JP7135125B2 - 近赤外画像の生成方法、近赤外画像の生成装置、生成ネットワークの訓練方法、生成ネットワークの訓練装置、電子機器、記憶媒体及びコンピュータプログラム - Google Patents
近赤外画像の生成方法、近赤外画像の生成装置、生成ネットワークの訓練方法、生成ネットワークの訓練装置、電子機器、記憶媒体及びコンピュータプログラム Download PDFInfo
- Publication number
- JP7135125B2 JP7135125B2 JP2021006791A JP2021006791A JP7135125B2 JP 7135125 B2 JP7135125 B2 JP 7135125B2 JP 2021006791 A JP2021006791 A JP 2021006791A JP 2021006791 A JP2021006791 A JP 2021006791A JP 7135125 B2 JP7135125 B2 JP 7135125B2
- Authority
- JP
- Japan
- Prior art keywords
- infrared image
- image
- network
- training
- infrared
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/803—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Description
Cb=-0.148*R-0.291*G+0.439*B+128 (4)
Cr=0.439*R-0.368*G-0.071*B+128 (5)
Y=0.257*N+0.564*I+0.098*R+16 (6)
Cb=-0.148*N-0.291*I+0.439*R+128 (7)
Cr=0.439*N-0.368*I-0.071*R+128 (8)
ここで、第1の取得モジュール501は、近赤外画像サンプル及び可視光画像サンプルを含む訓練サンプルセットを取得するために用いられる。
第2の取得モジュール502は、訓練対象の対抗ネットワークを取得するために用いられる。対抗ネットワークは、入力された可視光画像に基づいて対応する近赤外画像を生成するための生成ネットワーク、及び入力された画像が実在するものであるか生成されたものであるかを判断するための判別ネットワークを含む。
構築モジュール503は、画像空間における生成された近赤外画像及び近赤外画像サンプルの距離、及び特徴空間における生成された近赤外画像及び近赤外画像サンプルの距離に基づいて、第1の目的関数を構築するために用いられる。
訓練モジュール504は、第1の目的関数値を最適化し、訓練サンプルセットを用いて対抗ネットワークに対して対抗訓練を行うために用いられる。
ここで、第1の取得モジュール601は、目的対象を含む可視光画像を取得するために用いられる。
生成モジュール602は、可視光画像を、第1の態様の実施例で提供される方法を用いて訓練することにより得られた生成ネットワークに入力して、近赤外画像を取得するために用いられる。
Claims (15)
- 近赤外画像サンプル及び可視光画像サンプルを含む訓練サンプルセットを取得するステップと、
入力された可視光画像に基づいて対応する近赤外画像を生成するための生成ネットワーク、及び入力された画像が実在するものであるか生成されたものであるかを判断するための判別ネットワークを含む訓練対象の対抗ネットワークを取得するステップと、
画像空間における生成された前記近赤外画像及び前記近赤外画像サンプルの距離、及び特徴空間における生成された前記近赤外画像及び前記近赤外画像サンプルの距離に基づいて、第1の目的関数を構築するステップと、
前記第1の目的関数値を最適化し、前記訓練サンプルセットを用いて前記対抗ネットワークに対して対抗訓練を行うステップとを含み、
前記判別ネットワークは、マルチスケールの判別ネットワークであり、入力された前記近赤外画像に対して様々なスケール変換を行い、様々なスケール変換後の画像が実在するものであるか生成されたものであるかを判断するために用いられる、生成ネットワークの訓練方法。 - 前記画像空間における生成された前記近赤外画像及び前記近赤外画像サンプルの距離、及び前記特徴空間における生成された前記近赤外画像及び前記近赤外画像サンプルの距離に基づいて、前記第1の目的関数を構築するステップは、
生成された前記近赤外画像及び前記近赤外画像サンプルに対応するピクセルのピクセル値に基づいて、前記画像空間における生成された前記近赤外画像及び前記近赤外画像サンプルの距離を得るステップと、
生成された前記近赤外画像及び前記近赤外画像サンプルの深度特徴に基づいて、前記特徴空間における生成された前記近赤外画像及び前記近赤外画像サンプルの距離を得るステップと、
前記画像空間における生成された前記近赤外画像及び前記近赤外画像サンプルの距離、及び前記特徴空間における生成された前記近赤外画像及び前記近赤外画像サンプルの距離に基づいて、前記第1の目的関数を構築するステップとを含む請求項1に記載の生成ネットワークの訓練方法。 - 前記判別ネットワークにおける様々な変換スケールに基づいて、前記近赤外画像サンプルに対してスケール変換を行うステップと、
各スケールの前記近赤外画像サンプルのデータ分布と、生成された対応するスケールの前記近赤外画像のデータ分布との間のワッサースタイン距離に基づいて、第2の目的関数を得るステップと、
