-
公开(公告)号：CN112115796A
公开(公告)日：2020-12-22
申请号：CN202010847866.1
申请日：2020-08-21
Applicant: 西北大学
Abstract: 本发明公开了一种基于注意力机制的三维卷积微表情识别方法，首先进行数据集预处理，数据集预处理部分包括：人脸剪裁、人脸对齐、视频序列帧数统一；再通过视频序列提取光流序列；再将提取出来的光流序列与视频序列分别输入三维卷积、三维池化、Attention后得到对应的新的光流序列与视频序列特征；使用Co‑Attention进行特征引导，先使用视频序列特征引导光流序列特征，再使用引导后的光流序列特征引导视频序列特征；将引导后的特征进行融合得到联合特征；将联合特征送入到分类层进行微表情分类识别。本发明使用三维卷积神经网络提取时空特征，再结合注意力机制提取关键特征，在两个公开的数据集上SMIC与CASMEⅡ进行实验，提高了微表情识别的准确性。
-
公开(公告)号：CN109285167A
公开(公告)日：2019-01-29
申请号：CN201811098643.9
申请日：2018-09-20
Applicant: 西北大学
Abstract: 一种基于深度学习的提取彩绘陶器图案方法，包括：步骤1：获取彩绘陶器的原始高光谱数据，对其进行预处理；步骤2：根据步骤1得到的图像，合成真彩色图像；步骤3：对步骤1得到的图像进行最小噪声分离处理，得到包含图案信息的主成分图像；步骤4：对步骤3得到的图像做二值化处理，获得训练样本和训练样本标签，输入深度学习网络，得到输出的图案信息图像；步骤5：通过基于稀疏表示的图像分解提取细节信息，并通过细节注入模型将细节信息注入到步骤2的真彩色图像中，恢复彩绘陶器的图案信息。本发明从主成分图像中进行图案提取，在提取清晰图案的同时，对少量丢失信息进行了恢复，为彩绘文物的研究和保护打下了坚实的基础。
-
公开(公告)号：CN109214882A
公开(公告)日：2019-01-15
申请号：CN201810743350.5
申请日：2018-07-09
Applicant: 西北大学
Abstract: 本发明公开了一种商品推荐方法，用于为用户提供商品推荐序列，首先根据用户对商品的评分信息，建立第一用户-商品评分矩阵，其次利用两两商品之间的相似性填充所述的第一用户-商品评分矩阵，获得第二用户-商品评分矩阵，接着对所述的第二用户-商品评分矩阵进行分解，获得用户因子矩阵P以及商品因子矩阵Q，采用具有时间效应的缓存机制更新所述的用户因子矩阵P以及商品因子矩阵Q，获得商品评分序列，对所述的商品评分序列按照数值从大到小进行排序，获得商品推荐序列；本发明提供的商品推荐方法把用户对商品评论的时间特征融合进算法，使传统的矩阵分解算法具有了时间效应，提高了推荐算法的准确率。
-
公开(公告)号：CN105335746B
公开(公告)日：2018-07-20
申请号：CN201510418664.4
申请日：2015-07-16
Applicant: 西北大学
Abstract: 本发明公开了一种基于shear变换和引导滤波器的书法字提取方法，属于图像处理领域。所述发明包括将书法作品进行色彩空间转换并提取第一通道，并且将书法作品的二值化图像作为形质模板，接着分别对第一通道和形质模板进行shear变换得到第一图像集合和第二图像集合，将二者在引导滤波器中进行处理，并对处理结果进行逆shear变换，最终将变换结果进行融合得到融合后图像。本发明通过使用了引导滤波器和shear变换，使得得到的结果带有更多方向上的细节，以便更好地提取书法作品中汉字的形质和神采信息，提高了汉字信息提取的准确性，并结合融合处理将不同方向上提取的书法字的信息进行相互补充，保证了图像中汉字神采信息的完整性，弥补了现有技术中存在缺陷。
-
公开(公告)号：CN106056157A
公开(公告)日：2016-10-26
申请号：CN201610382887.4
申请日：2016-06-01
Applicant: 西北大学
IPC: G06K9/62
CPC classification number: G06K9/6269 , G06K9/6256
Abstract: 本发明公开了一种基于空‑谱信息的高光谱图像半监督分类方法，该方法将高光谱图像中的光谱信息、空间信息联合作用于支持向量机分类器，采用自训练的半监督分类框架，并利用主动学习的方法作为半监督分类的样本选取策略，将半监督分类得到的初始分类结果进行按类分解得到的各类的二值图像作为边缘保留滤波器的输入图像，光谱信息的第一主成分分量作为滤波器的参照图像，利用边缘保留滤波器进行局部平滑，消除噪声，然后将像元按照所属概率最大的类别进行划分，完成分类过程。本发明联合光谱信息和空间信息提高了类别的可分性，利用自训练的半监督分类框架解决高光谱图像小样本分类问题，能有效地消除初始分类结果中的斑点状误差，提高分类精度。
