0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

如何利用红外相机重建人脸照片彩色图像

科技绿洲 来源:NVIDIA英伟达企业解决方案 作者:NVIDIA英伟达企业解 2022-04-28 11:40 次阅读

在发布于《PLOS One》期刊的论文中,由 Pierre Baldi 教授和 Andrew Browne 博士领导的加州大学欧文分校研究小组描述了他们如何利用红外相机重建人脸照片的彩色图像。

研究使用人类无法察觉的近红外照明采集光线,推动了红外相机图像预测和重建技术的发展。

该研究的作者解释说,人类能够看到的“可见光谱”是波长在 400 至 700 纳米之间的光。

普通的夜视系统依靠相机来采集光谱外人们看不见的红外光。

研究人员表示,相机所采集的图像会被转换到显示器上,显示器单色显示红外相机所拍摄的内容。

加州大学欧文分校的团队开发了成像算法,该算法依靠深度学习来预测人类在红外相机捕获的光线中将看到什么。

换言之,他们能够使用相机在人类完全看不见的环境中进行拍摄,并数字化渲染拍摄的图像。

为此,研究人员使用了对可见光和近红外光敏感的单色相机来获取面部打印图像的图像数据集。

这些图像是在覆盖标准可见红光、绿光、蓝光以及红外波长的多光谱照明下采集的。

研究人员优化了具有类 U-Net 架构的卷积神经网络,根据近红外图像来预测可见光谱图像。该神经网络是弗莱堡大学大学计算机科学系最初为生物医学图像分割所开发的专用卷积神经网络。

该系统使用 NVIDIA GPU 和 140 张人脸图像进行训练,其中 40 张用于验证,20 张用于测试。

最终,该团队成功重现了红外相机在黑暗房间中拍摄的彩色人像。换言之,他们创造了能够在全彩夜视系统。

可以肯定的是,这些系统目前还无法实现通用。它们需要经过训练后才能预测不同种类物体的颜色,比如花或人脸。

尽管如此,该研究未来可能会完全实现全彩夜视系统,就像我们在白天所能看到的一样。有朝一日,或许它使科学家也能够研究对可见光敏感的生物样本。

审核编辑:彭菁
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • NVIDIA
    +关注

    关注

    14

    文章

    4982

    浏览量

    103000
  • gpu
    gpu
    +关注

    关注

    28

    文章

    4729

    浏览量

    128903
  • 红外相机
    +关注

    关注

    0

    文章

    33

    浏览量

    8398
  • 彩色图像
    +关注

    关注

    0

    文章

    15

    浏览量

    7449
收藏 人收藏

    评论

    相关推荐

    FacenetPytorch人脸识别方案--基于米尔全志T527开发板

    ,使得相似的图像在特征空间中具有相近的表示。 4)特征提取:利用神经网络模型,对新捕捉到的人脸照片和存储的每一张人脸
    发表于 11-28 15:57

    新品 | Teledyne FLIR IIS 推出Forge 1GigE SWIR 短波红外工业相机系列

    TeledyneFLIRIISForge1GigESWIR系列近日,51camera的合作伙伴TeledyneFLIRIIS推出了新品Forge1GigESWIR130万像素的红外相机
    的头像 发表于 09-27 08:10 483次阅读
    新品 | Teledyne FLIR IIS 推出Forge 1GigE SWIR 短波<b class='flag-5'>红外</b>工业<b class='flag-5'>相机</b>系列

    PHOTONIS可见光 - 近红外相机介绍

    解决方案的承诺而闻名。 Photonis 的可见光和近红外 (VIS/NIR) 相机和核心在从明亮的日光到昏暗的环境等各种光照条件下均具有无与伦比的成像能力。这些相机核心配备灵敏的 CMOS 传感器和
    的头像 发表于 08-13 06:20 321次阅读

    研究人员利用人工智能提升超透镜相机图像质量

    研究人员利用深度学习技术提高了直接集成在 CMOS 成像芯片上的超透镜相机(左)的图像质量。超透镜利用 1000 纳米高的圆柱形氮化硅纳米柱阵列(右图)操纵光线。 研究人员
    的头像 发表于 06-11 06:34 374次阅读
    研究人员<b class='flag-5'>利用</b>人工智能提升超透镜<b class='flag-5'>相机</b>的<b class='flag-5'>图像</b>质量

    友思特应用 | 慧眼识珠:如何实现无障碍高光谱成像?

