-
公开(公告)号：CN109102019A
公开(公告)日：2018-12-28
申请号：CN201810907142.4
申请日：2018-08-09
Applicant: 成都信息工程大学
Abstract: 本发明涉及图像处理技术领域，具体的说是基于HP-Net卷积神经网络的图像分类方法。本发明包括以下步骤：步骤1：读取输入图像I；步骤2：将输入图像I分为大小为m×m的图像块集合，每一块用Ii表示，i＝1，2，...，n，n表示图像块的数量；步骤3：将Ii输入到卷积神经网络中进行训练；步骤4：经过若干次提取特征，再通过三层全连接层，得到一维的矩阵，然后使用丢弃正则化操作避免过拟合；步骤5：将卷积神经网络中的输出结果输入到softmax分类器里，最终得到分类结果。本发明所提出的网络模型表现出更好的性能，在RO-5和花卉数据集上比其他现有的网络模型要高。
-
公开(公告)号：CN108962267B
公开(公告)日：2019-11-15
申请号：CN201810742980.0
申请日：2018-07-09
Applicant: 成都信息工程大学
IPC: G10L19/018
Abstract: 本发明涉及一种基于哈希特征的加密语音内容认证方法，其包括：输入原始语音后，通过Logistic映射和流密码RC4对原始语音进行加密以生成加密语音，对加密语音进行分帧并对每帧加密语音执行整数小波变换和离散余弦变换，通过比较低频DCT系数的均值和方差来计算哈希特征，利用差分扩展将哈希特征作为水印嵌入到IWT的细节系数的高位比特中；然后对IWT近似系数和含哈希特征的细节系数执行逆IWT变换来获得含水印的加密语音，从含水印的加密语音中提取哈希特征与重构的哈希特征进行对比来对加密语音进行内容认证。本发明提高了云计算中的语音内容认证的鲁棒性，可以准确定位篡改语音帧，在实际应用中适用范围更广。
-
公开(公告)号：CN109389584A
公开(公告)日：2019-02-26
申请号：CN201811083803.2
申请日：2018-09-17
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于CNN的多尺度鼻咽肿瘤分割方法。包括以下步骤：收集若干例患鼻咽肿瘤的病例，采集其鼻咽部位MRI图像数据；对上一步骤收集的MRI图像数据的病变区域逐层进行人工边缘标注，作为标签数据；对上一步骤得到的标签数据进行标准化预处理并转成二维数据集；构建基于CNN的多层二维卷积神经网络，使用上一步骤中的二维数据集进行训练；对于待分割的鼻咽部位MRI图像数据，采集同部位同样模态的医学图像，对采集的图像进行标准化处理；通过训练得到的网络模型，对待分割的鼻咽部位MRI图像数据进行自动分割。本发明可以实现对于鼻咽肿瘤的自动分割，且与主流网络对比能取得较高的精度。
-
公开(公告)号：CN109325514A
公开(公告)日：2019-02-12
申请号：CN201810872957.3
申请日：2018-08-02
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于改进CNN的简单学习框架的图像分类方法，其包括：输入图像I；将图像I分为大小为m×m的图像块集合；将图像Ii输入到卷积神经网络中进行训练；通过三层全连接层处理得到一维的矩阵，使用dropout正则化操作以避免过拟合；将神经网络中的输出结果输入到分类器里，输出得到分类结果。本发明提出了一种基于卷积神经网络的简单学习框架，表示为Brief–Net，并将其应用于图像分类，减少了训练的时间同时也提高了分类的精度。Brief–Net包括三个卷积层和最大池化层，接着是三个全连接层。采用softmax分类器来识别图像分类。本发明的方法能够有效减少训练时间和存储成本，具有较高的识别精度。
-
公开(公告)号：CN109284765A
公开(公告)日：2019-01-29
申请号：CN201810789885.6
申请日：2018-07-18
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于负值特征的卷积神经网络的自然图像分类方法，其包括以下步骤：S1输入一张图像I；S2将图像I分为大小为m×m的图像块集合，每一块用Ii(i＝1,2,…,n)表示；S3将Ii输入到卷积神经网络中进行训练，其包括：用大小为k×k的卷积核对图像Ii做卷积处理，然后将卷积之后得到的特征取反，再和原来的特征一起作用Leaky ReLU激活函数，再将得到的结果传递到下一层做池化采样；S4经过多次提取特征，最后通过全连接层，得到一维的矩阵；S5将神经网络中的输出结果输入到分类器里，最终得到分类结果。本发明能够增强有效特征的学习，从而提高图像分类的效果，并且对不同的数据有良好的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN108921192A
公开(公告)日：2018-11-30
申请号：CN201810517949.7
申请日：2018-05-25
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于测地线距离的异常点检测方法，其包括：输入数据集X；针对数据集X构建邻接图G，利用Dijkstra算法创建测地距离矩阵；针对各样本点计算测地距离ηi以及各点的度deg(xi)；计算平均测地距离设定阈值τ，计算样本点的实际度Rdeg(xi)；判断特殊点和异常点。本发明提高了异常点检测的性能，更好的反应了数据集的结构特征，且可同时检测到异常点和边缘点。此外，本发明的方法受数据分布和数据维度影响较弱，在实际应用中适用范围更广，解决了现有技术对异常点的检测精度不高和对高维数据检测性能不佳的缺陷。
-
公开(公告)号：CN109409508B
公开(公告)日：2022-03-15
申请号：CN201811310962.1
申请日：2018-11-06
Applicant: 成都信息工程大学
Abstract: 本发明属于图像重建技术领域，公开了一种基于生成对抗网络使用感知损失解决模型崩塌的方法，利用随机向量z生成与实际数据分布相似的图像，在训练的过程中采用感知损失将z和真实数据映射到特征空间中来提取更高层次的特征，并结合对抗损失来鼓励生成网络产生与实际图像相似的图像样本；最后，使得鉴别器不能判断这是一个虚假图像。本发明针对已有网络采用较小的数据集解决了模型崩塌问题，VGG‑GAN在两个小场景数据集上进行评价；实验结果表明，用VGG‑GAN方法生成的图像质量优于现有方法。
-
公开(公告)号：CN109063710A
公开(公告)日：2018-12-21
申请号：CN201810907208.X
申请日：2018-08-09
Applicant: 成都信息工程大学
CPC classification number: G06K9/342 , G06K2209/05 , G06N3/0454
Abstract: 本发明涉及图像分割领域中的鼻咽部肿瘤图像分割技术，具体的说是一种基于多尺度特征金字塔的3D CNN鼻咽癌分割方法。针对训练样本，需要由有经验的放射科肿瘤医师对若干鼻咽癌病例进行标注，使用整个三维MRI图像建立数据集，并对数据集进行一定的预处理，然后用网络对训练数据集进行训练，取得高精度的分割模型。对于新的病例，可以用该分割模型分割其MRI图像。相对传统的方法，除了训练阶段需要人工标注外，其余部分均可实现自动处理，大大降低对于有经验医师的需求，且与五种主流网络对比能取得较高的精度。
-
公开(公告)号：CN108921192B
公开(公告)日：2020-01-21
申请号：CN201810517949.7
申请日：2018-05-25
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于测地线距离的异常点检测方法，其包括：输入数据集X；针对数据集X构建邻接图G，利用Dijkstra算法创建测地距离矩阵；针对各样本点计算测地距离ηi以及各点的度deg(xi)；计算平均测地距离设定阈值τ，计算样本点的实际度Rdeg(xi)；判断特殊点和异常点。本发明提高了异常点检测的性能，更好的反应了数据集的结构特征，且可同时检测到异常点和边缘点。此外，本发明的方法受数据分布和数据维度影响较弱，在实际应用中适用范围更广，解决了现有技术对异常点的检测精度不高和对高维数据检测性能不佳的缺陷。
-
公开(公告)号：CN109614991A
公开(公告)日：2019-04-12
申请号：CN201811388028.1
申请日：2018-11-19
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于Attention的多尺度扩张性心肌的分割分类方法。包括以下步骤：收集若干例患扩张性心肌病的病例，采集其心肌部位MRI图像数据；对上一步骤收集的MRI图像数据的病变区域逐层进行人工边缘标注，作为标签数据；对上一步骤得到的标签数据进行标准化预处理并转成二维数据集；构建基于Attention的多层二维卷积神经网络，使用上一步骤中的二维数据集进行训练；对于待分割分类的心肌部位MRI图像数据，采集同部位同样模态的医学图像，对采集的图像进行标准化处理；通过训练得到的网络模型，对待分割分类的心肌部位MRI图像数据进行自动分割分类。本发明可以实现对于扩张性心肌区域的自动分割和分类，且与主流网络对比能取得较高的精度。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.027 seconds)
