公开(公告)号：CN118486022A

公开(公告)日：2024-08-13

申请号：CN202410582259.5

申请日：2024-05-11

Applicant: 浙江工业大学

Inventor： 高星河 ,  王海霞

IPC: G06V20/69 ,  G06V10/26 ,  G06V10/774 ,  G06V10/776

Abstract: 一种结合残差连接和多任务多权重损失的细胞分割方法和装置，其装置包括：(1)打开医疗细胞图像，截取不同风格以及特征的细胞建立细胞图像数据集；(3)使用标签制作程序制作细胞标签；(3)将细胞图像数据集按照8:1:1的比例拆分为训练集，测试集和验证集；(4)使用细胞数据训练集对多权重和使用残差连接的细胞分割网络进行训练；(5)使用测试集对每一轮的训练模型进行损失验证评估；(6)将训练好的模型使用验证集进行验证，最终评估模型精度；(7)对模型评估的结果进行判断，当模型评估精度>＝90％或者符合预期则执行步骤(8)，否则执行步骤(1)增加数据集样本数量；(8)使用训练好的模型进行目标图像的预测。本发明在密集医学细胞分割上具有显著的优势，可以有效地提高细胞分割精度。

公开(公告)号：CN118351601A

公开(公告)日：2024-07-16

申请号：CN202410513939.1

申请日：2024-04-26

Applicant: 浙江工业大学

Inventor： 张怡龙 ,  虞何悠 ,  王海霞 ,  孙昊浩 ,  梁荣华 ,  陈朋

IPC: G06V40/40 ,  G06V10/44 ,  G06T7/136 ,  G06V10/25 ,  G06V10/764

Abstract: 本发明涉及图像处理和指纹活体防伪技术领域，特别涉及一种基于散斑方差的光学相干层析成像的手指活体防伪方法。本发明通过B‑scan扫描获取样本的时序B‑scan图像；对时序B‑scan图像进行特征区域提取，保留感兴趣区域；使用散斑方差技术去除时序B‑scan图像中静止的结构信息的干扰，提取其中的活体信息，经过阈值分割，去除残留的无效信息；将阈值分割的结果与设定的活体阈值进行比较，得出样本的活体防伪结果。本发明运行速度快，不会增加额外的计算负担，且具有高度的通用性和灵活性。

公开(公告)号：CN118090699A

公开(公告)日：2024-05-28

申请号：CN202410093578.X

申请日：2024-01-23

Applicant: 浙江工业大学

Inventor： 张怡龙 ,  杜康 ,  陈朋 ,  王海霞 ,  梁荣华

IPC: G01N21/65 ,  G06V10/764 ,  G06V10/82 ,  G06V10/52 ,  G06V10/26 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/082 ,  G06N3/084

Abstract: 本发明涉及到差分拉曼光谱技术，特别涉及一种结合差分拉曼光谱和SE‑Res2Net的黄曲霉素检测方法。测得含有黄曲霉素以及不含有黄曲霉素的待测物的差分拉曼光谱；构建模型，初始化模型参数；将黄曲霉素的差分拉曼光谱和待测物的差分拉曼光谱输入模型得到特征图X；将特征图X输入Res2Net模块，得到特征图Y5；将特征图Y5输入SE模块，得到特征图f'；通过跳跃连接的方式将特征图X连接到特征图f'上，得到特征图f；得到待测物中是否含有黄曲霉素的概率，完成模型的训练；验证模型并更新参数。本发明有效去除拉曼光谱中的荧光、环境光等干扰，增强拉曼光谱中的特征峰，提高检测准确率。

公开(公告)号：CN113034475B

公开(公告)日：2024-04-19

申请号：CN202110339571.8

申请日：2021-03-30

Applicant: 浙江工业大学

Inventor： 王海霞 ,  薛茗 ,  于洋 ,  陈朋 ,  张怡龙 ,  梁荣华

IPC: G06T7/00 ,  G06T5/70 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06T5/60

Abstract: 一种基于轻量级三维卷积神经网络的手指OCT体数据去噪方法，包括如下步骤：1)构建轻量级三维卷积模块；2)构建轻量级三维卷积神经网络模型，设定参数，进行训练；3)利用训练好的轻量级三维卷积神经网络，对OCT体数据进行去噪。本发明可以对手指体数据整体进行去噪，并且将网络轻量化，减少网络训练参数，加快去噪速度。

公开(公告)号：CN117541794A

公开(公告)日：2024-02-09

申请号：CN202311687525.2

申请日：2023-12-08

Applicant: 浙江工业大学

Inventor： 赵冬冬 ,  周鸿超 ,  陈朋 ,  王海霞

IPC: G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06N5/04

Abstract: 一种基于做尺度注意力的轻量化声呐图像语义分割方法和装置，其方法包括：S1、利用前视声呐设备获取水下声呐图像数据；S2、对前视声呐图像进行像素级标注；S3、将标注好的声呐图像语义分割数据集；S4、构建基于多尺度注意力的轻量化声呐图像语义分割模型；S5、用训练集训练基于多尺度注意力的轻量化声呐图像语义分割模型，并保存测试集上最优的模型权重参数和模型结构；S6、将声呐图像语义分割模型进行等价转换，转换为推理阶段的模型；S7、将模型权重和模型部署到昇腾Atlas200I AI计算平台上；S8、将新采集到的前视声呐图像数据进行预处理，输入声呐图像语义分割模型，并对模型输出进行后处理，得到的渔船、水下阶梯、桥墩的语义分割结果。

