JP7446457B2 - 画像最適化方法及びその装置、コンピュータ記憶媒体、コンピュータプログラム並びに電子機器 - Google Patents
画像最適化方法及びその装置、コンピュータ記憶媒体、コンピュータプログラム並びに電子機器 Download PDFInfo
- Publication number
- JP7446457B2 JP7446457B2 JP2022552468A JP2022552468A JP7446457B2 JP 7446457 B2 JP7446457 B2 JP 7446457B2 JP 2022552468 A JP2022552468 A JP 2022552468A JP 2022552468 A JP2022552468 A JP 2022552468A JP 7446457 B2 JP7446457 B2 JP 7446457B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- target
- network
- optimized
- loss function
- 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
- 238000000034 method Methods 0.000 title claims description 121
- 238000005457 optimization Methods 0.000 title claims description 94
- 238000003860 storage Methods 0.000 title claims description 18
- 238000004590 computer program Methods 0.000 title claims description 14
- 230000006870 function Effects 0.000 claims description 111
- 238000012545 processing Methods 0.000 claims description 74
- 238000003062 neural network model Methods 0.000 claims description 55
- 230000008569 process Effects 0.000 claims description 49
- 238000012549 training Methods 0.000 claims description 29
- 238000001914 filtration Methods 0.000 claims description 22
- 230000009466 transformation Effects 0.000 claims description 19
- 238000009826 distribution Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000012805 post-processing Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 8
- 239000006002 Pepper Substances 0.000 claims description 5
- 235000002566 Capsicum Nutrition 0.000 claims description 4
- 235000016761 Piper aduncum Nutrition 0.000 claims description 4
- 235000017804 Piper guineense Nutrition 0.000 claims description 4
- 235000008184 Piper nigrum Nutrition 0.000 claims description 4
- 230000002146 bilateral effect Effects 0.000 claims description 4
- 150000003839 salts Chemical class 0.000 claims description 4
- 238000011946 reduction process Methods 0.000 claims description 3
- 244000203593 Piper nigrum Species 0.000 claims 1
- 238000000638 solvent extraction Methods 0.000 claims 1
- 230000001815 facial effect Effects 0.000 description 33
- 238000010586 diagram Methods 0.000 description 30
- 230000005540 biological transmission Effects 0.000 description 12
- 238000013473 artificial intelligence Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000003672 processing method Methods 0.000 description 4
- 241000722363 Piper Species 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 108091034117 Oligonucleotide Proteins 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000003707 image sharpening Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4046—Scaling of whole images or parts thereof, e.g. expanding or contracting using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/60—Image enhancement or restoration using machine learning, e.g. neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/37—Determination of transform parameters for the alignment of images, i.e. image registration using transform domain methods
