-
公开(公告)号：CN111753714B
公开(公告)日：2023-09-01
申请号：CN202010579227.1
申请日：2020-06-23
Applicant: 中南大学
IPC: G06V30/40 , G06V30/148 , G06V30/19 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/049
Abstract: 本发明公开了一种基于字符分割的多方向自然场景文本检测方法，包括获取训练数据集并标定；建立基于字符分割的多方向自然场景文本检测初步模型；用标定的训练数据对基于字符分割的多方向自然场景文本检测初步模型进行训练得到基于字符分割的多方向自然场景文本检测模型；采用基于字符分割的多方向自然场景文本检测模型对自然场景的文本进行检测。本发明采用基于实例分割的方法分割文字字符实例，因此可以不必考虑文字的排列方向；同时，本方法结合了双向长短期记忆网络提取字符的上下文信息，预测字符之间的亲和度，从而可以更准确地将字符组合为文本行；因此，本发明方法可靠性高、实用性好且准确率较高。
-
公开(公告)号：CN110580728B
公开(公告)日：2022-11-25
申请号：CN201910871938.3
申请日：2019-09-16
Applicant: 中南大学
Abstract: 本发明公开了一种基于结构特征自增强的CT‑MR模态迁移方法，包括获取训练数据；在原始CycleGAN网络基础上增加SEnet网络结构并训练得到SENet‑CycleGAN网络模型；结合FPN网络结构得到结构特征自增强CycleGAN网络并引入模态无关描述子损失函数并训练得到结构特征自增强CycleGAN模态迁移模型；将需要进行模态迁移的CT图像数据输入结构特征自增强CycleGAN网络输出最终的模态迁移后的伪MR图像数据。本发明方法能够从CT图像数据获取模态迁移后的MR图像数据，不仅结果清晰，而且可靠性高、通用性好、实用性强。
-
公开(公告)号：CN111354057B
公开(公告)日：2022-07-08
申请号：CN202010162209.3
申请日：2020-03-10
Applicant: 中南大学
Abstract: 本发明公开了一种基于图像变形技术的骨折线地图绘制方法，包括对输入的骨折CT数据进行预处理；对预处理图像提取外轮廓、完成骨折块的划分、骨折线的提取以及外轮廓特征点的确定；根据特征点进行三角剖分生成三角网络并调节图像区域；遍历整个三角形网络并对每个三角形进行分开调整和缩放调整；将个异性的骨骼样本在保证内部骨折线特征不变的情况下基于外轮廓进行图像变形，从而统一到标准骨骼模版，完成骨折线地图的绘制。本发明能够快速绘制出骨折线地图，而且靠性高，准确性好。
-
公开(公告)号：CN110570430B
公开(公告)日：2023-01-03
申请号：CN201910871929.4
申请日：2019-09-16
Applicant: 中南大学
Abstract: 本发明公开了一种基于体配准的眼眶骨组织分割方法，包括获取需要进行分眼眶骨组织分割的CT图像；对CT图像和眼眶骨组织的四面体网格模型标准数据进行处理；对处理后的数据进行初始对齐；对初始对齐后的四面体网格数据进行变换；变换后的四面体网格数据为最终的从CT图像中分割得到的眼眶骨组织数据。本发明提供的这种基于体配准的眼眶骨组织分割方法，在数据处理阶段采用创新的下采样操作，提高了采样效率同时减少噪音数据对配准及分割结果的影响；同时，在变换过程中以误差驱动的方式完成形状变形，提升了眼眶骨组织的分割效果，而且本发明方法的分割精度高，方法简单快捷。
-
公开(公告)号：CN116363733A
公开(公告)日：2023-06-30
申请号：CN202310357220.9
申请日：2023-04-06
Applicant: 中南大学
Abstract: 本发明公开了一种基于动态分布融合的人脸表情预测方法，包括获取人脸表情数据集，针对获取的数据集中的人脸图片进行预处理，获取预处理数据集；构造辅助枝干，并基于辅助枝干设计双分支神经网络模型；采用构造的辅助枝干针对获取的预处理数据集进行提取样本分布处理；构建类别分布，针对获取的样本分布进行挖掘情感信息处理；针对构建的类别分布和提取的样本分布进行动态分布融合处理；构建多任务学习框架，优化双分支神经网络模型；采用优化的双分支神经网络模型实现人脸表情预测；本发明引入标签分布学习，展现了相比单标签学习的优越性；提出动态分布融合，充分发挥了标签分布学习的效用；而且本发明的预测性能好、效率高、误差少。
