-
公开(公告)号:CN113936318A
公开(公告)日:2022-01-14
申请号:CN202111218941.9
申请日:2021-10-20
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于GAN人脸先验信息预测和融合的人脸图像修复方法,本发明方法的神经网络以VAE结构为主干网络,包括两个阶段,首先经过stage‑I阶段的粗修神经网络生成具有人脸结构内容信息的粗糙图像,同时通过融合人脸轮廓,区域和关键点中间特征得到人脸生成指导信息,然后为了更好的考虑人脸结构信息,通过stage‑II阶段的精修神经网络对stage‑I的结果进行精修,在第二生成器中间引入指导信息以实现人脸细节、结构精细化,最终生成自然和谐,结构对称的人脸图像,本发明采用全局和局部两种判别器来做监督,以保证生成更高质量的人脸图像。
-
公开(公告)号:CN110674882A
公开(公告)日:2020-01-10
申请号:CN201910931124.4
申请日:2019-09-27
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于傅立叶函数变换的异常点检测方法,该方法具体包括以下步骤:第一步,将原始数据集进行聚类操作;第二步,计算簇密度和均值密度,以原数据集的均值密度作为阈值,将数据集进行精简;第三步,对剩余数据集进行傅立叶变换,利用回归方程将离散值连续化。第四步,进行傅立叶变换后的数据与标准正余弦函数进行相似度对比,找出异常数据。本发明的有益效果是:本发明可以有效的提高异常点检测算法的准确率,能大幅度减少异常检测过程中的实际数据量,从而节省了很多计算资源,并且提高了异常检测效率。本发明在聚类和数据化分析的步骤下能够解决异常检测中的一些过拟合问题。增强了异常检测算法的鲁棒性。
-
公开(公告)号:CN112365464B
公开(公告)日:2021-08-10
申请号:CN202011242653.2
申请日:2020-11-09
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于GAN的医学图像病变区域弱监督定位方法。该方法具体包括以下步骤:收集数据并制作数据集,将每一次CT扫描的成像文件重采样成固定分辨率并保存为NPY格式并保存对应的标签信息;构建基于卷积神经网络的分类器,使用上述的数据集对分类器进行预训练,学习高级语义特征;构建基于生成对抗网络的框架,使用生成器学习正常人与病人的检查结果的影像学差异,使用判别器和预训练的分类器来强化生成器的学习效果并使生成器能够捕捉到病人的病变区域;本发明可以自动学习病人与正常人之间的差别,实现了无需对病变区域进行标注而能有效的对病变的区域进行定位,提供辅助诊断信息。
-
公开(公告)号:CN112365464A
公开(公告)日:2021-02-12
申请号:CN202011242653.2
申请日:2020-11-09
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于GAN的医学图像病变区域弱监督定位方法。该方法具体包括以下步骤:收集数据并制作数据集,将每一次CT扫描的成像文件重采样成固定分辨率并保存为NPY格式并保存对应的标签信息;构建基于卷积神经网络的分类器,使用上述的数据集对分类器进行预训练,学习高级语义特征;构建基于生成对抗网络的框架,使用生成器学习正常人与病人的检查结果的影像学差异,使用判别器和预训练的分类器来强化生成器的学习效果并使生成器能够捕捉到病人的病变区域;本发明可以自动学习病人与正常人之间的差别,实现了无需对病变区域进行标注而能有效的对病变的区域进行定位,提供辅助诊断信息。
-
-
-