-
公开(公告)号：CN114359062A
公开(公告)日：2022-04-15
申请号：CN202111468408.8
申请日：2021-12-03
Applicant: 华南理工大学
Abstract: 本发明公开了基于阶梯流特征融合的图像修复方法、系统及存储介质，方法包括：获取图像修复数据集；设计图像修复模型，包括阶梯流特征融合卷积神经网络模块、多粒度注意力网络模块、注意力重用模块、U‑Net卷积神经网络和预训练VGG‑16网络；设计判别器卷积神经网络，分别为高频残差判别器和光谱化的马尔科夫判别器；设计多个损失函数，组成总目标函数来作为图像修复模型的总损失函数；将图像修复数据集输入图像修复模型和判别器进行训练，保存模型参数；加载模型参数，输入待修复图片，得到最终修复图片。本方法通过结合阶梯流特征融合和多粒度注意力网络两种方法，减少了大范围孔洞区域的图像修复出现伪影的情况，使最终结果更接近真实图片，细节更丰富。
-
公开(公告)号：CN108804397B
公开(公告)日：2021-07-20
申请号：CN201810598146.9
申请日：2018-06-12
Applicant: 华南理工大学
IPC: G06F40/109 , G06K9/00 , G06N3/08 , G06N3/04
Abstract: 本发明提供了一个基于少量目标字体的汉字字体转换生成方法，包括下述步骤：(1)原字体笔画数据集和原字体‑目标字体数据集准备；(2)采用简单的图像降维和聚类算法，挑选出具有较高代表性的训练样本；(3)训练端到端的、基于深度笔画分离的字体转换(DeepSDFT)神经网络，保存网络参数；(4)利用DeepSDFT神经网络进行目标字体汉字自动生成，得到剩余的目标字体汉字。本发明提供的基于少量目标字体的汉字字体转换生成方法，无需人为交互、无需网络预训练，网络参数较少，可用于多种目标字体生成，实现了嵌入特征空间的可解释性，适用于字体设计辅助场景，实用性较强。
-
公开(公告)号：CN105512610B
公开(公告)日：2019-01-29
申请号：CN201510831162.4
申请日：2015-11-25
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于感兴趣点位置信息的视频中人体动作识别方法，包括如下步骤：S1对于视频数据集中的每个视频序列，提取视频序列中人体动作感兴趣点；S2利用人体动作感兴趣点对视频序列进行智能分片，经视频数据分成若干个视频片段；S3针对每个视频片段，计算其人体动作感兴趣点位置分布Hop描述子，Hop描述子表示该视频的人体动作；S4以Hop描述子代表每个视频片段进行人体动作训练；S5最终将出现频率最高的人体动作作为视频数据集中所表示的人体动作。本发明提出利用感兴趣点位置信息计算HoP描述子的方法，可以有效保留不同动作之间的差异性。
-
公开(公告)号：CN109102498A
公开(公告)日：2018-12-28
申请号：CN201810769112.1
申请日：2018-07-13
Applicant: 华南理工大学
Abstract: 本发明提供了一种宫颈涂片图像中簇型细胞核的分割方法，包括下述步骤：(1)分割数据集准备；(2)数据集挑选，分成测试集和训练集；(3)定义DeepHLF网络，把原图片输入网络、网络递进提取特征并保留每一个层次特征后进行特征分组；DeepHLF采用高低耦并行融合模块对每组的特征融合，生成三类特征；对三类特征交叉循环结合，生成多个特征图，最后每个特征图均生成分割结果图；(4)提出解决核与背景类别纠正的数学方法和权重损失函数。本发明的方法不仅能分割出簇型细胞核，而且分割过程中不会遗漏浅的细胞核、也不会遗漏细胞核与细胞质灰度相近的细胞核。
-
公开(公告)号：CN103679713A
公开(公告)日：2014-03-26
申请号：CN201310646684.8
申请日：2013-12-04
Applicant: 华南理工大学
Abstract: 本发明公开了一种针对部分匹配图像的二维图像配准方法，包括对待配准的两幅图像提取边界；使用几何特征差分布直方图的方法对两幅边界图像进行预配准，得到粗略的空间变换参数；用粗略的空间变换参数对浮动图像进行校正，然后去除多余的边界点；使用平均Hausdorff距离进行精确配准，得到更准确的空间变换参数，直至达到所需精度。本发明结合几何特征差分布直图和广义Hausdorff距离，既能减少多余边界对预配准结果的影响，又能实现对浮动图像中多余边界点的去除，从而实现对图像准确的配准和校正。
-
Patent Agency Ranking
公开(公告)号：CN103489188A