-
Patent Agency Ranking
公开(公告)号：CN114898424A
公开(公告)日：2022-08-12
申请号：CN202210353950.7
申请日：2022-04-01
Applicant: 中南大学
Abstract: 本发明提供了一种基于双重标签分布的轻量化人脸美学预测方法，包括：获取人脸图片，对每张人脸图片进行预处理，将预处理后的人脸图片划分为训练集和测试集；对训练集中的每张人脸图片构建其对应的双重标签分布；所述双重标签分布包括吸引力分布和评分分布；将训练集中的人脸图片和其所对应的吸引力分布输入至轻量化卷积神经网络中，通过联合学习模块进行优化训练，得到优化后的人脸美学预测网络模型；将需要预测的人脸图片输入至优化后的人脸美学预测网络模型中，输出预测的吸引力分布，根据预测的吸引力分布得到预测的人脸图片的美丽分数。该方法提出了双重标签分布，同时进行轻量化设计，使预测性能优越、预测效率和速度都大幅提升。
-
公开(公告)号：CN113298783A
公开(公告)日：2021-08-24
申请号：CN202110568861.X
申请日：2021-05-25
Applicant: 中南大学
Abstract: 本发明公开了一种多姿态条件下的髋关节旋转中心检测方法，包括获取多姿态X线图像并标记解剖标志点和髋关节旋转中心点构成原始样本点；获取原始样本点的坐标并关联分析得到解剖标志点坐标数据；对原始髋关节旋转中心预测模型进行训练得到髋关节旋转中心预测模型；进行多姿态X线图像的动态配准得到基于动态配准图的髋关节旋转中心定位模型；获取实际的髋关节X线图像并采用髋关节旋转中心预测模型和基于动态配准图的髋关节旋转中心定位模型进行髋关节旋转中心定位检测。本发明还公开了一种包括所述多姿态条件下的髋关节旋转中心检测方法的成像方法。本发明可靠性高、实用性好、适用面广且准确高效。
-
公开(公告)号：CN111340812A
公开(公告)日：2020-06-26
申请号：CN202010104060.3
申请日：2020-02-20
Applicant: 中南大学
Abstract: 本发明公开了一种基于深度神经网络的交互式肝脏图像分割方法，包括采用LITS数据集作为训练数据并预处理；选定预分割网络和修复网络并优化；对预处理后的数据再处理；在空间域上对特征图中需要加强相应的像素进行增强并得到初步分割结果；对初步分割结果进行变换并得到输入数据；采用修复网络对初步分割结果进行进一步修复得到最终的肝脏图像分割结果。本发明本发明方法的可靠性高、准确性好且速度较快。
-
公开(公告)号：CN111429417B
公开(公告)日：2023-06-16
申请号：CN202010195907.3
申请日：2020-03-19
Applicant: 中南大学
Abstract: 本发明公开了一种儿童股骨头旋转中心检测方法，包括获取并选择儿童双侧髋关节X线图像、标注标志点、X轴和Y轴并测量髋关节指标；处理髋关节指标得到样本数据并设定权重；将数据分为训练集和测试集，采用训练集对检测模型进行训练、采用测试集进行检测得到最终的儿童股骨头旋转中心检测模型；采用最终的儿童股骨头旋转中心检测模型对待检测儿童的双侧髋关节X线图像进行股骨头旋转中心的检测。本发明方法能够快速准确对儿童股骨头旋转中心进行检测，而且训练速度快，稳定性强，实用效果较好。
-
公开(公告)号：CN114626377A
公开(公告)日：2022-06-14
申请号：CN202210313916.7
申请日：2022-03-28
Applicant: 中南大学
IPC: G06F40/289 , G06F40/216 , G06F16/35
Abstract: 本发明提供了一种方面级情感分析方法及系统，该方法包括获取待分析的文本，通过分词工具将待分析的文本进行分词处理，基于字典对分词后的文本进行编码，根据编码后的文本构造出多个查询；将每个查询输入至双向机器阅读理解模型中，最终输出得到每个查询对应的方面与意见对；双向机器阅读理解模型由Bert预训练模型与多个二分类器组成；根据所述方面与意见对构造预测情感极性的情感查询，将情感查询输入至情感查询分类器中进行情感分类得到情感分类结果。本发明提供的一种方面级情感分析方法使用双向机器阅读理解模型来高效提取存在复杂对应关系的方面与意见，并通过多种策略来优化模型，大幅提升了最终情感分析的效率，且准确率高鲁棒性好。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.017 seconds)