公开(公告)号：CN116721212A

公开(公告)日：2023-09-08

申请号：CN202310687724.7

申请日：2023-06-12

Applicant: 浙江工业大学

Inventor： 王海霞 ,  姚永波 ,  张怡龙 ,  庞巧玲 ,  梁荣华 ,  陈朋

IPC: G06T17/00 ,  G06T7/80 ,  G06T3/40 ,  G06V40/13 ,  G06V40/12 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0475 ,  G06N3/094

Abstract: 一种基于无监督超分辨率的三维指纹方法，包括如下步骤：1)设计无监督超分辨率网络模型；2)使用系统采集的条纹投影指纹图像，通过无监督超分辨率神经网络模型来提高条纹投影指纹图像的分辨率，利用超分辨率后的图像进行三维重建，得到指纹的三维结构。本发明设计了一个无监督神经网络能够解决单一低分辨率条纹投影指纹的超分辨率，同时也改善结构光采集到的条纹投影指纹边缘模糊现象，从而使三维重建后的指纹图像更加清晰，精度更高。

公开(公告)号：CN115273158A

公开(公告)日：2022-11-01

申请号：CN202210691578.0

申请日：2022-06-17

Applicant: 浙江工业大学

Inventor： 张怡龙 ,  孙昊浩 ,  王海霞 ,  陈朋 ,  梁荣华

IPC: G06V40/12 ,  G06V40/40 ,  G06V10/75

Abstract: 一种基于OCT体数据的手指伪造攻击检测方法，包括：检测内外部指纹的细节点数量和皮下汗腺的数量；设置细节点数量阈值num1，num2，汗腺数量阈值num3，内外指纹匹配得分阈值t，皮下汗腺位置和内指纹脊线重合率n；若内指纹细节点数量多于num1且外指纹细节点数量多于num2，则计算内外指纹匹配得分；若内指纹细节点数量少于num1，则直接判断为手指伪造攻击；若汗腺数量少于num3，则直接判断为手指伪造攻击；若汗腺数量多于num3，如果内外指纹匹配得高于t则系统直接通过检测；若汗腺数量少于num3的同时，内指纹的细节点数量少于num1，则进入下个步骤；计算皮下汗腺位置和内指纹的脊线重合率；若重合率高于设定值n，则通过检测，否则判断为手指伪造攻击。

公开(公告)号：CN113126069B

公开(公告)日：2022-07-26

申请号：CN202110306807.8

申请日：2021-03-23

Applicant: 浙江工业大学

Inventor： 陈朋 ,  仰宗峰 ,  赵冬冬 ,  王海霞 ,  梁荣华

IPC: G01S7/539

Abstract: 一种基于ZYNQ的前视声呐信号处理硬件系统，涉及海洋声学装备技术领域，包括ZYNQ模块、Spartan‑6模块、高速AD模块、模拟前端模块、电源模块、DDR3模块、千兆网模块、PWM模块、DA模块、SD卡模块以及串口通信模块。本发明抗干扰能力较好、功耗较低、实时性良好。本发明提供了一种能对多路模拟通道同步采集、大量数据高速处理、成像速度快的基于ZYNQ的前视声呐信号处理硬件系统。

公开(公告)号：CN108764317B

公开(公告)日：2021-11-23

申请号：CN201810485738.X

申请日：2018-05-21

Applicant: 浙江工业大学

Inventor： 刘义鹏 ,  李湛青 ,  陈朋 ,  蒋莉 ,  王海霞 ,  梁荣华

IPC: G06K9/62 ,  G06N3/04

Abstract: 一种基于多路特征加权的残差卷积神经网络图像分类方法，包括以下步骤：1)模型的输入图像为经过预处理的原始图像，经过预处理的图像裁剪为一个固定尺寸；2)对图像进行较大尺寸的卷积操作和池化操作；3)将步骤2)中输出的特征送入第一个多路特征加权残差模块；4)将步骤3)中多路特征加权残差模块的输出继续送入下一个多路特征加权残差模块，在经过多个多路特征加权残差模块后，输出的特征图像尺寸会逐渐缩小直至变为较小尺寸，最后经过一个平均池化层缩小为特征点；所得特征点直接送入分类层进行分类或经过全连接层后再进行分类。本发明应用于复杂的图像分类任务，丰富了特征表达，避免了因神经网络深度增加导致的梯度消失问题。

公开(公告)号：CN110334566B

公开(公告)日：2021-08-03

申请号：CN201910219860.7

申请日：2019-03-22

Applicant: 浙江工业大学

Inventor： 梁荣华 ,  丁宝进 ,  陈朋 ,  王海霞 ,  张怡龙 ,  刘义鹏 ,  蒋莉 ,  崔静静

IPC: G06K9/00 ,  G06K9/62

Abstract: 一种基于三维全卷积神经网络的OCT内外指纹提取方法，包括如下步骤：1)对每幅指纹OCT图像中的角质层区域位置和乳头层区域位置进行手工标注，得到与OCT图像对应的标注图片，进行ROI提取和数据增强，构成标注数据集；2)构建三维全卷积神经网络模型，设定训练参数和损失函数，使用标注好的数据集训练模型；3)通过训练好的全卷积神经网络模型预测未标注的OCT图像的角质层、乳头层；4)根据所有OCT图像的角质层和乳头层，按照相对深度以及OCT图像空间顺序，经过拼接，分别得到OCT指纹的外指纹和内指纹。本发明通过三维全卷积神经网络来学习提取OCT图像的角质层和乳头层特征，从而生成准确的内外指纹。