-
- 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
-
- 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
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/20048—Transform domain processing
-
- 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
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)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Description
本願は、2020年6月28日に中国特許庁に提出された、出願番号が202010595618.2であり、発明の名称が「画像最適化方法及びその装置、コンピュータ記憶媒体並びに電子機器」である中国特許出願の優先権を主張し、当該中国特許出願の全ての内容が参照により本願に援用される。
101 モバイル端末
102 情報伝送端末
103 ネットワーク
104 サーバ
Claims (17)
- 計算処理機能を備えた機器が実行する画像最適化方法であって、
複数の低品質画像ペアを取得するステップであって、前記低品質画像ペアは、目標画像及び前記目標画像に対応する低品質画像を含む、ステップと、
各低品質画像ペアをそれぞれ目標画像ペアとして使用し、前記目標画像ペアの低品質画像を訓練対象となる敵対的生成深層ニューラルネットワークモデルの生成ネットワークに入力して、生成画像を取得するステップであって、前記敵対的生成深層ニューラルネットワークモデルは前記生成ネットワークおよび後処理ネットワークを含み、前記後処理ネットワークは、判別ネットワーク、分類ネットワーク及び分割ネットワークを含む、ステップと、
前記生成画像及び前記目標画像ペアの目標画像を前記判別ネットワークに入力して、第1判別結果及び第2判別結果を取得し、前記第1判別結果及び前記第2判別結果に基づいて第1損失関数を構築するステップと、
前記生成画像及び前記目標画像ペアの目標画像を前記分類ネットワークに入力して、第1画像情報及び第2画像情報を取得し、前記第1画像情報及び前記第2画像情報に基づいて第2損失関数を構築するステップと、
前記生成画像及び前記目標画像ペアの目標画像を前記分割ネットワークに入力して、第1局所画像情報及び第2局所画像情報を取得し、前記第1局所画像情報及び前記第2局所画像情報に基づいて第3損失関数を構築するステップと、
前記第1損失関数、前記第2損失関数及び前記第3損失関数に基づいて共同損失関数を構築するステップと、
前記共同損失関数に基づいて、前記訓練対象となる敵対的生成深層ニューラルネットワークモデルのパラメータを最適化して、前記生成ネットワークを取得するステップと、
最適化対象となる画像を取得するステップと、
前記最適化対象となる画像に対して位置合わせ処理を実行して、最適化対象となる位置合わせ画像を取得するステップであって、前記最適化対象となる位置合わせ画像の目標領域における各オブジェクトの点は標準位置に分散される、ステップと、
前記最適化対象となる位置合わせ画像を生成ネットワークに入力し、前記生成ネットワークを介して前記最適化対象となる位置合わせ画像に対して特徴抽出を実行して、最適化画像を取得するステップと、を含む、
前記画像最適化方法。 - 前記最適化対象となる画像に対して位置合わせ処理を実行して、最適化対象となる位置合わせ画像を取得する前記ステップは、
標準位置テンプレートに基づいて前記最適化対象となる画像に対して位置合わせ処理を実行して、前記最適化対象となる位置合わせ画像を取得するステップを含む、
請求項1に記載の画像最適化方法。 - 前記標準位置テンプレートは、特定領域における各オブジェクトの点分布であり、前記標準位置テンプレートに基づいて前記最適化対象となる画像に対して位置合わせ処理を実行して、前記最適化対象となる位置合わせ画像を取得する前記ステップは、
前記最適化対象となる画像内の目標領域を検出するステップであって、前記目標領域と前記特定領域のタイプは同じであるステップと、
前記目標領域の画像データと前記標準位置テンプレートとの間の変換行列を決定するステップと、
前記変換行列に基づいて前記目標領域に対応する画像に対して変換操作を実行して、前記最適化対象となる位置合わせ画像を取得するステップと、を含む、
請求項2に記載の画像最適化方法。 - 前記複数の低品質画像ペアを取得する前記ステップは、
複数の目標画像を取得するステップと、
前記複数の目標画像に対して位置合わせ処理をそれぞれ実行して、複数の位置合わせ画像を取得するステップと、
前記複数の位置合わせ画像に対して低品質化処理をそれぞれ実行して、前記目標画像のそれぞれに対応する低品質画像を取得するステップと、
前記目標画像及び前記目標画像に対応する低品質画像に基づいて前記低品質画像ペアを形成するステップと、を含む、
請求項1に記載の画像最適化方法。 - 前記低品質化処理は、ノイズ追加処理及び/又はぼかし処理を含む、
請求項4に記載の画像最適化方法。 - 前記ノイズ追加処理は、ガウスノイズ、ポアソンノイズ、ごま塩ノイズのうちの1つ又は複数のノイズを追加することを含み、前記ぼかし処理は、平均フィルタリング、ガウスフィルタリング、メディアンフィルタリング、バイラテラルフィルタリング、及び低解像度化のうちの1つ又は複数を含む、
