-
公开(公告)号：CN108804397B
公开(公告)日：2021-07-20
申请号：CN201810598146.9
申请日：2018-06-12
Applicant: 华南理工大学
IPC: G06F40/109 , G06K9/00 , G06N3/08 , G06N3/04
Abstract: 本发明提供了一个基于少量目标字体的汉字字体转换生成方法，包括下述步骤：(1)原字体笔画数据集和原字体‑目标字体数据集准备；(2)采用简单的图像降维和聚类算法，挑选出具有较高代表性的训练样本；(3)训练端到端的、基于深度笔画分离的字体转换(DeepSDFT)神经网络，保存网络参数；(4)利用DeepSDFT神经网络进行目标字体汉字自动生成，得到剩余的目标字体汉字。本发明提供的基于少量目标字体的汉字字体转换生成方法，无需人为交互、无需网络预训练，网络参数较少，可用于多种目标字体生成，实现了嵌入特征空间的可解释性，适用于字体设计辅助场景，实用性较强。
-
Patent Agency Ranking
公开(公告)号：CN109102498A
公开(公告)日：2018-12-28
申请号：CN201810769112.1
申请日：2018-07-13
Applicant: 华南理工大学
Abstract: 本发明提供了一种宫颈涂片图像中簇型细胞核的分割方法，包括下述步骤：(1)分割数据集准备；(2)数据集挑选，分成测试集和训练集；(3)定义DeepHLF网络，把原图片输入网络、网络递进提取特征并保留每一个层次特征后进行特征分组；DeepHLF采用高低耦并行融合模块对每组的特征融合，生成三类特征；对三类特征交叉循环结合，生成多个特征图，最后每个特征图均生成分割结果图；(4)提出解决核与背景类别纠正的数学方法和权重损失函数。本发明的方法不仅能分割出簇型细胞核，而且分割过程中不会遗漏浅的细胞核、也不会遗漏细胞核与细胞质灰度相近的细胞核。
-
公开(公告)号：CN109146989A
公开(公告)日：2019-01-04
申请号：CN201810749559.2
申请日：2018-07-10
Applicant: 华南理工大学
CPC classification number: G06T11/001 , G06N3/0454 , G06N3/08 , G06T5/002
Abstract: 本发明提供了一种通过搭建神经网络生成花鸟艺术字图像的方法，包括以下步骤：(1)提出一个新的图像数据集，即ChineseArtCharacter360，包含360个汉字对应的360幅花鸟艺术字图像；(2)使用8‑connect块构建卷积神经网络作为生成器，构建马尔可夫卷积神经网络作为判别器并设计GLS损失函数作为网络总的损失函数；(3)将构建的图像数据集输入到生成器和判别器进行训练；(4)使用训练好的生成器进行花鸟艺术字图像的生成。本方法针对解决的问题可视作图像到图像的转换问题，通过搭建卷积神经网络，并设计GLS损失函数，可基于简单的输入获取任意汉字对应的花鸟艺术字图像，从而加速甚至省去传统复杂的手工和特殊画具的绘制过程。
-
公开(公告)号：CN109146989B
公开(公告)日：2023-02-14
申请号：CN201810749559.2
申请日：2018-07-10
Applicant: 华南理工大学
IPC: G06T11/00 , G06N3/0464 , G06N3/08 , G06T5/00
Abstract: 本发明提供了一种通过搭建神经网络生成花鸟艺术字图像的方法，包括以下步骤：(1)提出一个新的图像数据集，即ChineseArtCharacter360，包含360个汉字对应的360幅花鸟艺术字图像；(2)使用8‑connect块构建卷积神经网络作为生成器，构建马尔可夫卷积神经网络作为判别器并设计GLS损失函数作为网络总的损失函数；(3)将构建的图像数据集输入到生成器和判别器进行训练；(4)使用训练好的生成器进行花鸟艺术字图像的生成。本方法针对解决的问题可视作图像到图像的转换问题，通过搭建卷积神经网络，并设计GLS损失函数，可基于简单的输入获取任意汉字对应的花鸟艺术字图像，从而加速甚至省去传统复杂的手工和特殊画具的绘制过程。
-
公开(公告)号：CN109102498B
公开(公告)日：2022-04-22
申请号：CN201810769112.1
申请日：2018-07-13
Applicant: 华南理工大学
Abstract: 本发明提供了一种宫颈涂片图像中簇型细胞核的分割方法，包括下述步骤：(1)分割数据集准备；(2)数据集挑选，分成测试集和训练集；(3)定义DeepHLF网络，把原图片输入网络、网络递进提取特征并保留每一个层次特征后进行特征分组；DeepHLF采用高低耦并行融合模块对每组的特征融合，生成三类特征；对三类特征交叉循环结合，生成多个特征图，最后每个特征图均生成分割结果图；(4)提出解决核与背景类别纠正的数学方法和权重损失函数。本发明的方法不仅能分割出簇型细胞核，而且分割过程中不会遗漏浅的细胞核、也不会遗漏细胞核与细胞质灰度相近的细胞核。
-
公开(公告)号：CN108804397A
公开(公告)日：2018-11-13
申请号：CN201810598146.9
申请日：2018-06-12
Applicant: 华南理工大学
CPC classification number: G06F17/214 , G06K9/00416 , G06K2209/011 , G06N3/0454 , G06N3/08
Abstract: 本发明提供了一个基于少量目标字体的汉字字体转换生成方法，包括下述步骤：(1)原字体笔画数据集和原字体‑目标字体数据集准备；(2)采用简单的图像降维和聚类算法，挑选出具有较高代表性的训练样本；(3)训练端到端的、基于深度笔画分离的字体转换(DeepSDFT)神经网络，保存网络参数；(4)利用DeepSDFT神经网络进行目标字体汉字自动生成，得到剩余的目标字体汉字。本发明提供的基于少量目标字体的汉字字体转换生成方法，无需人为交互、无需网络预训练，网络参数较少，可用于多种目标字体生成，实现了嵌入特征空间的可解释性，适用于字体设计辅助场景，实用性较强。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
