公开(公告)号：CN117726912A

公开(公告)日：2024-03-19

申请号：CN202311641564.9

申请日：2023-12-04

Applicant: 新型显示与视觉感知石城实验室 ,  东南大学

Inventor： 胡轶宁 ,  赵笛言 ,  王征 ,  张宇宁 ,  谢理哲

IPC: G06V10/80 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于多特征融合的深度伪造图像检测模型，引入空间域、频率域和共生矩阵特征多域特征作为不同GAN结构生成图像的“共有特征”，即提取全局RGB特征作为空间域特征，设计频谱特征提取模块来提取图像二维频谱中存在的特征，设计共生矩阵提取模块来提取图像中的自然数据统计信息；提取多域特征后，基于融合机制设计出生成图像检测模型，将三种不同域特征进行融合后送入同一个骨干网络进行特征提取以及分类预测。基于多特征融合的模型充分利用了不同域的“共有特征”，同时设计了混合数据集，在保证检测速度的基础上平均检测精度得到提升，有效提高模型的泛化性，从而应对无法确定图像具体来源的GAN伪造图像检测问题。

公开(公告)号：CN112132759A

公开(公告)日：2020-12-25

申请号：CN202010931407.1

申请日：2020-09-07

Applicant: 东南大学

Inventor： 胡轶宁 ,  潘玥利 ,  谢理哲 ,  王浩 ,  顾正宇

IPC: G06T5/00 ,  G06T7/136

Abstract: 本发明提供了一种基于端到端卷积神经网络的颅骨面貌复原方法，包括以下步骤：S1：对人体颅骨CT扫描图像进行数据预处理并制作数据集；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，每训练五轮，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。本发明采用神经网络的方法自动提取颅骨的特征，根据颅骨本身的特性预测面型，具有较高的灵活性，流程少，耗时短，并提升了预测准确率。本发明利用深度卷积编解码器，学习头骨和面貌之间的相互关系及特征，根据颅骨信息还原面型，充分考虑了面部点的空间特性，弥补了稀疏特征点带来的误差。

公开(公告)号：CN110119677A

公开(公告)日：2019-08-13

申请号：CN201910246680.8

申请日：2019-03-28

Applicant: 东南大学

Inventor： 胡轶宁 ,  魏睿 ,  谢理哲 ,  王征 ,  魏寒来 ,  黄强 ,  陈大兵 ,  张建国 ,  袁光宇

IPC: G06K9/00 ,  G06K9/62 ,  G01N23/04

Abstract: 本发明提供一种基于图像分类网络的碳纤维复合芯电缆破损检测方法采用X成像的方式对碳纤维复合芯电缆进行图像采集；对采集的碳纤维复合芯电缆图像进行预处理操作，分别得到训练样本与检测样本；确定起始残差网络的输入输出及中间部分的结构，构建碳碳纤维复合芯电缆破损分类检测网络；使用训练样本训练碳纤维复合芯电缆破损分类检测网络，保存训练效果最优的模型；使用检测样本进行检测，根据碳纤维复合芯电缆破损分类检测网络分类输出，自动标记出图像中的破损位置。该方法能够自动实现碳纤维复合芯电缆破损检测，且检测效率和精度高。

公开(公告)号：CN109480781A

公开(公告)日：2019-03-19

申请号：CN201811354270.7

申请日：2018-11-14

Applicant: 南京医科大学附属口腔医院 ,  东南大学

Inventor： 谢理哲 ,  赵桢祺 ,  严斌 ,  张淬锋 ,  张静露 ,  吴大明 ,  周广超 ,  王林 ,  杨迷芳 ,  胡轶宁

IPC: A61B5/00 ,  A61C9/00

Abstract: 本发明提供一种牙列运动轨迹的示踪装置及方法，该装置包括口内固定组件和口外运动标示组件，口内固定组件包括下牙列基托、左侧固位钢丝、右侧固位钢丝与定位钢丝，下牙列基托设于下牙列的舌侧并分别由下颌切牙延伸至左右两侧的最后一颗牙的远中并紧贴舌侧粘膜，左侧固位钢丝、右侧固位钢丝呈左右对称分布；口外运动标示组件包括连接杆和弧形杆。该种牙列运动轨迹的示踪装置，采用了与个体牙列情况相适应的、个性化的，不覆盖上下颌牙列咬合面的口内固定组件。因此，采集牙列运动时，上下牙列的咬合面可直接接触，上下牙列之间无垂直间隙，准确转移了牙列的运动过程，不影响运动轨迹的描记。