請求項5に記載の画像最適化方法。 - 前記第1判別結果は、前記生成画像に対応し、前記第2判別結果は、前記目標画像に対応し、前記第1判別結果は、前記生成画像の二項分類の信頼度を示し、前記第2判別結果は、前記目標画像の二項分類の信頼度を示す、
請求項1に記載の画像最適化方法。 - 前記第1画像情報は、前記生成画像に対応する第1分類結果であり、前記第2画像情報は、前記目標画像に対応する第2分類結果である、
請求項1に記載の画像最適化方法。 - 前記第1画像情報及び前記第2画像情報に基づいて第2損失関数を構築する前記ステップは、
前記低品質画像ペアのそれぞれに対応する第1画像情報から第2画像情報を減算して、画像情報の差を取得するステップと、
すべての前記低品質画像ペアに対応する画像情報の差に基づいて前記第2損失関数を構築するステップと、を含む、
請求項1に記載の画像最適化方法。 - 前記目標画像ペアの目標画像及び前記生成画像は両方とも、複数のオブジェクトを含み、
前記生成画像及び前記目標画像ペアの目標画像を前記分割ネットワークに入力して、第1局所画像情報及び第2局所画像情報を取得する前記ステップは、
前記分割ネットワークを介して、前記目標画像を分割して、前記目標画像内の各オブジェクトの位置情報を取得するステップと、
前記生成画像内の前記各オブジェクトの位置情報に対応する画像情報を前記第1局所画像情報として使用し、前記目標画像内の前記各オブジェクトの位置情報に対応する画像情報を前記第2局所画像情報として使用するステップと、を含む、
請求項1に記載の画像最適化方法。 - 前記第1局所画像情報及び前記第2局所画像情報に基づいて第3損失関数を構築する前記ステップは、
前記第1局所画像情報と前記第2局所画像情報との間のL1ノルムを計算するステップと、
すべての前記低品質画像ペアに対応するL1ノルムに基づいて前記第3損失関数を構築するステップと、を含む、
請求項10に記載の画像最適化方法。 - 前記共同損失関数に基づいて、前記訓練対象となる敵対的生成深層ニューラルネットワークモデルのパラメータを最適化して、前記生成ネットワークを取得する前記ステップは、
訓練の各ラウンドで、前記第1損失関数、前記第2損失関数及び前記第3損失関数を順次に使用して、前記訓練対象となる敵対的生成深層ニューラルネットワークモデルのパラメータを最適化して、前記生成ネットワークを取得するステップを含む、
請求項1に記載の画像最適化方法。 - 前記第1損失関数を使用して前記訓練対象となる敵対的生成深層ニューラルネットワークモデルのパラメータを最適化する前記ステップは、
前記生成ネットワークのパラメータを変更せずに固定し、前記第1判別結果及び前記第2判別結果に基づいて前記判別ネットワークのパラメータを最適化するステップと、
前記判別ネットワークの最適化後のパラメータを変更せずに固定し、前記第1判別結果に基づいて前記生成ネットワークのパラメータを最適化するステップと、を含む、
請求項12に記載の画像最適化方法。 - 計算処理機能を備えた機器に展開されている、画像最適化装置であって、
複数の低品質画像ペアを取得するように構成された低品質画像ペア取得モジュールであって、前記低品質画像ペアは、目標画像及び前記目標画像に対応する低品質画像を含む、低品質画像ペア取得モジュールと、
各低品質画像ペアをそれぞれ目標画像ペアとして使用し、前記目標画像ペアの低品質画像を訓練対象となる敵対的生成深層ニューラルネットワークモデルの生成ネットワークに入力して、生成画像を取得するように構成された生成画像取得モジュールであって、前記敵対的生成深層ニューラルネットワークモデルは前記生成ネットワークおよび後処理ネットワークを含み、前記後処理ネットワークは、判別ネットワーク、分類ネットワーク及び分割ネットワークを含む、生成画像取得モジュールと、
前記生成画像及び前記目標画像ペアの目標画像を前記判別ネットワークに入力して、第1判別結果及び第2判別結果を取得し、前記第1判別結果及び前記第2判別結果に基づいて第1損失関数を構築し、
前記生成画像及び前記目標画像ペアの目標画像を前記分類ネットワークに入力して、第1画像情報及び第2画像情報を取得し、前記第1画像情報及び前記第2画像情報に基づいて第2損失関数を構築し、
前記生成画像及び前記目標画像ペアの目標画像を前記分割ネットワークに入力して、第1局所画像情報及び第2局所画像情報を取得し、前記第1局所画像情報及び前記第2局所画像情報に基づいて第3損失関数を構築し、
前記第1損失関数、前記第2損失関数及び前記第3損失関数に基づいて共同損失関数を構築する
ように構成された損失関数構築モジュールと、
前記共同損失関数に基づいて、前記訓練対象となる敵対的生成深層ニューラルネットワークモデルのパラメータを最適化して、前記生成ネットワークを取得するように構成されたモデルパラメータ調整モジュールと、
最適化対象となる画像を取得するように構成される取得モジュールと、
前記最適化対象となる画像に対して位置合わせ処理を実行して、最適化対象となる位置合わせ画像を取得するように構成される位置合わせモジュールであって、前記最適化対象となる位置合わせ画像の目標領域における各オブジェクトの点は標準位置に分散される、位置合わせモジュールと、
前記最適化対象となる位置合わせ画像を生成ネットワークに入力し、前記生成ネットワークを介して前記最適化対象となる位置合わせ画像に対して特徴抽出を実行して、最適化画像を取得するように構成される最適化モジュールと、を備える、
前記画像最適化装置。 - コンピュータプログラムが記憶されているコンピュータ可読記憶媒体であって、
前記コンピュータプログラムがプロセッサによって実行されるときに、請求項1ないし13のいずれか一項に記載の画像最適化方法を実現する、前記コンピュータ可読記憶媒体。 - 画像最適化用の電子機器であって、
1つ又は複数のプロセッサと、
1つ又は複数のプログラムが記憶された記憶装置と、を備え、前記1つ又は複数のプログラムが前記1つ又は複数のプロセッサによって実行されるときに、前記1つ又は複数のプロセッサに、請求項1ないし13のいずれか一項に記載の画像最適化方法を実行させる、前記電子機器。 - コンピュータに、請求項1ないし13のいずれか一項に記載の画像最適化方法を実行させるように構成される、コンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010595618.2A CN111488865B (zh) | 2020-06-28 | 2020-06-28 | 图像优化方法、装置、计算机存储介质以及电子设备 |