-
Patent Agency Ranking
公开(公告)号：CN105373798A
公开(公告)日：2016-03-02
申请号：CN201510810577.3
申请日：2015-11-20
Applicant: 西北大学
IPC: G06K9/46
CPC classification number: G06K9/4609
Abstract: 本发明公开了一种基于K近邻抠图和数学形态学的书法字提取方法，通过K近邻抠图建立参考图像，根据书法图像墨浓淡变化复杂的特点，利用基于数学形态学的边缘提取方法，分别在字体内部和边缘做不同窗口大小的引导滤波，再利用图像融合技术寻找更多的形质和神采信息。本发明能更准确地提取书法作品本身所具有的书法家的情感和个性的神采信息，特别是针对中国古代书法作品中墨浓淡变化复杂，字体边缘模糊的贴图像能够更准确地提取汉字信息，尤其是对于汉字的神采信息的提取效果显著。
-
公开(公告)号：CN113962913B
公开(公告)日：2023-09-15
申请号：CN202111128666.1
申请日：2021-09-26
Applicant: 西北大学
IPC: G06T5/50 , G06T5/40 , G06T5/00 , G06T3/40 , G06V10/774
Abstract: 本发明公开了一种融合光谱空间信息的深度互学习框架的构建方法，本发明由两个独立的深度网络组成，用于从高光谱图像中学习光谱特征和从全色图像中学习空间特征。同时，设计了一种混合损失函数，包括了光谱和空间信息损失，来加强两个深度网络之间的相互学习，从而提高各个网络的表征能力。采用了一种深度互学习策略，通过平衡光谱和空间信息损失来联合训练两种深度网络，使得网络的性能获得提高。
-
公开(公告)号：CN116485663A
公开(公告)日：2023-07-25
申请号：CN202310197598.7
申请日：2023-03-03
Applicant: 西北大学
IPC: G06T5/00 , G06T5/50 , G06T7/00 , G06T3/00 , G06T7/73 , G06N3/048 , G06N3/0464 , G06N3/0442 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于注意力调制对抗网络的图像修复方法、模型和装置：模型构建方法：步骤1：采集多幅墓葬壁画的图像；步骤2：将有实际破损的图像分为训练集、测试集、验证集；步骤3：将无实际破损的图像作为修复模型的训练集；步骤4：将训练集和测试集以及图像破损区位置送入改进后的检测网络中训练；步骤5：将修复模型的训练集和随机生成的二值掩码图像送入改进后的调制对抗生成网络中训练；步骤6：验证集送入检测模型再转换为二值图；步骤7：将壁画图像与二值图送入训练好的修复网络，得到修复好的图像。本发明能更有效地提取墓葬壁画特征，提高破损区域检测的准确性，并利用未破损图像结构和纹理信息重建高质量墓葬壁画图像。
-
公开(公告)号：CN116152492A
公开(公告)日：2023-05-23
申请号：CN202310064474.1
申请日：2023-01-12
Applicant: 西北大学
IPC: G06V10/26 , G06V10/25 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及一种基于多重注意力融合的医学图像分割方法，通过改进优化注意力等模块来使模型更加关注目标区域，提高模型对感兴趣区域及边界的分割精度；解决了现有的目标检测方法往往倾向于对目标区域的实例进行分割和分类，但是往往边缘精度分割不高的问题，经实验表明，本申请较好地保持了骨干网络的分割结果，在病灶区的分割结果上要明显优于现有方法。
-
公开(公告)号：CN108428237B
公开(公告)日：2022-12-09
申请号：CN201810121326.8
申请日：2018-02-07
Abstract: 本发明公开了一种基于稀疏非负矩阵欠近似的高光谱彩绘文物线稿提取方法，通过高光谱相机采集第一高光谱彩绘文物图像，预处理之后获得第二高光谱彩绘文物图像，通过最小噪声分离来分离信号的噪声，反变换后获得第三高光谱彩绘文物图像，通过稀疏非负矩阵欠近似得到最优成分线稿图像，通过图层叠加对最优成分的线稿图像进行增强、Camera raw滤镜去噪后得到最终的高光谱彩绘文物线稿图像。该方法能够在保证线稿信息完整的前提下减少噪声的影响，与现有方法相比能够提取更为完整干净的彩绘文物线稿图像。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.02 seconds)
