公开(公告)号：CN109409508A

公开(公告)日：2019-03-01

申请号：CN201811310962.1

申请日：2018-11-06

Applicant: 成都信息工程大学

Inventor： 李孝杰 ,  伍贤宇 ,  冯诗皓 ,  史沧红 ,  罗超 ,  张宪 ,  刘书樵 ,  李俊良

IPC: G06N3/04 ,  G06N3/08 ,  G06T5/00 ,  G06T11/00

Abstract: 本发明属于图像重建技术领域，公开了一种基于生成对抗网络使用感知损失解决模型崩塌的方法，利用随机向量z生成与实际数据分布相似的图像，在训练的过程中采用感知损失将z和真实数据映射到特征空间中来提取更高层次的特征，并结合对抗损失来鼓励生成网络产生与实际图像相似的图像样本；最后，使得鉴别器不能判断这是一个虚假图像。本发明针对已有网络采用较小的数据集解决了模型崩塌问题，VGG-GAN在两个小场景数据集上进行评价；实验结果表明，用VGG-GAN方法生成的图像质量优于现有方法。

公开(公告)号：CN108962267A

公开(公告)日：2018-12-07

申请号：CN201810742980.0

申请日：2018-07-09

Applicant: 成都信息工程大学

Inventor： 李孝杰 ,  史沧红 ,  吴锡 ,  吕建成 ,  王录涛 ,  郭峰 ,  伍贤宇 ,  罗超

IPC: G10L19/018

Abstract: 本发明涉及一种基于哈希特征的加密语音内容认证方法，其包括：输入原始语音后，通过Logistic映射和流密码RC4对原始语音进行加密以生成加密语音，对加密语音进行分帧并对每帧加密语音执行整数小波变换和离散余弦变换，通过比较低频DCT系数的均值和方差来计算哈希特征，利用差分扩展将哈希特征作为水印嵌入到IWT的细节系数的高位比特中；然后对IWT近似系数和含哈希特征的细节系数执行逆IWT变换来获得含水印的加密语音，从含水印的加密语音中提取哈希特征与重构的哈希特征进行对比来对加密语音进行内容认证。本发明提高了云计算中的语音内容认证的鲁棒性，可以准确定位篡改语音帧，在实际应用中适用范围更广。

公开(公告)号：CN109063710B

公开(公告)日：2022-08-16

申请号：CN201810907208.X

申请日：2018-08-09

Applicant: 成都信息工程大学

Inventor： 李孝杰 ,  郭峰 ,  史沧红 ,  吕建成 ,  吴锡 ,  何嘉 ,  伍贤宇 ,  罗超 ,  张宪 ,  刘书樵 ,  李俊良

IPC: G06V10/26 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明涉及图像分割领域中的鼻咽部肿瘤图像分割技术，具体的说是一种基于多尺度特征金字塔的3D CNN鼻咽癌分割方法。针对训练样本，需要由有经验的放射科肿瘤医师对若干鼻咽癌病例进行标注，使用整个三维MRI图像建立数据集，并对数据集进行一定的预处理，然后用网络对训练数据集进行训练，取得高精度的分割模型。对于新的病例，可以用该分割模型分割其MRI图像。相对传统的方法，除了训练阶段需要人工标注外，其余部分均可实现自动处理，大大降低对于有经验医师的需求，且与五种主流网络对比能取得较高的精度。

公开(公告)号：CN109993735A

公开(公告)日：2019-07-09

申请号：CN201910248901.5

申请日：2019-03-29

Applicant: 成都信息工程大学

Inventor： 李孝杰 ,  罗超 ,  史沧红 ,  吴琴 ,  王录涛 ,  李俊良 ,  刘书樵 ,  张宪 ,  伍贤宇

IPC: G06T7/00 ,  G06T7/10 ,  G06T7/11

Abstract: 本发明公开了一种基于级联卷积的图像分割方法，涉及图像分割技术领域。该基于级联卷积的图像分割方法包括以下步骤：步骤S1、采集多张病变区域的医学图像信息；步骤S2、将采集到的医学图像信息的病变区域逐层进行人工边缘标注，以得到标签信息；步骤S3、将标签信息进行标准化预处理，以得到二维数据集；步骤S4、建立基于级联卷积的多层二维卷积神经网络，并利用二维数据集对多层二维卷积神经网络进行训练，以得到神经网络模型；步骤S5、输入待分割病人的医学图像信息并进行标准化预处理，以得到待处理二维数据集；步骤S6、将待处理二维数据集输入至所述神经网络模型，将所述待分割病人的医学图像信息进行自动分割，以得到该病人的病变区域。

公开(公告)号：CN109993109A

公开(公告)日：2019-07-09

申请号：CN201910248870.3

申请日：2019-03-29

Applicant: 成都信息工程大学

Inventor： 李孝杰 ,  罗超 ,  史沧红 ,  吴锡 ,  周激流 ,  李俊良 ,  刘书樵 ,  张宪 ,  伍贤宇

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62

Abstract: 本发明公开了一种图像文字识别方法，涉及图像识别技术领域。该图像文字识别方法包括以下步骤：步骤S1、采集多张带有文字的自然场景图像信息；步骤S2、将采集到的自然场景图像信息的文字区域进行人工标注，以得到标签数据，并将标签数据进行预处理得到图像数据；步骤S3、建立基于卷积的多层多尺度神经网络，将所述图像数据输入至所述多层多尺度神经网络进行训练；步骤S4、采集待识别的自然场景图像信息并进行预处理得到待处理图像数据，将待处理图像数据输入至训练后的所述多层多尺度神经网络中，通过所述多层多尺度神经网络自动识别并输出所述待识别的自然场景图像信息中的文字信息。本发明可以实现自动快速的识别自然场景图像中的文字。

公开(公告)号：CN109191378A

公开(公告)日：2019-01-11

申请号：CN201810830164.5

申请日：2018-07-25

Applicant: 成都信息工程大学

Inventor： 李孝杰 ,  伍贤宇 ,  何嘉 ,  吴锡 ,  周激流 ,  史沧红 ,  郭峰 ,  罗超 ,  张宪 ,  刘书樵 ,  李俊良

IPC: G06T3/40

Abstract: 本发明涉及一种基于ERGAN网络单幅图像超分辨重建方法。本发明包括以下步骤：输入待重建图像I；将待重建图像I分为大小为m*m的图像块集合，每一个图像块用 表示，i＝1，2，...，s；将 处理成n*n大小的低分辨率图像 将低分辨率图像 输入到生成器G中进行训练；将生成器G输出的结果G(z)和 一同输入到鉴别器D中；将需要重建的图像再经过生成器G网络超分辨重建。本发明提出了基于生成对抗网络，增强对称残差单位的单图像超分辨率(ERGAN)，在训练的过程中保留了高频特征，减轻深层网络训练的难度。