-
公开(公告)号：CN105528591B
公开(公告)日：2019-04-16
申请号：CN201610023511.4
申请日：2016-01-14
Applicant: 电子科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于多象限编码的活体指纹识别方法。设计指纹识别方法技术领域。所述方法包括：采集足够数量的真假指纹图像；在采集到的指纹图像上随机采样大量不同尺寸图像块；通过正交簇保持学习算法学习出各个滤波器以最大化分割超平面与图像块数据的平均角度，得到每个尺度下的分割超平面的法向量；使用多象限编码获得指纹图像纹理特征；对得到的特征进一步降维，交叉验证参数并训练SVM分类器，挑选最佳参数训练得到最终分类器。所述方法通过采用多象限编码技术，可区分活体指纹与假指纹在纹理特征上的细微差别，将真假指纹区分开，不需要硬件系统的提升，提高了指纹识别系统的安全性。
-
公开(公告)号：CN109242860A
公开(公告)日：2019-01-18
申请号：CN201810952440.5
申请日：2018-08-21
Applicant: 电子科技大学
Abstract: 本发明公开了基于深度学习及权重空间集成的脑肿瘤图像分割方法，包括以下步骤，S1、采集脑肿瘤的多模态MRI图像，并对采集到的多模态MRI图像进行预处理操作；S2、构建第一网络模型和第二网络模型；S3、将预处理后的多模态MRI图像输入第二网络模型，穿过权重空间，更新平均权重；对其进行训练，将训练后的权重平均值存入第一网络模型；S4、将待测试的多模态MRI图像输入至第一网络模型中，输出脑肿瘤图像分割结果。本发明中的分割方法有利于提高脑肿瘤分割结果的准确性和可靠性，并行网络可以在分割病灶的同时得到定位信息，同时融入权重空间集合的方法，提高了脑肿瘤分割的效率以及准确率。
-
公开(公告)号：CN109241972A
公开(公告)日：2019-01-18
申请号：CN201810947587.5
申请日：2018-08-20
Applicant: 电子科技大学
Abstract: 本发明公开一种基于深度学习的图像语义分割方法，涉及图像语义分割和深度学习领域，包括如下步骤：选择训练数据集；构建基于深度学习的语义分割模型；语义分割模型包括：语义监督模块、语义嵌入分值模块、特征重校正模块、上采样层和卷积层；通过分类模型对训练数据集进行预处理，并将分类模型的中间层输出的不同尺度的特征图输入构建好的语义分割模型中的语义监督模块中；对整个图像语义分割模型进行训练；步骤5：输入新的图像，在已训练好的深度神经网络模型中进行一次前向传播，端到端地输出预测的语义分割结果。本发明解决了现有技术中的图像语义分割准确率较低的问题。
-
公开(公告)号：CN109190683A
公开(公告)日：2019-01-11
申请号：CN201810925972.X
申请日：2018-08-14
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于注意力机制和双模态图像的分类方法，属于图像分类领域，对待分类项目的双模态图像数据进行预处理，将预处理后的双模态图像数据分为训练数据和测试数据；构建基于注意力机制的深度学习模型，将训练数据输入所述深度学习模型进行训练；利用反向传播及随机梯度下降算法对深度学习模型的网络参数进行优化，得到测试模型；将所述测试数据输入测试模型，通过前向传播得到该测试数据的分类结果；本发明通过模型的学习提取出了样本各自比较重要的特征，实现了更优的特征提取，最终可以得到更好的分类结果，分类准确率高；且本发明提出的方法是端到端的模型，而不需要分开训练两个模态的网络。
-
公开(公告)号：CN105488809B
公开(公告)日：2018-04-17
申请号：CN201610023292.X
申请日：2016-01-14
Applicant: 电子科技大学
IPC: G06T7/10
Abstract: 本发明公开了一种基于RGB‑D描述符的室内场景语义分割方法。涉及图像处理方法技术领域。该方法包括：利用Kinect获取具有深度信息的室内图像；利用边界全局分割算法bgs分别对RGB图和深度图进行分层分割；将得到的bgs_rgb和bgs_d线性结合得到最终的分层分割结果图；利用得到的分层分割图和RGBD图确定房间的重力方向，获得与重力方向有关的位姿特征；提取RGBD描述符；将得到的位姿特征与RGBD描述符串联得到特征集；选用线性支撑矢量机SVM作为分类器作用于特征集产生语义分割结果。通过所述方法得到的室内物品的语义分割结果准确率较高，可为室内物体识别和室内监控等方面提供一种有效的方法。
-
Patent Agency Ranking
公开(公告)号：CN107506796A
