公开(公告)号：CN116434302A

公开(公告)日：2023-07-14

申请号：CN202310291953.7

申请日：2023-03-23

Applicant: 济南大学

Inventor： 彭京亮 ,  李英鑫 ,  牛冬梅

IPC: G06V40/16 ,  G06V10/40 ,  G06V10/46 ,  G06V10/82 ,  G06V10/80 ,  G06N3/08 ,  G06N3/0464 ,  G06N3/048

Abstract: 本申请公开了一种基于边界感知的人脸对齐神经网络，包括：边界热图估计子网络和坐标回归子网络,边界热图估计子网络包括一个CoordConv层和多个浅层和深层特征融合SDFusion模块，坐标回归子网络包括一个基于自注意力的特征重提取SAfeature模块和一个Transformer‑decoder模块，边界热图估计子网络输入端用户输入用户原始人脸图像信息，输出端生成边界热图，坐标回归子网络融合原始人脸图像信息、边界热图估计子网络的潜在特征和生成的边界热图，使用SAfeature模块和Transformer‑decoder模块将融合后的特征映射到关键点坐标进一步提高预测边界热图的准确性。

公开(公告)号：CN116416680A

公开(公告)日：2023-07-11

申请号：CN202310382286.3

申请日：2023-04-06

Applicant: 济南大学

Inventor： 吕娜 ,  张继进 ,  彭京亮

IPC: G06V40/20 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明属于动作捕捉数据恢复领域，提供了一种人体动作捕捉数据恢复方法及系统，包括获取动作捕捉数据矩阵，所述动作捕捉数据矩阵由顺序排列的帧组成；基于线性投影将动作捕捉数据矩阵中的每一帧数据映射到高维特征空间，并将空间位置信息嵌入到该帧数据中，得到高维单帧数据；并利用自注意力机制提取高维单帧数据中所有标记点之间相关性的空间特征，得到高维单帧空间特征；将时间信息嵌入到动作捕捉数据矩阵的所有高维单帧空间特征中，利用自注意力机制获取高维单帧空间特征之间相关性的时间特征，得到时空间动作捕捉数据矩阵；基于时空间动作捕捉数据矩阵，利用多层感知机还原完整的动作捕捉数据。

公开(公告)号：CN112256652B

公开(公告)日：2022-09-16

申请号：CN202011117567.9

申请日：2020-10-19

Applicant: 济南大学

Inventor： 彭京亮

IPC: G06F16/174 ,  G06T9/40

Abstract: 本申请公开了一种三维点云属性压缩方法、系统及终端，将三维点云模型中点云的位置进行量化为节点且将所有节点通过树形结构进行组织；从树形结构中每一个非叶节点的非空子节点中确定出源子节点，将所述非叶节点的属性使用其源子节点的属性进行赋值；自上而下以宽度优先的方式遍历树中每一个节点。如果第一非叶节点中的非空子节点数目多于一个，计算第一非叶节点与除其源子节点之外的每一个非空子节点的属性残差，且对属性残差进行编码；如果第一非叶节点只有一个非空子节点，则无需做属性编码。对于叶节点，无需做任何编码操作。对于根节点的属性单独编码。源子节点的属性信息无需编码，进而在保证属性信息无损的条件下提高了压缩率和压缩效率。

公开(公告)号：CN117218672A

公开(公告)日：2023-12-12

申请号：CN202311243479.7

申请日：2023-09-26

Applicant: 济南大学

Inventor： 张文砚 ,  彭京亮 ,  苏洁

IPC: G06V30/414 ,  G06V30/18 ,  G06V30/148 ,  G06V30/24 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/045 ,  G06N3/08

Abstract: 本申请公开了一种基于深度学习的病案文字识别方法及系统，对原始病案图像进行预处理，分别使用Canny边缘检测算法和Hough直线检测算法对图像进行边缘检测和角度校正；对预处理后图像的文本区域进行标注，得到文本检测训练数据集；使用DBNet网络对图片进行检测，获取图片中文本区域的边界框位置坐标；构建改进的SVTR模型，对文本检测到的区域提取特征，训练文字识别模型，对图片进行识别获得病案图片中的字符内容。确定待进行文字识别的图像后,对病案图像进行预处理,对预处理后的图像进行文本检测，将检测后的图像根据检测框进行分割，对单行文本进行识别，获得文字识别结果，对图像文字进行预测得到准确率极高的识别文字。

公开(公告)号：CN116434220A

公开(公告)日：2023-07-14

申请号：CN202310477856.7

申请日：2023-04-24

Applicant: 济南大学

Inventor： 牛冬梅 ,  窦文涛 ,  彭京亮 ,  孙嘉琪

IPC: G06V20/64 ,  G06V10/764

Abstract: 本发明属于三维物体分类技术领域，提供了基于描述符和AdaBoost算法的三维物体分类方法及系统，其在视角采样方面，提出了一种基于网格细分的方法，它提供了全方位的视角覆盖，同时又能自然地控制密度。对于三维表面和二维投影描述，选择或设计了简单而有效的描述符。进行了两阶段AdaBoost学习，第一阶段在2D投影的特定尺度上训练分类器，第二阶段组合了尺度特定的分类器来得出最终分类器。所提出的算法在分类准确率方面优于基准传统算法。