前記第2の目的関数値を最適化し、前記訓練サンプルセットを用いて前記判別ネットワークに対して訓練を行うステップとを含む請求項1または請求項2に記載の生成ネットワークの訓練方法。 - 生成された前記近赤外画像と前記可視光画像サンプルとの画像特徴の類似度に基づいて、第3の目的関数を構築するステップと、
前記第3の目的関数値を最適化し、前記可視光画像サンプルを用いて前記生成ネットワークに対して訓練を行うステップとを含む請求項1または請求項2に記載の生成ネットワークの訓練方法。 - 前記第1の目的関数値を最適化し、前記訓練サンプルセットを用いて前記対抗ネットワークに対して対抗訓練を行うステップの前に、さらに、
前記近赤外画像サンプル及び前記可視光画像サンプルに対してそれぞれ3次元再構築を行い、同じ角度での2次元投影画像を生成するステップと、
前記近赤外画像サンプルを、その対応する前記2次元投影画像に基づいてピクセルアライメントさせるステップと、
前記可視光画像サンプルを、その対応する前記2次元投影画像に基づいてピクセルアライメントさせるステップとを含む請求項1または請求項2に記載の生成ネットワークの訓練方法。 - 前記第1の目的関数値を最適化し、前記訓練サンプルセットを用いて前記対抗ネットワークに対して対抗訓練を行うステップの前に、さらに、
前記近赤外画像サンプル及び前記可視光画像サンプルをカラーコード化して、前記近赤外画像サンプル及び前記可視光画像サンプルにおける構造情報を分離するステップを含む請求項1または請求項2に記載の生成ネットワークの訓練方法。 - 目的対象を含む可視光画像を取得するステップと、
前記可視光画像を、請求項1から請求項6のいずれかに記載の生成ネットワークの訓練方法を用いて訓練することにより得られた前記生成ネットワークに入力して、前記近赤外画像を取得するステップとを含む近赤外画像の生成方法。 - 前記可視光画像から、前記目的対象の設定された注目点を含む局所画像を切り出すステップと、
前記局所画像を前記生成ネットワークに入力して局所近赤外画像を取得するステップと、
前記近赤外画像と前記局所近赤外画像とを画像融合させ、最終的な近赤外画像を取得するステップとを含む請求項7に記載の近赤外画像の生成方法。 - 前記近赤外画像と前記局所近赤外画像とを画像融合させ、前記最終的な近赤外画像を取得するステップは、
前記近赤外画像と前記局所近赤外画像に対応するピクセルのピクセル値を加重加算するステップを含む請求項8に記載の近赤外画像の生成方法。 - 前記目的対象は顔を含み、設定された注目点は口及び/または目を含む請求項7から請求項9のいずれかに記載の近赤外画像の生成方法。
- 近赤外画像サンプル及び可視光画像サンプルを含む訓練サンプルセットを取得する第1の取得モジュールと、
入力された可視光画像に基づいて対応する近赤外画像を生成するための生成ネットワーク、及び入力された画像が実在するものであるか生成されたものであるかを判断するための判別ネットワークを含む訓練対象の対抗ネットワークを取得する第2の取得モジュールと、
画像空間における生成された前記近赤外画像及び前記近赤外画像サンプルの距離、及び特徴空間における生成された前記近赤外画像及び前記近赤外画像サンプルの距離に基づいて、第1の目的関数を構築する構築モジュールと、
前記第1の目的関数値を最適化し、前記訓練サンプルセットを用いて前記対抗ネットワークに対して対抗訓練を行う訓練モジュールとを備え、
前記判別ネットワークは、マルチスケールの判別ネットワークであり、入力された前記近赤外画像に対して様々なスケール変換を行い、様々なスケール変換後の画像が実在するものであるか生成されたものであるかを判断するために用いられる、生成ネットワークの訓練装置。 - 目的対象を含む可視光画像を取得する第1の取得モジュールと、
前記可視光画像を、請求項1から請求項6のいずれかに記載の生成ネットワークの訓練方法を用いて訓練することにより得られた前記生成ネットワークに入力して、前記近赤外画像を取得する生成モジュールとを備える近赤外画像の生成装置。 - 電子機器であって、
少なくとも1つのプロセッサと、
少なくとも1つの前記プロセッサに通信可能に接続されたメモリとを備え、
該メモリには、少なくとも1つの前記プロセッサによって実行可能な命令が記憶され、該命令が少なくとも1つの前記プロセッサによって実行される場合、少なくとも1つの前記プロセッサが請求項1から請求項6のいずれかに記載の生成ネットワークの訓練方法、または請求項7から請求項10のいずれかに記載の近赤外画像の生成方法を実行する電子機器。 - コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体であって、
前記コンピュータ命令は、コンピュータに請求項1から請求項6のいずれかに記載の生成ネットワークの訓練方法、または請求項7から請求項10のいずれかに記載の近赤外画像の生成方法を実行させる非一時的なコンピュータ読み取り可能な記憶媒体。 - コンピュータ上で動作しているときに、請求項1から請求項6のいずれかに記載の生成ネットワークの訓練方法、または請求項7から請求項10のいずれかに記載の近赤外画像の生成方法を前記コンピュータに実行させるコンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010065711.2A CN111291885B (zh) | 2020-01-20 | 2020-01-20 | 近红外图像的生成方法、生成网络的训练方法和装置 |