CN202010595618.2 | 2020-06-28 | ||
PCT/CN2021/096024 WO2022001509A1 (zh) | 2020-06-28 | 2021-05-26 | 图像优化方法、装置、计算机存储介质以及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023515654A JP2023515654A (ja) | 2023-04-13 |
JP7446457B2 true JP7446457B2 (ja) | 2024-03-08 |
Family
ID=71810596
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022552468A Active JP7446457B2 (ja) | 2020-06-28 | 2021-05-26 | 画像最適化方法及びその装置、コンピュータ記憶媒体、コンピュータプログラム並びに電子機器 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220261968A1 (ja) |
EP (1) | EP4050511A4 (ja) |
JP (1) | JP7446457B2 (ja) |
CN (1) | CN111488865B (ja) |
WO (1) | WO2022001509A1 (ja) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111488865B (zh) * | 2020-06-28 | 2020-10-27 | 腾讯科技(深圳)有限公司 | 图像优化方法、装置、计算机存储介质以及电子设备 |
CN112233207A (zh) * | 2020-10-16 | 2021-01-15 | 北京字跳网络技术有限公司 | 图像处理方法、装置、设备和计算机可读介质 |
CN112488944A (zh) * | 2020-12-02 | 2021-03-12 | 北京字跳网络技术有限公司 | 样本生成和模型训练方法、装置、设备和计算机可读介质 |
CN112651948B (zh) * | 2020-12-30 | 2022-04-12 | 重庆科技学院 | 一种基于机器视觉的青蒿素萃取智能跟踪与识别方法 |
CN113177982B (zh) * | 2021-04-16 | 2023-03-10 | 杭州睿影科技有限公司 | 安检图像数据的处理方法、装置、设备及系统 |
CN113344832A (zh) * | 2021-05-28 | 2021-09-03 | 杭州睿胜软件有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN113298807A (zh) * | 2021-06-22 | 2021-08-24 | 北京航空航天大学 | 一种计算机断层扫描图像处理方法及装置 |
US12020364B1 (en) * | 2022-04-07 | 2024-06-25 | Bentley Systems, Incorporated | Systems, methods, and media for modifying the coloring of images utilizing machine learning |
CN115147314B (zh) * | 2022-09-02 | 2022-11-29 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、设备以及存储介质 |
CN117036180A (zh) * | 2022-10-13 | 2023-11-10 | 腾讯科技(深圳)有限公司 | 图像优化方法、装置、电子设备、介质和程序产品 |
CN115689923A (zh) * | 2022-10-27 | 2023-02-03 | 佛山读图科技有限公司 | 低剂量ct图像降噪系统与降噪方法 |
CN116385308B (zh) * | 2023-04-15 | 2024-05-07 | 广州海至亚传媒科技有限公司 | 联合图像处理优化策略选择系统 |
CN116977214B (zh) * | 2023-07-21 | 2024-08-06 | 萱闱(北京)生物科技有限公司 | 图像优化方法、装置、介质和计算设备 |
CN118095101A (zh) * | 2024-04-17 | 2024-05-28 | 中国石油大学(华东) | 一种基于机器学习的太赫兹超表面散射参数快速正演方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010239337A (ja) | 2009-03-31 | 2010-10-21 | Sony Corp | 固体撮像装置、固体撮像装置の信号処理方法および撮像装置 |
US20190252073A1 (en) | 2018-02-12 | 2019-08-15 | Ai.Skopy, Inc. | System and method for diagnosing gastrointestinal neoplasm |
JP2020010331A (ja) | 2018-07-03 | 2020-01-16 | 株式会社ユビタス | 画質を向上させる方法 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318603A (zh) * | 2014-09-12 | 2015-01-28 | 上海明穆电子科技有限公司 | 从手机相册调取照片生成3d模型的方法及系统 |
CN107103590B (zh) * | 2017-03-22 | 2019-10-18 | 华南理工大学 | 一种基于深度卷积对抗生成网络的图像反射去除方法 |
US10565758B2 (en) * | 2017-06-14 | 2020-02-18 | Adobe Inc. | Neural face editing with intrinsic image disentangling |
