-
公开(公告)号：CN113537300A
公开(公告)日：2021-10-22
申请号：CN202110698282.7
申请日：2021-06-23
Applicant: 上海大学
Abstract: 本发明公开了一种基于糖尿病足伤口缺血或感染图像的深度学习分期方法。使用两输入单输出集成融合网络结构，在网络训练过程中采用了Imagenet数据集的预训练模型参数，作为训练时特征提取的初始参数，并使用训练数据集进行整个网络参数的训练。另外学习率还采用cosine decay with warmup带预热的余弦衰减策略，在训练开始的时候先使用一个较小的学习率，等模型相对稳定后再选择预先设置的学习率进行训练,使得模型收敛速度变得更快，模型效果更佳。本发明有效地提高了分类准确率，为糖尿病足溃疡伤口的辅助诊断提供了新的思路，具有一定的临床应用价值。本发明适合应用于医学图像辅助诊断领域。
-
公开(公告)号：CN109819013B
公开(公告)日：2021-10-12
申请号：CN201811507332.3
申请日：2018-12-11
Applicant: 上海大学
IPC: H04L29/08
Abstract: 本发明涉及一种基于云存储的区块链存储容量优化方法，步骤如下：（1）区块链中各个区块按时间顺序排列，在后面区块产生过程中，前面区块中存储的交易记录可能被查询。随时间推移，各个区块中交易记录被查询的频次发生变化，以此来优化遗忘曲线；（2）根据遗忘曲线求出各个区块的被查询概率，根据被查询概率对区块链进行分割，分为可遗忘部分和不可遗忘部分；（3）可遗忘部分区块打包存储至云端，不可遗忘部分区块仍保存在区块链；（4）随区块的增加和时间推移重复步骤（2）和步骤（3）。本发明可以有效地缓解节点本地存储压力，也同样适用于有多个用户的情况。避免了因要查询的信息不在本地而大量广播，造成系统整体运行效率降低的问题。
-
公开(公告)号：CN111462136A
公开(公告)日：2020-07-28
申请号：CN202010246238.8
申请日：2020-03-31
Applicant: 上海大学
Abstract: 本发明公开了一种基于边界分割算法的图像矢量化系统和方法。系统包括区域分割模块，边界检测模块，边界拟合模块以及SVG整合模块。操作方法为将图像分成不同的区域，通过扩充空白像素块，边界像素块及相交像素块的方式生成亚像素图像，将亚像素图像的边界提取出来并且使用Catmull-Rom样条拟合三次贝塞尔曲线来表示边界C(u)，最后整合生成SVG格式文件。与现有技术相比较，该发明能够更好地划分边界，并且能够能为精准地确定和提取不同区域的边界，易于构造矢量图和后期的评估。
-
公开(公告)号：CN109743601A
公开(公告)日：2019-05-10
申请号：CN201811577466.2
申请日：2018-12-24
Applicant: 上海大学
IPC: H04N21/41 , H04N21/433 , H04N21/4405 , H04N21/4408 , H04N21/441 , H04N21/4627 , H04N21/854 , H04M1/725 , H04N19/426
Abstract: 本发明公开了一种基于区块链平台的数字视频隐私保护和版权追究方法。使用手机APP录制视频，该APP可以自动对拍摄完成的视频进行覆盖加密，然后将加密后的视频传送到区块链平台，若有节点想要浏览此视频，则必须向区块链平台发起请求，此时区块链平台会根据智能合约判断此次请求是否合法，若为合法请求则允许此节点利用APP解密此视频并进行浏览，同时全网节点开始竞争记账，竞争成功的节点就会将此次交易的全部信息记录在区块链账本上，且该记录无法被篡改，可为日后可能发生的权益纠纷提供可靠的法律依据。
-
公开(公告)号：CN108764270A
公开(公告)日：2018-11-06
申请号：CN201810286804.0
申请日：2018-04-03
Applicant: 上海大学
CPC classification number: G06T1/0021 , G06K9/6256 , G06K9/6267 , G06N3/0454
Abstract: 本发明涉及一种利用卷积神经网络集成的信息隐藏检测方法，操作步骤为：（1）将整个数据集D随机划分出训练集和测试集，再用留出法从训练集中选取一部分作为单次训练集；（2）利用自适应产生的高通滤波器滤波训练集图像产生差异化的残差图像；（3）构建特定的卷积神经网络；（4）将每种残差图分别输入到卷积神经网络中，进行神经网络训练；（5）将神经网络的池化层输出作为特征；（6）将由步骤（1）中产生的不同训练集和步骤（2）中产生的不同残差图像组合，分别训练得到差异特征，进行特征融合之后输入到集成分类器中。本发明可以有效地方便地解决含密图像的检测问题，检测准确率更高。
-
Patent Agency Ranking
公开(公告)号：CN102930503A
公开(公告)日：2013-02-13
申请号：CN201210388558.2