公开(公告)号：CN116342947A

公开(公告)日：2023-06-27

申请号：CN202310310809.3

申请日：2023-03-28

Applicant: 济南大学

Inventor： 彭京亮 ,  孙嘉琪 ,  牛冬梅 ,  吕娜 ,  窦文涛

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V20/64

Abstract: 本申请公开了一种基于多视图分组的轻量级三维模型分类网络,视图采样模块将三维模型投影到N个视图中依次渲染获得N个二维深度图；视图分组模块根据三维模型的几何语义将二维深度图划分为多个组；特征提取模块对每组二维深度图进行特征提取后输出多个特征图；特征融合模块把多个特征图融合后输入MobileViTblock模块中进一步解析获得最终预测结果。二维深度图通过良好的几何语义划分为多个组,然后多组视图分别利用改进后的MobileNetV2网络提取有效特征，最后多视图特征融合后获得三维模型的特征识别。该网络在保证三维模型分类有效性的同时降低了网络复杂度。

公开(公告)号：CN112925936A

公开(公告)日：2021-06-08

申请号：CN202110196648.0

申请日：2021-02-22

Applicant: 济南大学

Inventor： 吕娜 ,  王颖 ,  冯志全 ,  彭京亮

IPC: G06F16/535 ,  G06F16/583 ,  G06N3/04 ,  G06N3/08

Abstract: 本公开提供了一种基于深度哈希的运动捕获数据检索方法及系统，所述方案包括：基于运动捕获数据库中的运动捕获数据序列，生成每段运动捕获数据的运动表示图像；构建深度哈希特征提取模型，通过预训练的深度哈希特征提取模型提取所述运动表示图像的哈希特征；对于待检索的运动捕获数据，提取其哈希特征，并计算待检索的运动捕获数据哈希特征与所述运动捕获数据库中每段运动捕获数据哈希特征的距离，选择距离最近的前k个数据作为检索结果。本公开所述方案相对于现有技术具有更高的检索精度和效率。

公开(公告)号：CN118333860A

公开(公告)日：2024-07-12

申请号：CN202410749049.0

申请日：2024-06-12

Applicant: 济南大学

Inventor： 隋天宝 ,  吕娜 ,  王慧璇 ,  彭京亮

IPC: G06T3/4053 ,  G06T3/4007 ,  G06T3/4046 ,  G06V10/42 ,  G06V10/44 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82

Abstract: 本申请公开了一种残差增强的频率空间相互学习的人脸超分辨率方法，涉及图像处理技术领域，从频率分支基于傅里叶变换，捕捉全局信息，空间分支基于空间域提取局部信息。在两个分支中引入倒残差模块，丰富特征提取；其次，在空间分支内引入空间注意力增强的残差模块，通过细粒度的注意力优化空间特征。在人脸图像重建阶段，引入具有远程跳跃连接的残差模块，充分利用低层和高层特征保证图像生成结果的准确性。最后将人脸图像重建阶段生成高分辨率人脸图像与高分辨率原始人脸图像通过损失函数计算损失，实现了对人脸超分辨率网络的优化，最终经过迭代优化后，使得人脸超分辨率网络可以生成细节丰富、视觉效果更好的高分辨率人脸图像。

公开(公告)号：CN118314410A

公开(公告)日：2024-07-09

申请号：CN202410741325.9

申请日：2024-06-11

Applicant: 济南大学

Inventor： 姬凤明 ,  赵慧 ,  田京兰 ,  彭京亮

IPC: G06V10/764 ,  G06T17/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请公开了一种基于特征注意力的旋转鲁棒三维模型分类方法，涉及三维模型分类技术领域，渲染三维模型的灰度图获得所述三维模型的多角度视图集；设计分类网络对多角度视图集进行训练获得特征集合；将特征集合输入到特征注意力模块后，对所有特征进行注意力操作，使每个注意力获得一个权重从而获得三维模型的高级特征；设计高级特征分类网络，对高级特征分类网络进行训练获得高级特征的分类器，用于三维模型的分类。使用了特征注意力来对每个特征进行差异化处理，使后续网络能够处理到已经具备一定旋转鲁棒特性的视图特征集合，双层池化平衡信息丰富性和缓解过拟合，在保持对齐设置下的三维模型分类性能的同时，提高旋转设置下三维模型分类性能。

公开(公告)号：CN116385382A

公开(公告)日：2023-07-04

申请号：CN202310291940.X

申请日：2023-03-23

Applicant: 济南大学

Inventor： 彭京亮 ,  张线哲 ,  张国全

IPC: G06T7/00 ,  G06V10/40 ,  G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06V10/54 ,  G06V10/25 ,  G06N3/048 ,  G06N3/08 ,  G06N3/0464

Abstract: 本申请公开了一种用于超声图像中内脏肿瘤分割的网络模型，特征提取网络包括MCB和Conv*2，输入的图像经过MCB进行多尺度特征提取，将提取出的多尺度特征合并后送入Conv*2提取特征；金字塔池化模块两端分别连接ECA，特征提取网络的输出特征信息通过ECA输入金字塔池化模块进行多尺度的自适应平均池化后，获得多尺度的特征信息，通过另一ECA输入至特征还原网络；所述特征还原网络包括通道拼接的Up和MCB，Up和MCB恢复图像的全局语义信息，并且还原图像的细节纹理信息。通过上述改进，注意力机制被有效地应用于各个通道，来自不同网络层的特征被有效地融合，所有这些都有助于提高分割的准确性。