CN107481188A (zh) * | 2017-06-23 | 2017-12-15 | 珠海经济特区远宏科技有限公司 | 一种图像超分辨率重构方法 |
US10614557B2 (en) * | 2017-10-16 | 2020-04-07 | Adobe Inc. | Digital image completion using deep learning |
CN108537743B (zh) * | 2018-03-13 | 2022-05-20 | 杭州电子科技大学 | 一种基于生成对抗网络的面部图像增强方法 |
US10825219B2 (en) * | 2018-03-22 | 2020-11-03 | Northeastern University | Segmentation guided image generation with adversarial networks |
CN108520503B (zh) * | 2018-04-13 | 2020-12-22 | 湘潭大学 | 一种基于自编码器和生成对抗网络修复人脸缺损图像的方法 |
CN109376582B (zh) * | 2018-09-04 | 2022-07-29 | 电子科技大学 | 一种基于生成对抗网络的交互式人脸卡通方法 |
CN109685724B (zh) * | 2018-11-13 | 2020-04-03 | 天津大学 | 一种基于深度学习的对称感知人脸图像补全方法 |
CN109615582B (zh) * | 2018-11-30 | 2023-09-01 | 北京工业大学 | 一种基于属性描述生成对抗网络的人脸图像超分辨率重建方法 |
CN109685072B (zh) * | 2018-12-22 | 2021-05-14 | 北京工业大学 | 一种基于生成对抗网络的复合降质图像高质量重建方法 |
CN110349102A (zh) * | 2019-06-27 | 2019-10-18 | 腾讯科技(深圳)有限公司 | 图像美化的处理方法、图像美化的处理装置以及电子设备 |
CN110363116B (zh) * | 2019-06-28 | 2021-07-23 | 上海交通大学 | 基于gld-gan的不规则人脸矫正方法、系统及介质 |
CN110472566B (zh) * | 2019-08-14 | 2022-04-26 | 旭辉卓越健康信息科技有限公司 | 一种高精度的模糊人脸识别方法 |
CN111080527B (zh) * | 2019-12-20 | 2023-12-05 | 北京金山云网络技术有限公司 | 一种图像超分辨率的方法、装置、电子设备及存储介质 |
CN111126307B (zh) * | 2019-12-26 | 2023-12-12 | 东南大学 | 联合稀疏表示神经网络的小样本人脸识别方法 |
CN111179177B (zh) * | 2019-12-31 | 2024-03-26 | 深圳市联合视觉创新科技有限公司 | 图像重建模型训练方法、图像重建方法、设备及介质 |
CN111488865B (zh) * | 2020-06-28 | 2020-10-27 | 腾讯科技(深圳)有限公司 | 图像优化方法、装置、计算机存储介质以及电子设备 |
-
2020
- 2020-06-28 CN CN202010595618.2A patent/CN111488865B/zh active Active
-
2021
- 2021-05-26 EP EP21832144.6A patent/EP4050511A4/en active Pending
- 2021-05-26 WO PCT/CN2021/096024 patent/WO2022001509A1/zh unknown
- 2021-05-26 JP JP2022552468A patent/JP7446457B2/ja active Active
-
2022
- 2022-05-03 US US17/735,948 patent/US20220261968A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010239337A (ja) | 2009-03-31 | 2010-10-21 | Sony Corp | 固体撮像装置、固体撮像装置の信号処理方法および撮像装置 |
US20190252073A1 (en) | 2018-02-12 | 2019-08-15 | Ai.Skopy, Inc. | System and method for diagnosing gastrointestinal neoplasm |
JP2020010331A (ja) | 2018-07-03 | 2020-01-16 | 株式会社ユビタス | 画質を向上させる方法 |
Non-Patent Citations (5)
Title |
---|
B. Amos et al.,"Openface: A generalpurpose face recognition library with mobile applications",School Comput. Sci.,Carnegie Mellon Univ.,2016年06月 |
Boyu LU et al.,"UID-GAN: Unsupervised Image Deblurring via Disentangled Representations",IEEE Transactions on Biometrics, Behavior, and Identity Science,IEEE,2020年01月,Vol. 2, No. 1,p.26-39,DOI: 10.1109/TBIOM.2019.2959133 |
Rajeev RANJAN et al.,"An All-In-One Convolutional Neural Network for Face Analysis",2017 12th IEEE International Conference on Automatic Face & Gesture Recognition (FG 2017),IEEE,2017年05月,pp.17-24,DOI: 10.1109/FG.2017.137 |