公开(公告)日：2017-12-22
申请号：CN201710739100.X
申请日：2017-08-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度森林的阿尔兹海默病分类方法，属于医学图像分类预测领域，将检测阿尔兹海默病的MRI图像作为多粒度扫描的输入，所述多粒度扫描的输出连接级联森林，所述级联森林输出MRI图像的一个类向量，完成深度森林模型的构建；对若干已知类别的MRI图像进行预处理；所述深度森林模型扩展一级，则利用预处理后的MRI图像进行训练和测试，当测试结果没有显著提高，则完成训练，否则扩展下一级继续训练；将预处理后待分类的MRI图像输入到训练完成的深度森林，输出得到该MRI图像的分类结果；该方法大大提高了阿尔兹海默病的识别率。
-
公开(公告)号：CN107480726A
公开(公告)日：2017-12-15
申请号：CN201710739098.6
申请日：2017-08-25
Applicant: 电子科技大学
CPC classification number: G06K9/628 , G06N3/0454
Abstract: 本发明公开一种基于全卷积和长短期记忆单元的场景语义分割方法，涉及图像处理技术领域，包括如下步骤：S1：构建基于全卷积、金字塔池化模块与长短期记忆单元模块的深度神经网络；S2：比对预测图像和标注图像，并以Softmax损失为目标函数、随机梯度下降为优化方法进行训练，对步骤1得到的深度神经网络进行权值更新；S3：多次进行步骤S2，直到损失下降到无法下降时结束训练；S4：输入新的场景图像至已训练好的深度神经网络，并做双线性插值到原图分辨率，得到该场景的语义分割结果。本发明解决了目前场景图像分割准确率低、图像中目标过分割和欠分割的问题。
-
公开(公告)号：CN106127715A
公开(公告)日：2016-11-16
申请号：CN201610748954.X
申请日：2016-08-29
IPC: G06T5/00
Abstract: 本发明公开了一种图像去雾方法及系统。该方法包括：获取包含天空区域的有雾图像；确定所述有雾图像中的天空区域；建立大气散射模型；根据所述天空区域占整个所述有雾图像的比例确定所述大气散射模型中的大气光值，所述大气光值为无穷远处的大气光强度；根据所述大气散射模型确定所述有雾图像的透射率；获取所述有雾图像的观测强度。本发明提供的方法及系统能够对有雾图像中的天空区域进行很好的去雾处理，而且，具有图像的还原精度高、去雾复杂率低、处理速度快的特点。
-
公开(公告)号：CN103400154B
公开(公告)日：2016-08-10
申请号：CN201310346596.6
申请日：2013-08-09
Applicant: 电子科技大学
IPC: G06K9/64
Abstract: 本发明公开了一种基于有监督等距映射的人体动作识别方法，其属于模式识别与计算机视觉领域，包括以下步骤：S1、对视频通过码书codebook方法进行前景提取，得到二值化人体前景图像；S2、对人体前景图像进行形态学处理并归一化，得到人体剪影图像；S3、对人体剪影图像序列进行周期化分析，对每个视频，通过包含一个完整动作周期的关键帧来表示该视频；S4、对人体剪影图像的关键帧进行向量化，通过有监督的等距映射进行特征降维；S5、将降维后的特征通过基于Hausdorff距离的最近邻分类器进行识别。本发明突破了现有算法的局限性，在提高分类精度的同时降低了算法复杂度，使得在实际的工程应用中更容易实现。
-
公开(公告)号：CN105488809A
公开(公告)日：2016-04-13
申请号：CN201610023292.X
申请日：2016-01-14
Applicant: 电子科技大学
IPC: G06T7/00
CPC classification number: G06T2207/20152
Abstract: 本发明公开了一种基于RGB-D描述符的室内场景语义分割方法。涉及图像处理方法技术领域。该方法包括：利用Kinect获取具有深度信息的室内图像；利用边界全局分割算法bgs分别对RGB图和深度图进行分层分割；将得到的bgs_rgb和bgs_d线性结合得到最终的分层分割结果图；利用得到的分层分割图和RGBD图确定房间的重力方向，获得与重力方向有关的位姿特征；提取RGBD描述符；将得到的位姿特征与RGBD描述符串联得到特征集；选用线性支撑矢量机SVM作为分类器作用于特征集产生语义分割结果。通过所述方法得到的室内物品的语义分割结果准确率较高，可为室内物体识别和室内监控等方面提供一种有效的方法。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.027 seconds)
