-
公开(公告)号：CN112133366B
公开(公告)日：2024-03-15
申请号：CN202010930573.X
申请日：2020-09-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于基因数据和生成对抗卷积神经网络的面型预测方法，包括以下步骤：S1：对人体颅骨CT扫描图进行数据预处理，并结合相应的基因数据，制作数据集；S2：搭建卷积神经网络；S3：使用训练样本训练步骤S2中搭建好的卷积神经网络，每训练四轮，便用模型对检测样本进行检测，评判生成的预测面型；S4：选取步骤S4中效果最好的一轮作为最终结果。本发明利用深度学习技术，通过卷积神经网络自动提取特征，模型只需要输入基因序列，就可以在很短的时间内计算出基因所对应的完整面部形态，实现端到端的预测。在提高了预测效率的同时，保证了可观的预测准确率。
-
公开(公告)号：CN111445445B
公开(公告)日：2023-05-30
申请号：CN202010181140.9
申请日：2020-03-16
Applicant: 东南大学 , 国网江苏省电力有限公司电力科学研究院
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06V10/82 , G06V10/774 , G06V10/762 , G06N3/0464
-
公开(公告)号：CN111429411B
公开(公告)日：2023-04-25
申请号：CN202010181471.2
申请日：2020-03-16
Applicant: 东南大学 , 国网江苏省电力有限公司电力科学研究院
Abstract: 本发明提出了一种碳纤维复合芯导线的X射线缺陷图像样本生成方法，包括：步骤S1：对原始有缺陷的碳纤维复合芯导线的X射线图像做背景估计；步骤S2：利用步骤S1的背景估计结果对原始图作背景减除处理并截选出图像缺陷部分；步骤S3：随机改变步骤S2中截选出的缺陷部分的形态特征；步骤S4：将步骤S2中随机生成的缺陷部位与无缺陷碳纤维复合芯导线X射线图像相融合，生成缺陷图像。本方案生成的缺陷样本，能够有效扩充碳纤维复合芯导线缺陷库，有助于提升碳纤维导线缺陷自动识别技术的准确度。
-
公开(公告)号：CN112801212A
公开(公告)日：2021-05-14
申请号：CN202110229582.0
申请日：2021-03-02
Applicant: 东南大学
Abstract: 本发明涉及一种基于小样本半监督学习的白细胞分类计数方法，首先对显微镜拍摄的血细胞图像用图像处理方式清晰定位到单个白细胞，得到待分类细胞图像；对细胞图像选取部分进行人工标注，分别得到标注样本与无标注样本，分配训练样本和测试样本；确定分类网络的输入输出及中间部分的结构，构建基于双网络结构的半监督分类网络；使用少量标注样本和大量无标注样本训练半监督分类网络，保存训练效果最优的模型；对定位的单个白细胞图像进行分类，根据半监督分类网络输出每张图像的分类信息，从而统计出白细胞每类的数量。该方法能够在少标注情况下实现白细胞图像分类统计，且检测效率和精度高。
-
公开(公告)号：CN111445445A
公开(公告)日：2020-07-24
申请号：CN202010181140.9
申请日：2020-03-16
Applicant: 东南大学
Abstract: 本发明公开了基于半监督异常检测的碳纤维复合芯导线损伤检测方法，包括以下步骤：S1：采用X射线成像的方式对碳纤维复合芯导线进行图像采集并制作数据集；S2：搭建卷积神经网络；S3：使用训练样本训练步骤S2中搭建好的卷积神经网络，每训练一轮，便用模型对检测样本进行检测，判断输入图像中是否有损伤部分；S4：选取步骤S4中效果最好的一轮作为最终结果。
-
Patent Agency Ranking
公开(公告)号：CN108573524A
公开(公告)日：2018-09-25
申请号：CN201810330487.8
申请日：2018-04-12
Applicant: 东南大学
Abstract: 本发明提供一种基于渲染管线的交互式实时自由立体显示方法，读入需要渲染的模型的顶点数据，利用顶点数据生成网格模型并得到简化网格模型，传入OpenGL渲染流水线；生成单视点渲染场景图；设置渲染窗口分辨率、目标表面材质、光源类型和位置，利用OpenInventor开源库，分别针对每个不同视点的场景，实施场景渲染；对不同视点场景纹理缓冲进行融合的像素融合算法，得到用于输出的融合图像；利用OpenGL可编程渲染管线特性，使用GLSLshader语言，在片元着色器中完成像素选取与融合操作，最后输出融合后的结果；实现用户交互接口。该方法通过多视角融合实现三维数据的立体显示；利用多纹理映射技术完成每视点处场景的渲染，满足使用者对观察对象进行实时交互式观察的需求。