Xianjun HAN et al.,"Asymmetric Joint GANs for Normalizing Face Illumination From a Single Image",IEEE Transactions on Multimedia,IEEE,2020年06月,Vol. 22, No. 6,p.1619-1633,DOI: 10.1109/TMM.2019.2945197 |
スハイル ハムダンほか,ブロックノイズにより劣化した顔画像の学習型復元手法,電気学会研究会資料,日本,電気学会,2017年12月08日,pp.17-22 |
Also Published As
Publication number | Publication date |
---|---|
WO2022001509A1 (zh) | 2022-01-06 |
JP2023515654A (ja) | 2023-04-13 |
CN111488865B (zh) | 2020-10-27 |
EP4050511A1 (en) | 2022-08-31 |
CN111488865A (zh) | 2020-08-04 |
EP4050511A4 (en) | 2022-12-28 |
US20220261968A1 (en) | 2022-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7446457B2 (ja) | 画像最適化方法及びその装置、コンピュータ記憶媒体、コンピュータプログラム並びに電子機器 | |
Jam et al. | A comprehensive review of past and present image inpainting methods | |
Chen et al. | Fsrnet: End-to-end learning face super-resolution with facial priors | |
US11830230B2 (en) | Living body detection method based on facial recognition, and electronic device and storage medium | |
EP3948764B1 (en) | Method and apparatus for training neural network model for enhancing image detail | |
US9679192B2 (en) | 3-dimensional portrait reconstruction from a single photo | |
EP3951702A1 (en) | Method for training image processing model, image processing method, network device, and storage medium | |
CN112598579B (zh) | 面向监控场景的图像超分辨率方法、装置及存储介质 | |
CN112541864A (zh) | 一种基于多尺度生成式对抗网络模型的图像修复方法 | |
Liu et al. | Depth restoration from RGB-D data via joint adaptive regularization and thresholding on manifolds | |
CN111695421B (zh) | 图像识别方法、装置及电子设备 | |
CN108205803A (zh) | 图像处理方法、神经网络模型的训练方法及装置 | |
CN111008935B (zh) | 一种人脸图像增强方法、装置、系统及存储介质 | |
CN111767906B (zh) | 人脸检测模型训练方法、人脸检测方法、装置及电子设备 | |
CN112308866B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111292272B (zh) | 图像处理方法、装置、介质以及电子设备 | |
US20220198731A1 (en) | Pixel-aligned volumetric avatars | |
CN110503704B (zh) | 三分图的构造方法、装置和电子设备 | |
JP2023545052A (ja) | 画像処理モデルの訓練方法及び装置、画像処理方法及び装置、電子機器並びにコンピュータプログラム | |
CN111325107A (zh) | 检测模型训练方法、装置、电子设备和可读存储介质 | |
CN110766153A (zh) | 神经网络模型训练方法、装置及终端设备 | |
CN115147261A (zh) | 图像处理方法、装置、存储介质、设备及产品 | |
CN113012030A (zh) | 图像拼接方法、装置及设备 | |
CN113744158B (zh) | 图像生成方法、装置、电子设备和存储介质 | |
CN114387315A (zh) | 图像处理模型训练、图像处理方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220831 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220831 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230824 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230904 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231204 |
|
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: 20240213 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240227 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7446457 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |