-
公开(公告)号：CN114821187A
公开(公告)日：2022-07-29
申请号：CN202210545591.5
申请日：2022-05-19
Applicant: 济南大学
IPC: G06V10/764 , G06V10/82 , G06V10/40 , G06V10/771 , G06K9/62 , G06T7/00 , G06T7/73 , G06T3/40 , G06T5/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于判别学习的图像异常检测和定位方法，所述方法的实现包括内容如下：通过基于外部数据集训练的网络，对原始图像进行特征提取；采用梯度偏好的方法进行特征选择；将得到的特征送入带有中心约束的判别网络中进行异常检测。本发明通过能够在不需要异常数据的情况下，准确检测并定位到图像中存在的异常。在解决图像异常检测和定位上表现出强大的性能和理论优势。极大的提高了检测效率和准确性。
-
公开(公告)号：CN113096766B
公开(公告)日：2022-05-20
申请号：CN202110375397.2
申请日：2021-04-08
Applicant: 济南大学
Abstract: 本发明公开了一种个性化精准放疗计划中的三维剂量预测方法及系统，所述方法包括以下步骤：步骤1，获取电子计算机断层扫描图像、危险器官结构掩膜图像以及与三维剂量分布图像等放疗相关信息；步骤2、对步骤1的图像进行数据预处理操作；步骤3、将获取的图像数据输入到两阶段的生成器网络，生成三维剂量分布图像和置信度图；步骤4、采用马尔科夫鉴别器对抗三维剂量分布预测图像和三维剂量分布真实图像；步骤5、通过重建损失函数、带置信度权重的重建损失函数和对抗损失函数联合优化预测模型；步骤6、利用训练好的预测模型生成三维剂量分布。通过本发明的技术方案，能够减少放疗计划中人工的干预，提高剂量预测的精度，实现个性化精准放疗。
-
公开(公告)号：CN113887509A
公开(公告)日：2022-01-04
申请号：CN202111242020.6
申请日：2021-10-25
Applicant: 济南大学
Abstract: 本发明公开了一种基于图像集合的快速多模态视频人脸识别方法，所述方法的实现包括：输入多模态人脸视频序列视频数据，对所述多模态人脸视频序列视频数据进行预处理操作，以获得图像集数据；对获得的所述图像集数据进行建模表示，生成每个图像集的矩阵协方差；将所述矩阵协方差做为特征图像，输入到双向二维分数阶协方差相关分析中，优化求解后得到最优的投影方向，得到每个视频序列的特征图像，将所述特征图像投影到低维共享子空间，并进行信息融合；信息融合后，使用最近邻分类器进行分类。通过采用本发明的技术方案，能够有效减少视频识别时间，提高视频识别精度。
-
公开(公告)号：CN116486457A
公开(公告)日：2023-07-25
申请号：CN202310410387.7
申请日：2023-04-18
Applicant: 济南大学
IPC: G06V40/16 , G06V20/40 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明提供了一种基于多级感知自编码网络的视频人脸识别方法及系统，所述系统包括：视频数据采集模块：获取用于计算机识别与处理的视频数据；数据预处理模块：对采集到的视频数据进行预处理，获得图像集数据，并把获取的图像集数据每类中所有样本平均分配，一半样本作为训练集，一半样本作为验证集；模型构建模块：本发明通过获取可用于计算机识别与处理的视频帧序列，并对数据进行预处理操作，以获得图像集数据；对所述的图像集数据随机分成训练集与测试集，所述训练集中的数据再次随机平均分配为训练集与验证集用于训练；将所述的训练集和验证集中的数据输入到多级感知自编码网络的视频特征生成模块中，生成每个图像集的深度概念级特征表示。
-
Patent Agency Ranking
公开(公告)号：CN115376020A
公开(公告)日：2022-11-22
申请号：CN202211083121.8
申请日：2022-09-06
Applicant: 济南大学
IPC: G06V20/13 , G06V10/20 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及SAR遥感图像识别技术领域，具体提供一种基于深度多层字典对学习的SAR图像分类方法。包括所述方法的实现包括步骤如下：步骤1，获取SAR图像数据；步骤2，对获得的SAR图像数据集进行划分和预处理操作；步骤3，将预处理后的图像数据输入到基础网络模块，获得底层通用特征；步骤4，将获得的通用特征输入到对应类别的类特定网络模块，获得每类数据特有的特征；步骤5，将获得的每类数据的特征输入到对应的字典学习网络模块，获得编解码后的重建特征；步骤6，通过重建损失函数、判别损失函数和正则损失函数，联合优化所提出的网络。
-
公开(公告)号：CN113887661B
公开(公告)日：2022-06-03
申请号：CN202111243560.6
申请日：2021-10-25
Applicant: 济南大学
IPC: G06V10/764 , G06V10/774 , G06V10/74 , G06V10/82 , G06K9/62 , G06T5/40
Abstract: 本发明公开了基于表示学习重构残差分析的图像集分类方法及系统，所述方法利用高斯核函数，将获取的图像集数据的低维特征映射到高维空间中，然后通过构建残差判别分析模型学习一个投影矩阵，使得投影后的图像集特征类内重建残差最小，类间重建残差最大。本发明通过输入来自于视频序列、影集或监控系统的图像集数据；对所述图像集进行数据预处理操作；将获取的图像数据输入到重构残差分析模型进行模型训练，得到最优投影矩阵；基于最优投影矩阵构建新的图像集分类器；将测试图像集输入到分类器中进行分类，得到对应的类别标签。
-
公开(公告)号：CN113887509B
公开(公告)日：2022-06-03
申请号：CN202111242020.6
申请日：2021-10-25
Applicant: 济南大学
Abstract: 本发明公开了一种基于图像集合的快速多模态视频人脸识别方法，所述方法的实现包括：输入多模态人脸视频序列视频数据，对所述多模态人脸视频序列视频数据进行预处理操作，以获得图像集数据；对获得的所述图像集数据进行建模表示，生成每个图像集的矩阵协方差；将所述矩阵协方差做为特征图像，输入到双向二维分数阶协方差相关分析中，优化求解后得到最优的投影方向，得到每个视频序列的特征图像，将所述特征图像投影到低维共享子空间，并进行信息融合；信息融合后，使用最近邻分类器进行分类。通过采用本发明的技术方案，能够有效减少视频识别时间，提高视频识别精度。
-
公开(公告)号：CN113096137B
公开(公告)日：2022-04-12
申请号：CN202110375473.X
申请日：2021-04-08
Applicant: 济南大学
Abstract: 本发明公开了一种OCT视网膜图像领域适应分割方法及系统，方法包括以下步骤：步骤1、获取OCT视网膜图像数据，并进行图像预处理；步骤2、结合特征提取网络、特征分类网络和特征鉴别网络分别构建域内分割模型和跨域分割模型；步骤3、根据域内分割模型和跨域分割模型分别获得目标域的伪标签；步骤4、利用自选择主动学习策略选择有效的伪标签和原始图像，加入源域丰富图像数据，再次训练跨域分割模型；步骤5、利用训练的跨域分割模型对目标域OCT视网膜图像进行分割。通过本发明技术方案，能有效提升分割模型的泛化性能，为临床眼科疾病诊断提供可靠的量化数据，实现计算机辅助的个性化治疗。
-
公开(公告)号：CN113180633A
公开(公告)日：2021-07-30
申请号：CN202110465678.7
申请日：2021-04-28
Applicant: 济南大学
IPC: A61B5/055
Abstract: 本发明公开了一种基于深度学习的MR影像肝癌术后复发风险预测方法及系统，所述方法包括以下步骤：步骤1，获取磁共振图像及增强扫描序列影像；步骤2、对步骤1的图像进行数据预处理操作；步骤3、构建基于Vision Transformer的三维预测模型，并将预处理后的图像数据输入到预测模型中；步骤4、通过交叉熵损失函数优化预测模型；步骤5、利用已训练好的预测模型对肝癌是否转移做出判断，并输出预测结果。通过本发明的技术方案，能够辅助临床医生判断肝癌患者术后肝内是否发生转移，提高临床医生的诊断效率和准确度。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.018 seconds)