CN202010065711.2 | 2020-01-20 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021114296A JP2021114296A (ja) | 2021-08-05 |
JP7135125B2 true JP7135125B2 (ja) | 2022-09-12 |
Family
ID=71023368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021006791A Active JP7135125B2 (ja) | 2020-01-20 | 2021-01-20 | 近赤外画像の生成方法、近赤外画像の生成装置、生成ネットワークの訓練方法、生成ネットワークの訓練装置、電子機器、記憶媒体及びコンピュータプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US11854118B2 (ja) |
EP (1) | EP3852068A1 (ja) |
JP (1) | JP7135125B2 (ja) |
KR (1) | KR102605528B1 (ja) |
CN (1) | CN111291885B (ja) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7446903B2 (ja) * | 2020-04-23 | 2024-03-11 | 株式会社日立製作所 | 画像処理装置、画像処理方法及び画像処理システム |
CN112347850B (zh) * | 2020-09-30 | 2024-04-23 | 新大陆数字技术股份有限公司 | 红外图像转换方法、活体检测方法、装置、可读存储介质 |
US11762951B2 (en) * | 2020-11-18 | 2023-09-19 | Adobe Inc. | Generative image congealing |
CN112967178B (zh) * | 2021-03-08 | 2023-04-07 | 烟台艾睿光电科技有限公司 | 一种图像转换方法、装置、设备及存储介质 |
CN112884758B (zh) * | 2021-03-12 | 2023-01-10 | 国网四川省电力公司电力科学研究院 | 一种基于风格迁移方法的缺陷绝缘子样本生成方法及系统 |
CN112860838B (zh) * | 2021-03-16 | 2022-04-08 | 湖北星地智链科技有限公司 | 基于生成式对抗网络的多尺度地图生成方法、系统、终端 |
CN113674230B (zh) * | 2021-08-10 | 2023-12-19 | 深圳市捷顺科技实业股份有限公司 | 一种室内逆光人脸关键点的检测方法及装置 |
CN113706406B (zh) * | 2021-08-11 | 2023-08-04 | 武汉大学 | 基于特征空间多分类对抗机制的红外可见光图像融合方法 |
CN113762286A (zh) * | 2021-09-16 | 2021-12-07 | 平安国际智慧城市科技股份有限公司 | 数据模型训练方法、装置、设备及介质 |
CN113962246B (zh) * | 2021-09-17 | 2024-04-09 | 华南理工大学 | 融合双模态特征的目标检测方法、系统、设备及存储介质 |
CN114065838B (zh) * | 2021-10-22 | 2023-07-14 | 中国科学院深圳先进技术研究院 | 一种低光照障碍物检测方法、系统、终端以及存储介质 |
CN113781377A (zh) * | 2021-11-03 | 2021-12-10 | 南京理工大学 | 基于对抗性语义引导与感知的红外和可见光图像融合方法 |
CN114943077B (zh) * | 2022-05-19 | 2023-04-07 | 四川大学 | 基于深度强化学习的恶意pdf文件对抗样本生成方法 |
CN116503300B (zh) * | 2023-06-25 | 2023-10-03 | 广东电网有限责任公司湛江供电局 | 一种电力设备的图像融合方法、系统、设备和介质 |
CN116543839B (zh) * | 2023-06-28 | 2023-09-22 | 深圳大学 | 噬菌体构建方法、装置、设备及存储介质 |
CN117499797B (zh) * | 2023-12-29 | 2024-05-14 | 荣耀终端有限公司 | 图像处理方法及相关设备 |
CN117726979A (zh) * | 2024-02-18 | 2024-03-19 | 合肥中盛水务发展有限公司 | 一种基于神经网络的管廊管线管理方法 |
CN117975383A (zh) * | 2024-04-01 | 2024-05-03 | 湖北经济学院 | 一种基于多模态图像融合技术的车辆定位和识别方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007133560A (ja) | 2005-11-09 | 2007-05-31 | Secom Co Ltd | 近赤外線顔画像作成装置、近赤外線顔画像作成方法、及び顔画像照合装置 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU779836B2 (en) * | 1998-10-08 | 2005-02-10 | Matsushita Electric Industrial Co., Ltd. | Device and method for recording, reproducing and processing data |
US7054468B2 (en) * | 2001-12-03 | 2006-05-30 | Honda Motor Co., Ltd. | Face recognition using kernel fisherfaces |
CN101802866B (zh) | 2007-07-09 | 2012-12-12 | 前视红外系统公司 | 用于处理红外图像的方法、红外图像采集系统以及计算机可读介质 |
WO2014167466A1 (en) * | 2013-04-09 | 2014-10-16 | Koninklijke Philips N.V. | Layered two-dimensional projection generation and display |
US9747493B2 (en) * | 2014-09-23 | 2017-08-29 | Keylemon Sa | Face pose rectification method and apparatus |
JP6754619B2 (ja) | 2015-06-24 | 2020-09-16 | 三星電子株式会社Samsung Electronics Co.,Ltd. | 顔認識方法及び装置 |
CN108694709B (zh) * | 2017-04-12 | 2021-06-29 | 深圳市朗驰欣创科技股份有限公司 | 一种图像融合方法及装置 |
CN108009531B (zh) * | 2017-12-28 | 2022-01-07 | 北京工业大学 | 一种多策略防欺诈的人脸识别方法 |
CN108537135A (zh) * | 2018-03-16 | 2018-09-14 | 北京市商汤科技开发有限公司 | 对象识别及对象识别网络的训练方法和装置、电子设备 |
CN108509892B (zh) * | 2018-03-28 | 2022-05-13 | 百度在线网络技术(北京)有限公司 | 用于生成近红外图像的方法和装置 |
CN110633698A (zh) * | 2019-09-30 | 2019-12-31 | 上海依图网络科技有限公司 | 基于循环生成对抗网络的红外图片识别方法、设备及介质 |
US11928632B2 (en) * | 2019-12-19 | 2024-03-12 | Senseye, Inc. | Ocular system for deception detection |
-
2020
- 2020-01-20 CN CN202010065711.2A patent/CN111291885B/zh active Active
-
2021
- 2021-01-19 US US17/152,293 patent/US11854118B2/en active Active
- 2021-01-19 KR KR1020210007477A patent/KR102605528B1/ko active IP Right Grant
- 2021-01-20 EP EP21152519.1A patent/EP3852068A1/en active Pending
- 2021-01-20 JP JP2021006791A patent/JP7135125B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007133560A (ja) | 2005-11-09 | 2007-05-31 | Secom Co Ltd | 近赤外線顔画像作成装置、近赤外線顔画像作成方法、及び顔画像照合装置 |
Non-Patent Citations (3)
Title |
---|
Alexey Dosovitskiy, 外1名,"Generating Images with Perceptual Similarity Metrics based on Deep Networks",[online],2016年02月08日,[令和4年1月27日検索], インターネット<URL:https://arxiv.org/pdf/1602.02644v1.pdf> |
Huijiao Wang, 外4名,"Facial Feature Embedded CycleGAN for VIS-NIR Translation",[online],2019年04月20日,p.1-7,[令和4年1月27日検索], インターネット<URL:https://arxiv.org/pdf/1904.09464v1.pdf> |
Rui Huang, 外3名,"Beyond Face Rotation: Global and Local Perception GAN for Photorealistic and Identity Preserving Frontal View Synthesis",2017 IEEE International Conference on Computer Vision (ICCV),米国,IEEE,2017年10月29日,p.2458-2467 |