-
公开(公告)号：CN108573521A
公开(公告)日：2018-09-25
申请号：CN201810330486.3
申请日：2018-04-12
Applicant: 东南大学
IPC: G06T15/00 , G06T15/04 , G06T17/20 , G06T19/20 , G06F3/0487 , G06F3/0484
Abstract: 本发明提供一种基于CUDA并行计算框架的实时交互式裸眼3D显示方法，通过读取CT序列图像，设置绘制阈值，利用MarchingCube算法生成表面三角面片数据；根据使用场景设置视点个数、虚拟摄像机位，生成单角度渲染场景；利用OpenInventor开源库，分别针对每个不同视点的场景，实施场景渲染；实现CUDA并行化像素融合算法；实现交互接口。该方法能够针对医用三维CT数据进行立体绘制。本发明基于CUDA并行计算框架，实现了实时交互式自由立体显示，能够根据用户的指令，对显示目标数据进行平移、旋转、缩放等操作，并能够完成实时渲染绘制。
-
公开(公告)号：CN119559543A
公开(公告)日：2025-03-04
申请号：CN202411482548.4
申请日：2024-10-23
Applicant: 东南大学
IPC: G06V20/40 , G06V10/30 , G06V10/36 , G06V10/44 , G06V10/54 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种融合内容无关特征与内容相关特征的深度伪造图像检测法。首先，通过高斯滤波器、Gabor滤波器和小波滤波器分别得到平滑图像、纹理图像和细节图像，融合后经特征金字塔网络处理，获得基于频率域特征的真伪概率；其次，通过反锐化掩模和DnCNN去噪模型得到差值图像和噪声图像，融合后同样经特征金字塔网络处理，获得基于空间域特征的真伪概率。频率域与空间域特征共同构成图像的内容无关特征。此外，通过ViT模型提取图像的内容相关特征，获得基于内容相关特征的真伪概率。最终，将三种真伪概率加权融合，输出图像的真伪判定结果。本发明在跨生成模型及不同数据源的伪造图像检测中表现优异，具备较强的泛化性和通用性。
-
公开(公告)号：CN118609015A
公开(公告)日：2024-09-06
申请号：CN202410644380.6
申请日：2024-05-23
Applicant: 新型显示与视觉感知石城实验室 , 东南大学
IPC: G06V20/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种基于帧差卷积神经网络的视频重点区域分析方法，包括：利用SVM分类器对每个视频帧进行分类，确定视频帧所属类别；基于卷积神经网络和LSTM网络构建场景类别识别模型，用于对视频帧进行场景类别标记；根据场景类别设计热力图提取方案，对输入的图像数组数据生成灰度图作为热度权重；根据视频帧所属类别，利用热力图与加权矩阵相乘得到的结果，获取权值最大的区域作为截取部分的中心点；根据计算出的截取部分的中心点坐标对视频帧进行裁剪，将处理后的竖屏画面在前端进行显示。本发明能够准确地进行视频的裁剪，最后在前端显示出裁剪后视频画面的重点部分，提供更好的竖屏观看体验。
-
公开(公告)号：CN117876756A
公开(公告)日：2024-04-12
申请号：CN202311782472.2
申请日：2023-12-22
Applicant: 新型显示与视觉感知石城实验室 , 东南大学
IPC: G06V10/764 , G06V10/44 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于注意力引导的对抗样本防御方法，包括：收集数据集，将数据集按7:2:1的比例分为训练集、验证集和测试集并进行预处理；搭建结合注意力机制模块的卷积神经网络模型，即对抗样本防御模型；将经过预处理后的数据集输入到搭建好的对抗样本防御模型中进行对抗训练并保存最优权重；将保存的最优权重加载到搭建好的模型中作为最终的防御方法。本发明方法在较低的实施成本下，能够提供更强大、更全面的防御能力，解决了现有防御方法在面对多种对抗样本时存在的防御成本高和鲁棒性差的问题。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.018 seconds)
