-
公开(公告)号:CN110946618B
公开(公告)日:2022-03-29
申请号:CN201911160904.X
申请日:2019-11-24
Applicant: 华南理工大学
IPC: A61B8/08
Abstract: 本发明公开了一种基于经验流形的弹性成像方法,包括以下步骤:1)对压缩组织后采集的RF信号进行分段,根据分辨率和平滑度的要求确定段长和段间距;2)选择压前信号的一个分段,确定对应的p个压后信号的搜索范围和搜索步长,并用线性插值法获取压后分段信号;3)用残差复杂度RC计算一层压后信号窗之间的复杂度,再用其计算压后信号层与层之间的相似度,并将相似度作为图的边界权重;4)求压前组织和压后搜索范围内每一个窗的最短路径;5)输出位移估计图,并且利用最小二乘法拟合曲线得到应变估计,再结合分布条件重建出组织的弹性图。本方法能进一步提高准静态弹性成像中位移估计算法的精确程度,从而改善最终得到的弹性图的质量。
-
公开(公告)号:CN113114952B
公开(公告)日:2022-02-18
申请号:CN202110371037.5
申请日:2021-04-07
Applicant: 华南理工大学
IPC: H04N5/243 , H04N5/235 , G16H40/63 , G16H30/20 , G06T7/62 , G06T7/12 , G06T7/00 , G06N3/04 , G06V10/764 , G06V10/82 , G06K9/62
Abstract: 本发明公开了一种评价乳腺随访图像质量的方法、系统及装置,所述方法包括:提取并保存前片乳腺图像的曝光参数;采集乳腺随访图像并提取其曝光参数;系统自动调取前片图像的曝光参数,实时将两次图像的曝光参数进行比较;当乳腺随访图像的曝光参数优于或接近前片图像时,认为所拍摄的随访图像质量符合质量控制,评为“甲片”;当乳腺随访图像的曝光参数比前片图像差,评为“乙片”或“丙片”时,则立刻对患者乳腺进行重新摄影。本发明通过图像数据量化,能够实时对图像质量进行控制,比较前后两次图像的曝光参数,当出现“乙片”或“丙片”时,立刻重新拍摄,使后续的图像质量符合“甲片”标准。
-
公开(公告)号:CN113722490A
公开(公告)日:2021-11-30
申请号:CN202111039394.8
申请日:2021-09-06
Applicant: 华南理工大学
IPC: G06F16/35 , G06F40/295 , G06F40/30 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于键值匹配关系的视觉富文档信息抽取方法,包括:采集视觉富文档,对所述视觉富文档进行第一多模态特征提取,获得不同级别的特征文本;基于所述特征文本和词嵌入模型获得实体分类结果。本发明创新性地利用实体关联性来研究视觉富文档信息抽取,有效避开了基于命名实体识别的方法难以处理数字类别歧义性和语义歧义性等问题,对现有的视觉富文档信息抽取方法进行有效地补充。
-
公开(公告)号:CN111428727A
公开(公告)日:2020-07-17
申请号:CN202010227200.6
申请日:2020-03-27
Applicant: 华南理工大学
Abstract: 本发明公开一种基于序列变换纠正及注意力机制的自然场景文本识别方法,包括数据获取、数据处理、标签制作、训练网络、测试网络;所述训练网络包括:构建识别网络,并将训练数据及处理好的标签输入预先设计好的识别网络,完成识别网络的训练;所述识别网络包括序列变换纠正器、基于注意力机制的文本识别器;所述序列变换纠正器包括若干个卷积层、非线性层和池化层;所述序列变换纠正器还包括分解层、由若干个全连接层组成的定位网络;所述基于注意力机制的文本识别器包括特征编码网络和基于注意力机制的解码器。本发明极大降低了识别模型的识别难度,识别准确率高、鲁棒性强,针对形状不规则的文本具有很好的识别性能。
-
公开(公告)号:CN110946618A
公开(公告)日:2020-04-03
申请号:CN201911160904.X
申请日:2019-11-24
Applicant: 华南理工大学
IPC: A61B8/08
Abstract: 本发明公开了一种基于经验流形的弹性成像方法,包括以下步骤:1)对压缩组织后采集的RF信号进行分段,根据分辨率和平滑度的要求确定段长和段间距;2)选择压前信号的一个分段,确定对应的p个压后信号的搜索范围和搜索步长,并用线性插值法获取压后分段信号;3)用残差复杂度RC计算一层压后信号窗之间的复杂度,再用其计算压后信号层与层之间的相似度,并将相似度作为图的边界权重;4)求压前组织和压后搜索范围内每一个窗的最短路径;5)输出位移估计图,并且利用最小二乘法拟合曲线得到应变估计,再结合分布条件重建出组织的弹性图。本方法能进一步提高准静态弹性成像中位移估计算法的精确程度,从而改善最终得到的弹性图的质量。
-
公开(公告)号:CN106156771B
公开(公告)日:2020-01-31
申请号:CN201610513983.8
申请日:2016-06-30
Applicant: 华南理工大学
Abstract: 本发明公开的一种基于多特征融合的水表读数区域检测算法,包括以下步骤:S1、获取训练数据;S2、切割出水表图像中读数区域和非读数区域,提取该切割区域的多通道特征并进行特征融合,以该特征为输入训练目标分类器;S3、提取水表图像多通道特征,计算其特征积分图;S4、利用特征积分图计算各滑动窗特征,以融合特征为输入,利用S2训练所得分类器对滑动窗进行分类,获取目标窗口;S5、用外插方法估计原图在多个尺度下的特征图,重复S4、S5,获取多尺度的目标窗口;S6、旋转原图,重复S3、S4、S5、S6,获取多方向的目标窗口。本发明提供了一种准确、鲁棒、实用的水表读数区域检测算法。
-
公开(公告)号:CN110378334A
公开(公告)日:2019-10-25
申请号:CN201910516931.X
申请日:2019-06-14
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于二维特征注意力机制的自然场景文本识别方法,包括如下步骤:1数据获取:使用公开的代码合成用以训练的行文本图片,按形状划分为规则训练集和不规则训练集,并从网上下载真实拍摄的文本图片作为测试数据;2数据处理:对图片的大小进行拉伸操作,处理后图片的尺寸为32*104;3标签制作:采用有监督的方法来训练识别模型,每张行文本图片都有对应的文本内容;4训练网络:用训练集中的数据训练识别网络;5测试网络:输入测试数据到已训练网络中获取行文本图片的预测结果。本发明利用注意力网络实现了从图片的二维特征中解码出字符,识别准确率在公开的数据集上达到了较高的水平,具有极高的实用性和应用价值。
-
公开(公告)号:CN106570456B
公开(公告)日:2019-08-09
申请号:CN201610895498.1
申请日:2016-10-13
Applicant: 华南理工大学
Abstract: 本发明公开了基于全卷积递归网络的手写汉字文本识别方法,包括步骤路径积分层将联机的笔迹信息转化为相应的脱机特征图片;全卷积网络提取脱机特征图片的高维抽象表达,生成相应的响应图;多层双向递归网络将所述响应图的每一帧完成识别并输出一个关于字符集的概率分布;转录层使用前向计算和反向梯度传播的动态规划算法,使得整个手写汉字文本识别模型可以直接基于文本数据进行训练;和语言模型后处理。本发明对于原联机笔迹信息具有不同程度的刻画能力;在没有对手写汉字文本预分割的情况下,可以接受任意长度的输入序列,并输出一个对应的输出序列;整体性能强;采用集束搜索方法嵌入语言模型解码全卷积递归网络,进一步提高了识别率。
-
公开(公告)号:CN109800809A
公开(公告)日:2019-05-24
申请号:CN201910056596.X
申请日:2019-01-22
Applicant: 华南理工大学
IPC: G06K9/62
Abstract: 本发明提出一种基于维度分解的候选区域提取方法,包括以下步骤:引入anchor strings作为模型的回归参考、匹配anchor strings和目标边长、搭建的全卷积神经网络、对anchor strings进行分配训练标签、设计损失函数以及训练全卷积神经网络和预测独立的宽高线段并进行维度重组;本发明通过采用了新颖的维度分解策略以及通过运用灵活的anchor strings,可以用最佳的回归参考和目标进行匹配,使模型得到更平滑的训练,通过采用的尺度敏感的损失函数可以解决目标尺度分布不平衡的问题,本发明的候选区域提取方法更容易召回小检测目标,且可以应对宽高比变化大的目标。
-
公开(公告)号:CN105488472B
公开(公告)日:2019-04-09
申请号:CN201510860633.4
申请日:2015-11-30
Applicant: 华南理工大学
Abstract: 本发明提供一种基于样本模板的数字化妆方法,先对淡妆或素颜人脸照片和妆容提供照片进行人脸检测、人脸特征点定位检测和人脸图像变形对准,在此基础上对人脸图像利用改进的引导滤波器进行图层分解,利用基于样本的超分辨率重构算法解决妆容提供图像和输入人脸图像的分辨率差异问题,最后进行人脸图像的图层合成,输出淡妆或素颜照片化妆之后的图像。本发明提出一种新颖的基于模板的数字化妆方法,通过对图层分解和图层合成算法的改进,获得更为真实的化妆效果,且显著缩减算法时间复杂度,使得数字化妆算法实用化和实时化。
-
-
-
-
-
-
-
-
-