公开(公告)号：CN112017196B

公开(公告)日：2022-02-22

申请号：CN202010875598.4

申请日：2020-08-27

Applicant: 重庆邮电大学

Inventor： 高陈强 ,  张凌明 ,  赵悦 ,  黄思翔 ,  钱志华 ,  谢承娟

IPC: G06T7/11 ,  G06T7/00 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及医学图像处理与计算机视觉领域，具体涉及一种基于局部注意力机制的三维牙齿模型网格分割方法，包括：采用训练好的三维牙齿模型分割网络对三维牙齿模型中的每一个三角形网格进行判断分类，确定每一个三角形网格所在的区域属于牙龈还是某一颗牙齿，准确找到三维牙齿模型中每颗牙齿所在的完整区域，从而对三维牙齿模型进行准确分割。本发明能够有效提高牙齿边缘以及相邻牙齿等低特征识别度区域的分割准确率。

公开(公告)号：CN113744275A

公开(公告)日：2021-12-03

申请号：CN202110846297.3

申请日：2021-07-26

Applicant: 重庆邮电大学

Inventor： 高陈强 ,  黄天浩 ,  李鹏程 ,  赵悦 ,  张凌明

IPC: G06T7/10 ,  G06N3/04 ,  G06N3/08 ,  G06T5/00 ,  G06T5/50

Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于特征变换的三维CBCT牙齿图像的分割方法，该方法包括：实时获取CBCT图像数据，并对该数据进行预处理；将预处理后的CBCT图像数据输入到训练好的CBCT图像牙齿分割模型中进行分割处理；对分割结果进行评估分析；CBCT图像牙齿分割模型为改进的3D卷积神经网络，改进的3D卷积神经网络包括编码器、空间变换模块STM、类别变换模块CTM、特征融合模块、解码器以及输出层；本发明采用一种结合了空间特征变换和类别特征变换模块的3D卷积神经网络模型，结合了空间全局信息和类别全局信息，有效的提升了分割效果并改善了分类结果。

公开(公告)号：CN112016506B

公开(公告)日：2022-10-11

申请号：CN202010926300.8

申请日：2020-09-07

Applicant: 重庆邮电大学

Inventor： 高陈强 ,  钱志华 ,  叶盛 ,  陈乔伊 ,  陈欣悦 ,  张凌明

IPC: G06V40/10 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于图像处理与计算机视觉技术领域，涉及一种快速适应新场景的教室姿态检测模型参数训练方法及装置，所述方法包括：将教室姿态检测模型的参数进行随机初始化；将教室姿态检测数据集按场景划分为小目标数据集；随机选取其中n个小目标数据集，复制模型参数并在各个小目标数据集的训练集上进行训练并在对应测试集上测得损失，并计算各个小目标数据集损失的平均值；将平均值用作是模型参数的教室姿态检测模型的损失，利用该损失对模型参数进行梯度下降，得到新的模型参数；本发明能有效减少人工标注成本，在进一步训练后得到模型参数下的检测结果相对于在训练集上的所有图片进行训练的传统训练方法得到的模型更为准确。

公开(公告)号：CN112016506A

公开(公告)日：2020-12-01

申请号：CN202010926300.8

申请日：2020-09-07

Applicant: 重庆邮电大学

Inventor： 高陈强 ,  钱志华 ,  叶盛 ,  陈乔伊 ,  陈欣悦 ,  张凌明

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于图像处理与计算机视觉技术领域，涉及一种快速适应新场景的教室姿态检测模型参数训练方法及装置，所述方法包括：将教室姿态检测模型的参数进行随机初始化；将教室姿态检测数据集按场景划分为小目标数据集；随机选取其中n个小目标数据集，复制模型参数并在各个小目标数据集的训练集上进行训练并在对应测试集上测得损失，并计算各个小目标数据集损失的平均值；将平均值用作是模型参数的教室姿态检测模型的损失，利用该损失对模型参数进行梯度下降，得到新的模型参数；本发明能有效减少人工标注成本，在进一步训练后得到模型参数下的检测结果相对于在训练集上的所有图片进行训练的传统训练方法得到的模型更为准确。

公开(公告)号：CN113744275B

公开(公告)日：2023-10-20

申请号：CN202110846297.3

申请日：2021-07-26

Applicant: 重庆邮电大学

Inventor： 高陈强 ,  黄天浩 ,  李鹏程 ,  赵悦 ,  张凌明

IPC: G06T7/10 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/084 ,  G06T5/00 ,  G06T5/50

Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于特征变换的三维CBCT牙齿图像的分割方法，该方法包括：实时获取CBCT图像数据，并对该数据进行预处理；将预处理后的CBCT图像数据输入到训练好的CBCT图像牙齿分割模型中进行分割处理；对分割结果进行评估分析；CBCT图像牙齿分割模型为改进的3D卷积神经网络，改进的3D卷积神经网络包括编码器、空间变换模块STM、类别变换模块CTM、特征融合模块、解码器以及输出层；本发明采用一种结合了空间特征变换和类别特征变换模块的3D卷积神经网络模型，结合了空间全局信息和类别全局信息，有效的提升了分割效果并改善了分类结果。

公开(公告)号：CN112017196A

公开(公告)日：2020-12-01

申请号：CN202010875598.4

申请日：2020-08-27

Applicant: 重庆邮电大学

Inventor： 高陈强 ,  张凌明 ,  赵悦 ,  黄思翔 ,  钱志华 ,  谢承娟

IPC: G06T7/11 ,  G06T7/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及医学图像处理与计算机视觉领域，具体涉及一种基于局部注意力机制的三维牙齿模型网格分割方法，包括：采用训练好的三维牙齿模型分割网络对三维牙齿模型中的每一个三角形网格进行判断分类，确定每一个三角形网格所在的区域属于牙龈还是某一颗牙齿，准确找到三维牙齿模型中每颗牙齿所在的完整区域，从而对三维牙齿模型进行准确分割。本发明能够有效提高牙齿边缘以及相邻牙齿等低特征识别度区域的分割准确率。