成方法

[发明专利]用于生成具有对象预定计数的图像的生成器网络-CN202111149969.1在审
发明人： A·萨森德兰;K·斯库布奇;M·基普尔 -专利权人：罗伯特·博世有限公司
申请日： 2021-09-29 - 公布日： 2022-04-12 - 主分类号： G06V10/774 文献下载
摘要：用于生成具有对象预定计数的图像的生成器网络。一种用于训练生成器网络的方法，该生成器网络被配置为生成具有多个对象的图像，该方法包括：●提供训练图像集合；●提供生成器网络；●提供鉴别器网络；●抽取噪声样本和对象的目标计数；●由生成器网络将噪声样本和对象的目标计数映射到生成图像；●从包括生成图像以及训练图像的池（P）随机抽取图像；●将随机抽取的图像供应到鉴别器网络，从而将它们映射到如下的组合：相应图像是训练图像还是生成图像的判定；●用如下目标优化表征鉴别器网络行为的鉴别器参数：改进鉴别器网络在生成图像和训练图像之间进行区分所具有的准确度；●用退化所述准确度的目标优化表征生成器网络行为的生成器参数。
用于生成具有对象预定计数图像生成器网络

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条