-
公开(公告)号：CN114783024A
公开(公告)日：2022-07-22
申请号：CN202210401918.1
申请日：2022-04-18
Applicant: 吉林大学
IPC: G06V40/16 , G06V20/40 , G06V10/40 , G06V10/30 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08 , G06K9/62 , G06V10/94
Abstract: 本发明属于人脸识别领域，主要对部分遮挡的人脸进行识别，是一种基于YOLOv5的公共场所戴口罩的人脸识别系统。搭建以YOLOv5为框架的目标检测模块，将轻量级的卷积模块的注意力机制模块加到了YOLOv5的CSPDarknet卷积神经网络部分，将视频流中的人像分割成一组静态的人脸图像，对待检测图像进行预处理，以及判断出人脸是否佩戴口罩；对于未戴口罩目标，直接与数据集比对进行身份识别；对于戴口罩目标，采用注意力机制模块使提取的高层次特征更加丰富，得到特征通道的权重之后，通过乘法逐通道加权到原来的特征上，完成在通道维度上的原始特征重标定；再进行人脸身份识别确认。对源数据的要求不太高，即使使用有口罩面部遮挡的人脸数据训练依然有较高的正确率。
-
公开(公告)号：CN112907692B
公开(公告)日：2023-04-14
申请号：CN202110380283.7
申请日：2021-04-09
Applicant: 吉林大学
IPC: G06T11/00 , G06T7/10 , G06N3/0455 , G06N3/0475 , G06N3/048 , G06N3/094
Abstract: 一种基于SFRC‑GAN的从素描到人脸重建方法属人工智能深度学习技术领域，本发明使用的网络结构包含两个映射网络，损失函数选择采用Adversarialloss函数和CycleConsistencyLoss函数，本发明使用SFRC‑GAN进行从素描到人脸重建，与真实人脸照片对比相似度极高且面部细节清晰明了，与使用传统算法进行重建相比真实感更高，细节还原更好，与使用传统GAN网络的算法相比更加清晰真实，而且SFRC‑GAN不要求数据集成对输入，即使在没有成对样本的情况下也可进行人脸重建，能降低网络对数据库的要求和限制，本发明对公安部门根据素描画像确定人物身份有很好的启示作用。
-
公开(公告)号：CN115393710A
公开(公告)日：2022-11-25
申请号：CN202210941835.1
申请日：2022-08-08
Applicant: 吉林大学
IPC: G06V20/10 , G06V10/26 , G06V10/28 , G06V10/34 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06T5/00 , G06T7/11 , G06T7/73 , G06N3/04 , G06N3/08
Abstract: 基于粗掩码平滑标签监督的任意角度目标检测方法属人工智能深度学习和计算及视觉目标检测与分割技术领域，本发明使用GLSMask‑RCNN模型，完成对可见光遥感图像中任意角度非水平目标的检测，对具有大长宽比且分布密集的目标具有优良的检测性能；由于本发明为基于像素级别掩码分割的检测方法，并引入可自适应的二维高斯标签平滑以优化粗标签的监督，因此在训练和实际检测阶段，都能解决非水平目标检测任务中常见的边界问题，模型的检测性能更加稳定。本发明为可见光遥感图像目标检测提供了一种有效的新方案，并且适用于其它类型图像的非水平目标检测场景。
-
公开(公告)号：CN119600016A
公开(公告)日：2025-03-11
申请号：CN202510127839.X
申请日：2025-02-05
Applicant: 吉林大学
IPC: G06T7/00 , G06T7/73 , G06Q10/0631 , G06Q50/04
Abstract: 本发明适用于工业检测技术领域，提供了基于图像处理的智能化工业检测方法及系统。本发明通过对目标工序产品进行检测拍摄与灰度化处理，生成目标灰度图像；选择第一标准点、第二标准点和多个检测点；获取第一标准点、第二标准点和多个检测点的点位坐标数据，计算多个检测比例和多个检测角度；进行检测分析，生成工业检测结果，进行工序后位处理。能够进行检测拍摄，选择第一标准点、第二标准点和多个检测点，计算多个检测比例和多个检测角度，对多个检测比例和多个检测角度进行检测分析与处理，无需对产品进行多种特征的综合检测分析，解决了检测的多样性和复杂性问题，且大大降低了计算量，减少了计算成本，能够有效避免卡顿、崩溃的风险。
-
公开(公告)号：CN118658604A
公开(公告)日：2024-09-17
申请号：CN202410622290.7
申请日：2024-05-20
Applicant: 吉林大学
Abstract: 基于指物识别及视线跟踪的孤独症儿童异常行为检测方法属计算机视觉深度学习技术领域。本发明包括：1.基于YOLOv8目标识别技术针对儿童指物动作的目标检测，计算视频每帧图像中儿童指物动作的置信概率；2.根据ATD网络进行儿童视线跟踪，捕获视线关注点。结合两个网络对指物游戏进行综合评判，判断儿童在该行为中表现是否正常。本发明对幼儿的孤独症谱系障碍诊断进行计算机视觉辅助判断，为准确诊断孤独症谱系障碍提供了更多可能。
-
Patent Agency Ranking
公开(公告)号：CN118513263A
公开(公告)日：2024-08-20
申请号：CN202410589153.8
申请日：2024-05-13
Applicant: 吉林大学
Abstract: 本发明的一种基于深度学习的玻璃药瓶内药片表面缺陷检测方法属于机器视觉技术领域，步骤包括：搭建一个能够采集清晰的药瓶侧面360°的图像采集系统，制作图形化的软件交互页面，选取药品侧面的完好和缺陷图片并划分训练集和测试集，构建药片表面缺陷检测算法模型、剔除不合格药品等。本发明可安装在药瓶输送带上，实现高速度，高准确度，长时间对药瓶中药片缺陷的检测，能够大大减少企业在药品检测方面的人力成本，同时有效提高企业的生产效率。
-
公开(公告)号：CN115508370A
公开(公告)日：2022-12-23
申请号：CN202210765939.1
申请日：2022-06-30
Applicant: 吉林大学
Abstract: 本发明涉及一种全方位油封缺陷检测设备，包括：上料区，用于传输待检油封至检测平台指定位置；图像采集区：用于采集经过相应机位的油封图像，针对不同机位拍摄不同端面时，设置不同类型工业光源组合打光方式，将光从不同角度均匀投射到油封表面，使对应检测面缺陷被凸显出来；控制处理区：用于控制图像采集开始及停止的动作，并根据图像采集区采集的图像判断是否存在缺陷，缺陷判别后给出是否踢除命令；卸料区：根据控制处理单元命令，用于将已检油封送至对应位置；检测平台：用于连接上料区、卸料区，为完成图像采集及处理动作的平台。本发明在保证高灵敏度、高识别率的情况下达到了光路简便、相机少的优点，对提高油封检测质量有很大作用。
-
公开(公告)号：CN112735593A
公开(公告)日：2021-04-30
申请号：CN202110087250.3
申请日：2021-01-22
Applicant: 吉林大学
IPC: G16H50/50
Abstract: 本发明涉及一种关联免疫组化指标Ki67的肾癌风险等级预测方法，属于放射组学与机器学习领域。本发明使用的技术方案是，基于肾脏肿瘤纹理特征提取与支撑向量机(Support Vector Machine,SVM)分类的肾癌风险等级分类方法。步骤如下：1)获取肾脏肿瘤的核磁共振的T1加权图像；2)勾画肾脏肿瘤区域，即感兴趣区域(Region of Interest,RoI)；3)对RoI进行像素灰度值归一化处理；4)提取RoI的二阶纹理特性；5)将已有Ki67指标分级结果与病灶区域的二阶纹理特征相关联，用SVM分类器对RoI图像进行训练，得到关联Ki67的肾癌风险等级智能预测分类模型。本发明方法训练时间短，结果准确率高，通过Ki67等级和肾癌细胞纹理特征的相关性，实现肾癌风险等级预测，可以在放射学层面为医生提供可靠的肾癌等级辅助诊断结果。
-
公开(公告)号：CN117437415A
公开(公告)日：2024-01-23
申请号：CN202311394915.0
申请日：2023-10-26
Applicant: 吉林大学
IPC: G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06V10/80 , G06V10/766 , G06V10/774 , G06V10/25
Abstract: 本发明属于图像处理领域，为一种基于级联平衡式卷积神经网络的核磁影像分割方法，建立基于级联平衡式卷积神经网络的分割模型；以卷积神经网络为基础，以残差网络为骨干网络对输入图片进行特征提取形成特征图；运用平衡特征金字塔方法对提取的特征图进行特征融合；基于区域候选网络生成候选区域，并融入多阈值、重采样机制选取出更优的候选框，最后对所得候选框来进行回归和分类。本发明基于卷积神经网络，构建U型网络混合模型完成医学影像图片的自动分割。可以准确对影像进行分割。
-
公开(公告)号：CN117392389A
公开(公告)日：2024-01-12
申请号：CN202311396428.8
申请日：2023-10-26
Applicant: 吉林大学
IPC: G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0895 , G06V10/80 , G06N3/0464
Abstract: 基于MT‑SASS网络的肾癌MRI图像分割分类方法属医学图像分割技术领域，本发明使用的网络结构包含生成器和判别器两个网络，生成器中加入分类头部以实现图像分类，判别器中加入注意力模块，损失函数采用监督损失和对抗损失之和进行计算。本发明使用MT‑SASS网络对肾癌MRI图像进行分割和分类，可充分利用未标记数据，能判断Ki67和肾癌细胞纹理结果的相关性。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.017 seconds)
