-
公开(公告)号：CN111753714A
公开(公告)日：2020-10-09
申请号：CN202010579227.1
申请日：2020-06-23
Applicant: 中南大学
Abstract: 本发明公开了一种基于字符分割的多方向自然场景文本检测方法，包括获取训练数据集并标定；建立基于字符分割的多方向自然场景文本检测初步模型；用标定的训练数据对基于字符分割的多方向自然场景文本检测初步模型进行训练得到基于字符分割的多方向自然场景文本检测模型；采用基于字符分割的多方向自然场景文本检测模型对自然场景的文本进行检测。本发明采用基于实例分割的方法分割文字字符实例，因此可以不必考虑文字的排列方向；同时，本方法结合了双向长短期记忆网络提取字符的上下文信息，预测字符之间的亲和度，从而可以更准确地将字符组合为文本行；因此，本发明方法可靠性高、实用性好且准确率较高。
-
公开(公告)号：CN111354057A
公开(公告)日：2020-06-30
申请号：CN202010162209.3
申请日：2020-03-10
Applicant: 中南大学
Abstract: 本发明公开了一种基于图像变形技术的骨折线地图绘制方法，包括对输入的骨折CT数据进行预处理；对预处理图像提取外轮廓、完成骨折块的划分、骨折线的提取以及外轮廓特征点的确定；根据特征点进行三角剖分生成三角网络并调节图像区域；遍历整个三角形网络并对每个三角形进行分开调整和缩放调整；将个异性的骨骼样本在保证内部骨折线特征不变的情况下基于外轮廓进行图像变形，从而统一到标准骨骼模版，完成骨折线地图的绘制。本发明能够快速绘制出骨折线地图，而且靠性高，准确性好。
-
公开(公告)号：CN111259986A
公开(公告)日：2020-06-09
申请号：CN202010104042.5
申请日：2020-02-20
Applicant: 中南大学
IPC: G06K9/62
Abstract: 本发明公开了一种自由瞬目条件下的眼表指标数据分类方法，包括获取历史数据中自由瞬目条件下的眼表指标数据、进行数据处理、进行混沌特性测试和映射相关运算，得到样本数据；对样本数据进行重要性权重排序和数据移除得到模型输入特征数据；将模型输入特征数据分为训练集和测试集并对分类模型进行训练、测试和修正得到自由瞬目条件下的眼表指标数据分类模型；利用自由瞬目条件下的眼表指标数据分类模型对待分类数据分类。本发明方法可靠性高、实用性好、稳定性强且适用范围广。
-
公开(公告)号：CN110580728A
公开(公告)日：2019-12-17
申请号：CN201910871938.3
申请日：2019-09-16
Applicant: 中南大学
Abstract: 本发明公开了一种基于结构特征自增强的CT-MR模态迁移方法，包括获取训练数据；在原始CycleGAN网络基础上增加SEnet网络结构并训练得到SENet-CycleGAN网络模型；结合FPN网络结构得到结构特征自增强CycleGAN网络并引入模态无关描述子损失函数并训练得到结构特征自增强CycleGAN模态迁移模型；将需要进行模态迁移的CT图像数据输入结构特征自增强CycleGAN网络输出最终的模态迁移后的伪MR图像数据。本发明方法能够从CT图像数据获取模态迁移后的MR图像数据，不仅结果清晰，而且可靠性高、通用性好、实用性强。
-
公开(公告)号：CN110570430A
公开(公告)日：2019-12-13
申请号：CN201910871929.4
申请日：2019-09-16
Applicant: 中南大学
Abstract: 本发明公开了一种基于体配准的眼眶骨组织分割方法，包括获取需要进行分眼眶骨组织分割的CT图像；对CT图像和眼眶骨组织的四面体网格模型标准数据进行处理；对处理后的数据进行初始对齐；对初始对齐后的四面体网格数据进行变换；变换后的四面体网格数据为最终的从CT图像中分割得到的眼眶骨组织数据。本发明提供的这种基于体配准的眼眶骨组织分割方法，在数据处理阶段采用创新的下采样操作，提高了采样效率同时减少噪音数据对配准及分割结果的影响；同时，在变换过程中以误差驱动的方式完成形状变形，提升了眼眶骨组织的分割效果，而且本发明方法的分割精度高，方法简单快捷。
-
Patent Agency Ranking
公开(公告)号：CN119540279A
公开(公告)日：2025-02-28
申请号：CN202411647959.4
申请日：2024-11-18
Applicant: 中南大学
IPC: G06T7/20 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06N3/08