    红外相机可帮助人眼捕捉不同材料之间光谱特征的微小差异。友思特 Monarch 微型可调近红外相机以其小体积、低成本、高性能,3步即可快速实现各种材料的分类应用。
    的头像 发表于 06-05 17:12 334次阅读
    友思特应用 | 慧眼识珠:如何实现无障碍高光谱成像?

    基于超晶格红外探测器的高光谱红外相机支撑科学新发现

    据麦姆斯咨询报道,美国国家航空航天局(NASA)开发的新型高光谱红外相机配备了各种轻型滤光片,能够探测地球高层大气和地表反射阳光,可以改善森林火灾预警,还能揭示其它行星的分子组成。
    的头像 发表于 05-29 09:12 2058次阅读
    基于超晶格<b class='flag-5'>红外</b>探测器的高光谱<b class='flag-5'>红外相机</b>支撑科学新发现

    红外视角的延伸:短波红外相机的机器视觉应用

    SWIR技术在水分检测、塑料检测、太阳能电池板检查和矿场开采等领域具有丰富应用,友思特与您一同探索短波红外相机在机器视觉领域广阔的未来发展前景。
    的头像 发表于 04-17 17:25 1064次阅读
    <b class='flag-5'>红外</b>视角的延伸:短波<b class='flag-5'>红外相机</b>的机器视觉应用

    混合数据相机实现高精度彩色成像技术

    采用传统工业相机作为图像采集模组的检测系统,硬件构成较为复杂,同时需要基于经验不断尝试光源方案和硬件系统的部署架构。
    的头像 发表于 04-04 08:23 994次阅读
    混合数据<b class='flag-5'>相机</b>实现高精度<b class='flag-5'>彩色</b>成像技术

    【开源项目】自制一个创客专属的无反相机

    可换镜头相机。 无反光镜相机是一种不使用传统单镜头反光(SLR)相机中的反光镜和光学取景器的相机。它通过电子取景器或直接在屏幕上显示图像来进
    发表于 02-29 15:50

    红外热像仪是做什么的 热成像仪能穿透墙吗

    红外热像仪是一种通过探测物体发射的红外辐射来生成热图像的设备。它利用红外相机和热成像技术来将物体表面的
    的头像 发表于 01-18 11:08 1560次阅读

    用于工业相机红外相机的电源控制器ASIP00111601-15A

    电源模块也开始大量使用。本文主要介绍一款国芯思辰DC-DC电源SOC模块集成控制器ASIP00111601-15A的应用特点,适用于工业相机红外相机。ASIP0011
    的头像 发表于 01-18 10:23 414次阅读
    用于工业<b class='flag-5'>相机</b>、<b class='flag-5'>红外相机</b>的电源控制器ASIP00111601-15A

    利用手持摄像机图像通过卷积神经网络实时进行水稻检测

    在本研究中,研究者提出了一种有效的深度卷积神经网络(DCNN)结构,利用手持照相机拍摄的照片来检测水稻的生长阶段(DVS)。
    的头像 发表于 01-09 10:10 494次阅读
    <b class='flag-5'>利用</b>手持摄像机<b class='flag-5'>图像</b>通过卷积神经网络实时进行水稻检测

    友思特案例 | 捕捉“五彩斑斓的黑”:锗基短波红外相机的多种成像应用

    友思特 BeyonSense 1短波红外相机,带您轻松捕捉人眼可见范围以外的"五彩斑斓的黑色",以丰富成像结果看见锗基短波红外相机在灵敏度与像素上的更多未来前景。
    的头像 发表于 01-03 15:11 438次阅读
    友思特案例 | 捕捉“五彩斑斓的黑”:锗基短波<b class='flag-5'>红外相机</b>的多种成像应用

    量子点图像传感器对比CMOS图像传感器有何优势?

    当前的红外相机功能不亚于可见光相机,只是吸收光的材料大不相同。传统的红外相机使用带小能带隙的半导体,如硒化铅、锑化铟、碲镉汞或砷化铟镓,来吸收硅无法吸收的光。
    发表于 12-29 15:37 978次阅读
    量子点<b class='flag-5'>图像</b>传感器对比CMOS<b class='flag-5'>图像</b>传感器有何优势?