本發(fā)明提出一種自監(jiān)督圖像去噪方法，通過特征編碼器和視覺Transformer網(wǎng)絡(luò)結(jié)合擴(kuò)散模型實(shí)現(xiàn)高效去噪。首先，下采樣原始有噪圖像生成成對子圖像，并提取語義特征。隨后，這些特征嵌入視覺Transformer網(wǎng)絡(luò)進(jìn)行去噪訓(xùn)練，同時(shí)利用擴(kuò)散...

本發(fā)明提供一種基于單圖像的三維人臉重建及編輯方法，通過預(yù)訓(xùn)練的EG3D網(wǎng)絡(luò)提取特征，生成初步三維人臉。利用逆轉(zhuǎn)模塊，將單目圖像映射到潛碼空間，優(yōu)化潛碼以生成逼真的三維人臉圖像。結(jié)合深度估計(jì)技術(shù)和多視角投影，創(chuàng)造出偽多視圖圖像。進(jìn)一步通過...

本實(shí)用新型公開了一種服務(wù)機(jī)器人結(jié)構(gòu)框架，包括框架主體以及固定于所述框架主體上的多層設(shè)備板；所述框架主體由若干支撐柱、頂部框架以及底部框架連接固定而成；所述多層設(shè)備板依次上下間隔排列，用于放置服務(wù)機(jī)器人的電子設(shè)備；各所述設(shè)備板上均開設(shè)一過...

本發(fā)明公開了一種3D雙路徑神經(jīng)網(wǎng)絡(luò)，所述3D雙路徑神經(jīng)網(wǎng)絡(luò)的整體框架是類U?net結(jié)構(gòu)的，且所述3D雙路徑神經(jīng)網(wǎng)絡(luò)中的連接均為雙路徑連接結(jié)構(gòu)。本發(fā)明還公開了基于3D雙路徑神經(jīng)網(wǎng)絡(luò)的肺部結(jié)節(jié)檢測方法，其特征在于，包括以下步驟：構(gòu)建前述的3...

本發(fā)明公開一種基于3D對抗網(wǎng)絡(luò)的醫(yī)學(xué)CT圖像分割方法，包括如下步驟：采集醫(yī)學(xué)CT圖像樣本，進(jìn)行標(biāo)準(zhǔn)化預(yù)處理；建立最終分割網(wǎng)絡(luò)；將給定任意一幅待識別醫(yī)學(xué)CT圖像放入最終分割網(wǎng)絡(luò)中，得到最終分割結(jié)果。本發(fā)明通過對3D對抗網(wǎng)絡(luò)的結(jié)構(gòu)形式進(jìn)行整...

提供一種抗網(wǎng)格效應(yīng)的人臉深度預(yù)測方法，包括步驟：S1：搭建抗網(wǎng)格效應(yīng)的卷積神經(jīng)網(wǎng)絡(luò)，包括多個(gè)空洞卷積，每個(gè)空洞卷積串聯(lián)連接的規(guī)范化操作和激勵(lì)操作，以及多個(gè)像素反卷積；S2：建立人臉數(shù)據(jù)集，其包括訓(xùn)練集和測試集，并設(shè)置卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練參...

本發(fā)明公開了一種基于無標(biāo)注數(shù)據(jù)的醫(yī)療圖像分割方法，包括以下步驟：A1：采用有標(biāo)注數(shù)據(jù)對分割網(wǎng)絡(luò)進(jìn)行訓(xùn)練；A2：將包含無標(biāo)注數(shù)據(jù)和有標(biāo)注數(shù)據(jù)的訓(xùn)練圖像輸入到所述分割網(wǎng)絡(luò)進(jìn)行分割，并將得到的分割結(jié)果輸入到評價(jià)網(wǎng)絡(luò)；A3：采用所述評價(jià)網(wǎng)絡(luò)對分...

本發(fā)明公開了一種虛化背景下人體骨骼關(guān)鍵點(diǎn)檢測結(jié)果的過濾方法，包括：對RGB圖像進(jìn)行人體骨骼關(guān)鍵點(diǎn)的初步檢測，得到初步結(jié)果；對RGB圖像進(jìn)行深度估計(jì)得到深度估計(jì)圖；對深度估計(jì)圖進(jìn)行深度聚類，以將深度估計(jì)圖劃分為N個(gè)區(qū)域，計(jì)算每個(gè)區(qū)域的平均...

本發(fā)明公開了一種魯棒的雙目立體圖像拼接方法，包括：采用雙目相機(jī)采集兩組圖像，分別計(jì)算每組圖像的左右視圖之間的視差圖；提取每組圖像的特征點(diǎn)，并對所述特征點(diǎn)進(jìn)行描述；將每組圖像的特征點(diǎn)進(jìn)行GMS特征點(diǎn)匹配，篩選出錯(cuò)誤的匹配以得到準(zhǔn)確的特征點(diǎn)...

一種高光譜十億像素視頻生成方法，包括：圖像采集；圖像數(shù)據(jù)預(yù)處理：將局部視角相機(jī)中的每幅圖像的尺寸依據(jù)fr/fl降低，fr為局部視角相機(jī)的聚焦長度，fl為參考相機(jī)的聚焦長度；全局變換迭代：找到每一個(gè)局部視角圖像和其在參照圖像中對應(yīng)的參照圖...

本發(fā)明公開了一種基于混合相機(jī)陣列的十億像素視頻的生成方法，包括以下步驟：S1：采用混合相機(jī)陣列進(jìn)行圖像采集，其中所述混合相機(jī)陣列包括至少一個(gè)全局相機(jī)和多個(gè)局部相機(jī)，通過至少一個(gè)所述全局相機(jī)采集得到至少一個(gè)全局圖像，通過多個(gè)所述局部相機(jī)分...

本發(fā)明公開了基于混合相機(jī)陣列的光場視頻成像系統(tǒng)及視頻處理方法，包括控制云臺、圖像處理單元、存儲(chǔ)單元和混合相機(jī)陣列；混合相機(jī)陣列包括全局相機(jī)、全局光場相機(jī)和多個(gè)局部相機(jī)，同步地采集同一場景的全局低分辨參考視頻、全局光場視頻和多個(gè)局部高清視...

本發(fā)明公開了一種室內(nèi)商場店鋪特征提取方法，商場內(nèi)包括M個(gè)店鋪；包括以下步驟：S1，構(gòu)建店鋪裝飾風(fēng)格識別神經(jīng)網(wǎng)絡(luò)原型；S2，構(gòu)建店鋪文字檢測神經(jīng)網(wǎng)絡(luò)原型；S3，建立該商場內(nèi)的店鋪圖像數(shù)據(jù)集，各圖像均包括店鋪的文字信息和裝飾風(fēng)格信息，將圖像...

本發(fā)明公開了一種雙目立體圖像拼接方法，包括：S1：采用雙目相機(jī)采集多組圖像，提取特征并篩選得到特征點(diǎn)集合，其中每組圖像包括第一方向的相機(jī)采集的第一眼圖和第二方向的相機(jī)采集的第二眼圖；S2：根據(jù)步驟S1篩選的特征點(diǎn)集合對第一眼圖進(jìn)行變換并...

一種高動(dòng)態(tài)范圍十億像素視頻生成方法，包括：用多個(gè)局部視角相機(jī)進(jìn)行正常采集視頻，用中心全局相機(jī)進(jìn)行變曝光采集，使用不同長度的曝光時(shí)間對全局進(jìn)行多次曝光采樣，獲得不同強(qiáng)度范圍入射光的細(xì)節(jié)；對中心全局相機(jī)得到的變曝光采集到的視頻圖像進(jìn)行曝光融...

基于空洞卷積神經(jīng)網(wǎng)絡(luò)的人臉深度和表面法向量預(yù)測方法，包括訓(xùn)練空洞卷積神經(jīng)網(wǎng)絡(luò)的步驟：S1、搭建一空洞卷積神經(jīng)網(wǎng)絡(luò)，包括依次連接的多個(gè)卷積層、多個(gè)空洞卷積層和多個(gè)反卷積層，其中，每個(gè)卷積層均連接有一規(guī)范化操作和一激勵(lì)操作；S2、初始化空洞...

基于多尺度相機(jī)陣列的視頻成像系統(tǒng)及視頻處理方法，系統(tǒng)包括控制云臺、視頻處理單元和相機(jī)陣列；相機(jī)陣列包括多個(gè)局部相機(jī)和至少一個(gè)全局參考相機(jī)；全局參考相機(jī)利用較短焦距鏡頭采集一預(yù)定場景的低分辨率全局參考視頻，多個(gè)局部相機(jī)分別采用較長焦距鏡頭...

本發(fā)明公開了一種神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法及三維手勢姿態(tài)估計(jì)方法，包括：S1：通過深度相機(jī)采集包含多個(gè)手勢深度圖的數(shù)據(jù)集；S2：采用步驟S1的數(shù)據(jù)集來訓(xùn)練隨機(jī)森林學(xué)習(xí)器；S3：采用隨機(jī)森林學(xué)習(xí)器對步驟S1的數(shù)據(jù)集中的多個(gè)手勢深度圖進(jìn)行分割，分割出...

本發(fā)明公開一種三維手勢姿態(tài)估計(jì)方法，包括：S1、獲取多張手勢深度圖并進(jìn)行手勢前景與背景的分割，以得到多張手勢前景圖并隨機(jī)分為訓(xùn)練集和測試集；S2、按照手勢模型圖構(gòu)建各手勢前景圖的實(shí)際標(biāo)簽圖，實(shí)際標(biāo)簽圖包含手勢前景圖中代表人手各參考辨識點(diǎn)...

一種基于光場圖像的高光區(qū)域修復(fù)方法，包括：獲取四維光場圖像以及對應(yīng)的深度圖像；從四維光場圖像提取中心視點(diǎn)圖像，初步確定高光目標(biāo)點(diǎn)的空間域坐標(biāo)，依照輸入的深度圖像對四維光場圖像進(jìn)行重聚焦，獲取高光目標(biāo)點(diǎn)的角度域特性并劃分成飽和高光點(diǎn)與非飽...