Abstract: 本发明提供了一种基于骨架增强Transformer的人体运动序列预测方法及系统，包括以下步骤：S1：对人体动作进行采样，获取原始运动序列数据；S2：基于真实关节生成虚拟关节，并将所述虚拟关节加入序列，构建增强运动序列数据，并生成增强骨架图；S3：将所述增强骨架图输入图卷积网络，建立虚拟关节和真实关节的骨骼关联性，并通过时空注意力机制优化特征提取；S4：分解输入的运动序列数据，并将其分为趋势部分和残差部分，所述趋势部分用于捕捉整体运动的趋势信息，所述残差部分用于保留局部细节；S5：根据提取的特征与趋势部分和残差部分相结合生成未来的运动序列数据得到预测结果；通过模拟关节组合并引入虚拟关节来增强骨架特征。
-
公开(公告)号：CN114626377B
公开(公告)日：2024-08-23
申请号：CN202210313916.7
申请日：2022-03-28
Applicant: 中南大学
IPC: G06F40/289 , G06F40/216 , G06F16/35
Abstract: 本发明提供了一种方面级情感分析方法及系统，该方法包括获取待分析的文本，通过分词工具将待分析的文本进行分词处理，基于字典对分词后的文本进行编码，根据编码后的文本构造出多个查询；将每个查询输入至双向机器阅读理解模型中，最终输出得到每个查询对应的方面与意见对；双向机器阅读理解模型由Bert预训练模型与多个二分类器组成；根据所述方面与意见对构造预测情感极性的情感查询，将情感查询输入至情感查询分类器中进行情感分类得到情感分类结果。本发明提供的一种方面级情感分析方法使用双向机器阅读理解模型来高效提取存在复杂对应关系的方面与意见，并通过多种策略来优化模型，大幅提升了最终情感分析的效率，且准确率高鲁棒性好。
-
公开(公告)号：CN118116604A
公开(公告)日：2024-05-31
申请号：CN202410235844.8
申请日：2024-03-01
Applicant: 中南大学
Abstract: 本发明公开了一种基于电子病历融合的ICU患者早期预测方法，包括获取现有的ICU患者的电子病历数据并分类预处理；构建ICU患者早期预测初始模型并训练得到训练后的ICU患者早期预测模型；采用ICU患者早期预测模型进行实际的ICU患者的早期预测。本发明还公开了一种实现所述基于电子病历融合的ICU患者早期预测方法的系统。本发明基于注意力机制构建预测模型，并实现对电子病历中的不规则性进行多模态融合，因此本发明不仅能够完成ICU患者的早期预测，而且可靠性更高，精确性更好。
-
公开(公告)号：CN114898424B
公开(公告)日：2024-04-26
申请号：CN202210353950.7
申请日：2022-04-01
Applicant: 中南大学
IPC: G06V40/16 , G06V10/774 , G06V10/74 , G06V10/82 , G06T3/40 , G06N3/0464 , G06N3/098
Abstract: 本发明提供了一种基于双重标签分布的轻量化人脸美学预测方法，包括：获取人脸图片，对每张人脸图片进行预处理，将预处理后的人脸图片划分为训练集和测试集；对训练集中的每张人脸图片构建其对应的双重标签分布；所述双重标签分布包括吸引力分布和评分分布；将训练集中的人脸图片和其所对应的吸引力分布输入至轻量化卷积神经网络中，通过联合学习模块进行优化训练，得到优化后的人脸美学预测网络模型；将需要预测的人脸图片输入至优化后的人脸美学预测网络模型中，输出预测的吸引力分布，根据预测的吸引力分布得到预测的人脸图片的美丽分数。该方法提出了双重标签分布，同时进行轻量化设计，使预测性能优越、预测效率和速度都大幅提升。
-
公开(公告)号：CN111259986B
公开(公告)日：2023-10-31
申请号：CN202010104042.5
申请日：2020-02-20
Applicant: 中南大学
IPC: G06F18/24 , G06F18/214
Abstract: 本发明公开了一种自由瞬目条件下的眼表指标数据分类方法，包括获取历史数据中自由瞬目条件下的眼表指标数据、进行数据处理、进行混沌特性测试和映射相关运算，得到样本数据；对样本数据进行重要性权重排序和数据移除得到模型输入特征数据；将模型输入特征数据分为训练集和测试集并对分类模型进行训练、测试和修正得到自由瞬目条件下的眼表指标数据分类模型；利用自由瞬目条件下的眼表指标数据分类模型对待分类数据分类。本发明方法可靠性高、实用性好、稳定性强且适用范围广。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.021 seconds)