申请日：2012-10-15
Applicant: 上海大学
Abstract: 本发明公开了一种基于CFA图像多方向边缘插值的方法，该方法步骤为：(1)输入一幅CFA图像；(2)计算CFA图像多方向边缘；(3)预测CFA图像多方向边缘丢失的绿色成分的插值方向；(4)分别计算待插值更新像素位置处的东、南、西、北方向边缘局部梯度值；(5)对CFA图像多方向边缘丢失的绿色成分进行初始插值；(6)计算多方向的边缘增强梯度值，计算更新插值后的绿色成分值；(7)对CFA图像多方向边缘丢失的蓝色成分和红色成分进行插值。该方法能够准确的预测丢失的绿色成分的插值方向，降低插值出来的丢失成分与原始真实成分之间的差距，有效的改善插值后的图像质量，插值方法容易实现。
-
公开(公告)号：CN114694220B
公开(公告)日：2024-06-21
申请号：CN202210307917.0
申请日：2022-03-25
Applicant: 上海大学
IPC: G06V40/16 , G06V20/40 , G06V10/30 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种基于Swin Transformer的双流人脸伪造检测方法，利用深度学习来进行人脸伪造图像的检测。整体搭建一个深度学习网络模型，网络模型分为三部分：双流网络、特征提取网络和分类器。由于现在公开的人脸伪造数据集全部是视频，因此需要利用OpenCV将视频裁剪成帧图片。此外，由于帧图片包含了大量的背景信息，因此需要利用人脸定位算法将人脸区域裁剪出来。然后将得到的人脸区域图像输入到双流网络和特征提取网络中提取并学习特征。最后将学习到的特征输入到分类器中，进行人脸图像真假的识别。本发明应用于解决现有人脸伪造检测方案的部分局限性即泛化能力弱的问题，同时还通过双流框架提升模型抗压缩能力，使其更符合日常生活中常见的人脸视频质量。
-
公开(公告)号：CN113537300B
公开(公告)日：2023-12-12
申请号：CN202110698282.7
申请日：2021-06-23
Applicant: 上海大学
IPC: G06N20/00 , G06V10/764 , G06V10/774 , G06T7/00 , G06T5/00
Abstract: 本发明公开了一种基于糖尿病足伤口缺血或感染图像的深度学习分期方法。使用两输入单输出集成融合网络结构，在网络训练过程中采用了Imagenet数据集的预训练模型参数，作为训练时特征提取的初始参数，并使用训练数据集进行整个网络参数的训练。另外学习率还采用cosine decay with warmup带预热的余弦衰减策略，在训练开始的时候先使用一个较小的学习率，等模型相对稳定后再选择预先设置的学习率进行训练,使得模型收敛速度变得更快，模型效果更佳。本发明有效地提高了分类准确率，为糖尿病足溃疡伤口的辅助诊断提供了新的思路，具有一定的临床应用价值。本发明适合应用于医学图像辅助诊断领域。
-
公开(公告)号：CN116597491A
公开(公告)日：2023-08-15
申请号：CN202310573264.5
申请日：2023-05-19
Applicant: 上海大学
Abstract: 本发明涉及一种基于双域的双支流人脸伪造检测方法，包括以下步骤：构造人脸伪造视频数据集；对人脸伪造视频数据集中的视频数据进行预处理，得到预处理人脸图像；基于预处理人脸图像划分数据集，分别构建训练集、验证集和测试集；构建双支流网络模型，使用训练集训练双支流网络模型，得到最优模型；采用最优模型，提取预处理人脸图像的频域特征和空域特征，并将频域特征和空域特征进行交互，得到人脸伪造检测结果。本发明从图像的空域和频域出发，并行搜索双域中的伪造痕迹，并将频域信息和空域信息进行交互融合，捕获不同模态信息之间的关联性。与现有技术相比，本发明具有网络泛化性能高、在视频质量被压缩的环境下检测性能好等优点。
-
公开(公告)号：CN111461135B
公开(公告)日：2022-11-08
申请号：CN202010246248.1
申请日：2020-03-31
Applicant: 上海大学
Abstract: 本发明涉及一种利用卷积神经网络集成的数字图像局部滤波取证方法。步骤为：一、先对图像集中图像进行预处理，包括裁剪和滤波；二、将预处理后的图片划分类别并划分训练集和测试集；三、由基础的卷积核互相卷积生成大量新卷积核，对每个卷积核的性能进行评估，筛选出最优的40个卷积核；四、构建特定的有滤波层的VGG网络；五、将训练集数据输入到构建好的网络中，进行神经网络训练，重复多次，每次都在筛选出的卷积核中随机选择组成不同的滤波层以产生多组差异性结果；六、将多组差异性结果输入集成分类器得到小尺寸图像分类结果，实际检测时将小尺寸图像的分类结果整合作为原图最终检测结果；本发明可以有效地方便地解决检测局部滤波图像的问题。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.022 seconds)