公开(公告)日：2014-01-01
申请号：CN201310436809.4
申请日：2013-09-23
Applicant: 华南理工大学
Abstract: 本发明公开了一种宫颈LCT图像的异常细胞核定位方法，包括如下步骤：S1对宫颈LCT图像采用高斯差分算子进行运算，并进行灰度增强，得到仅含边缘信息的边缘图像；S2确定宫颈LCT图像融合边缘图像的权值；S3宫颈LCT图像与S2中得到权值相乘，再与边缘图像相加，得到边缘淡化图像；S4采用视觉注意的方法处理边缘淡化图像，得到图像的显著区域，所述显著区域为异常细胞核区域。本发明通过原图像以一定权值与边缘图像相加的方法有效地增强了宫颈LCT图像中异常细胞核的显著程度，利用视觉注意模型则保证了可以快速准确地完成对宫颈LCT图像中异常细胞核区域的定位。
-
公开(公告)号：CN114359062B
公开(公告)日：2024-05-14
申请号：CN202111468408.8
申请日：2021-12-03
Applicant: 华南理工大学
Abstract: 本发明公开了基于阶梯流特征融合的图像修复方法、系统及存储介质，方法包括：获取图像修复数据集；设计图像修复模型，包括阶梯流特征融合卷积神经网络模块、多粒度注意力网络模块、注意力重用模块、U‑Net卷积神经网络和预训练VGG‑16网络；设计判别器卷积神经网络，分别为高频残差判别器和光谱化的马尔科夫判别器；设计多个损失函数，组成总目标函数来作为图像修复模型的总损失函数；将图像修复数据集输入图像修复模型和判别器进行训练，保存模型参数；加载模型参数，输入待修复图片，得到最终修复图片。本方法通过结合阶梯流特征融合和多粒度注意力网络两种方法，减少了大范围孔洞区域的图像修复出现伪影的情况，使最终结果更接近真实图片，细节更丰富。
-
公开(公告)号：CN117636337A
公开(公告)日：2024-03-01
申请号：CN202311509761.5
申请日：2023-11-14
Applicant: 华南理工大学
IPC: G06V20/69 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种针对细菌性和真菌性角膜炎的分类方法，包括下述步骤：获取包含细菌性角膜炎和真菌性角膜炎的图像数据集；将预处理后的图像数据集输入预先设立的神经网络进行数据增强；构建分类模型，所述分类模型包括特征提取模块、混淆特征交互模块和分类器；基于交叉熵损失、多类相似性损失和混淆损失对分类模型进行训练，直至模型收敛；使用训练好的分类模型对细菌性和真菌性角膜炎图像进行分类。本发明通过设计混淆特征交互模块去学习到更具表达力的特征，并且设计混淆损失去引导模型学习混淆特征，从而提高分类准确度。
-
公开(公告)号：CN112164125B
公开(公告)日：2022-07-26
申请号：CN202010964481.3
申请日：2020-09-15
Applicant: 华南理工大学
Abstract: 本发明公开了一种监督可控的人脸多属性分离生成的方法，方法包括以下步骤：收集人脸数据集合作为神经网络训练数据集；设计监督可控的人脸多属性分离MDCS神经网络；将收集的训练数据集作为MDCS神经网络的训练数据集，对MDCS神经网络进行训练；将待提取属性的人脸图像输入训练完成的MDCS神经网络，生成指定属性的目标人脸图像。本发明利用设计的MDCS神经网络，其可以根据客户需要定制的目标和现有的数据标签集合来进行人脸属性的分离与生成，解决全监督人脸生成方法标记属性过程繁琐，降低标记人员的工作量；且无监督的人脸生成方法生成图像质量低，无法满足部分需要指定特定监督信息的应用场景的情况。
-
公开(公告)号：CN109102498B
公开(公告)日：2022-04-22
申请号：CN201810769112.1
申请日：2018-07-13
Applicant: 华南理工大学
Abstract: 本发明提供了一种宫颈涂片图像中簇型细胞核的分割方法，包括下述步骤：(1)分割数据集准备；(2)数据集挑选，分成测试集和训练集；(3)定义DeepHLF网络，把原图片输入网络、网络递进提取特征并保留每一个层次特征后进行特征分组；DeepHLF采用高低耦并行融合模块对每组的特征融合，生成三类特征；对三类特征交叉循环结合，生成多个特征图，最后每个特征图均生成分割结果图；(4)提出解决核与背景类别纠正的数学方法和权重损失函数。本发明的方法不仅能分割出簇型细胞核，而且分割过程中不会遗漏浅的细胞核、也不会遗漏细胞核与细胞质灰度相近的细胞核。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.023 seconds)