Also Published As
Publication number | Publication date |
---|---|
CN111291885B (zh) | 2023-06-09 |
US11854118B2 (en) | 2023-12-26 |
US20210224993A1 (en) | 2021-07-22 |
KR20210094482A (ko) | 2021-07-29 |
CN111291885A (zh) | 2020-06-16 |
KR102605528B1 (ko) | 2023-11-22 |
EP3852068A1 (en) | 2021-07-21 |
JP2021114296A (ja) | 2021-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7135125B2 (ja) | 近赤外画像の生成方法、近赤外画像の生成装置、生成ネットワークの訓練方法、生成ネットワークの訓練装置、電子機器、記憶媒体及びコンピュータプログラム | |
CN111783647B (zh) | 人脸融合模型的训练方法、人脸融合方法、装置及设备 | |
WO2022257487A1 (zh) | 深度估计模型的训练方法, 装置, 电子设备及存储介质 | |
US11568590B2 (en) | Cartoonlization processing method for image, electronic device, and storage medium | |
WO2021218040A1 (zh) | 图像处理的方法及装置 | |
US11641446B2 (en) | Method for video frame interpolation, and electronic device | |
US20230143452A1 (en) | Method and apparatus for generating image, electronic device and storage medium | |
CN111832745A (zh) | 数据增广的方法、装置及电子设备 | |
CN112001248B (zh) | 主动交互的方法、装置、电子设备和可读存储介质 | |
CN111768356A (zh) | 一种人脸图像融合方法、装置、电子设备及存储介质 | |
CN116309983B (zh) | 虚拟人物模型的训练方法、生成方法、装置和电子设备 | |
CN112328345A (zh) | 用于确定主题色的方法、装置、电子设备及可读存储介质 | |
US20230047748A1 (en) | Method of fusing image, and method of training image fusion model | |
CN111539897A (zh) | 用于生成图像转换模型的方法和装置 | |
KR20220100812A (ko) | 안면 생체 검출 방법, 장치, 전자 기기 및 저장 매체 | |
WO2023024653A1 (zh) | 图像处理方法、图像处理装置、电子设备以及存储介质 | |
CN113379877B (zh) | 人脸视频生成方法、装置、电子设备及存储介质 | |
US20210279928A1 (en) | Method and apparatus for image processing | |
CN116402914A (zh) | 用于确定风格化图像生成模型的方法、装置及产品 | |
CN114863450B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113781653A (zh) | 对象模型生成方法、装置、电子设备及存储介质 | |
CN112508830B (zh) | 图像处理模型的训练方法、装置、设备及存储介质 | |
CN113033258B (zh) | 一种图像特征提取方法、装置、设备和存储介质 | |
CN112785524B (zh) | 一种人物图像的修复方法、装置及电子设备 | |
JP2023534381A (ja) | 深層推定モデルのトレーニング方法、装置、電子機器及び記憶媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210120 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210125 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220121 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220208 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220509 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220830 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220831 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7135125 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |