公开(公告)号：CN118486062A

公开(公告)日：2024-08-13

申请号：CN202410675629.X

申请日：2024-05-29

Applicant: 湖南第一师范学院

Inventor： 唐德燕 ,  陈威 ,  杨恒伏 ,  周聪 ,  伍湘琼 ,  叶君炎 ,  覃苏苏 ,  曾雨

IPC: G06V40/16 ,  G06V10/26 ,  G06V10/80 ,  G06T5/70 ,  G06T5/40 ,  G06N20/00 ,  G06V10/764

Abstract: 本发明公开了计算机视觉和人工智能领域的一种基于图像增强与稀疏表示融合的人脸识别方法，具体步骤包括：步骤一：采集人脸图像，将采集的图像数据分为数据集和训练集；步骤二：通过RFSR方法对训练集进行预处理，利用训练集表示测试图像；步骤三：利用DSP分类器对预处理的训练集进行分类结果统计；步骤四：根据步骤三中的统计结果对数据集中的图像数据进行类别判断；步骤五：对步骤四中类别判断的结果输出。本发明通过结合图像处理和机器学习技术，提高了人脸识别的准确性和鲁棒性，同时保持了灵活性和可扩展性。

公开(公告)号：CN117541570A

公开(公告)日：2024-02-09

申请号：CN202311603271.1

申请日：2023-11-28

Applicant: 湖南第一师范学院

Inventor： 王鹏 ,  伍湘琼 ,  张啸杰 ,  张诚 ,  李锦

IPC: G06T7/00 ,  G06V10/26 ,  G06V10/44 ,  G06V10/52 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本申请涉及一种乳腺结节图像的处理方法、装置、计算机设备、存储介质和计算机程序产品，一方面，针对获取到的乳腺超声图像数据集进行预处理和特征提取，然后再利用分类子网和分割子网来进行乳腺结节的分类和分割，无需依赖医生的临床经验以及解剖结构知识；另一方面，由于分类子网基于focal loss损失函数训练得到，分割子网基于Dice loss损失函数训练得到，分类子网和分割子网在训练过程中充分考虑良恶性节点存在的不平衡问题；因此，整个方案可以实现准确的乳腺结节图像处理。