-
-
公开(公告)号：CN111027476A
公开(公告)日：2020-04-17
申请号：CN201911255483.9
申请日：2019-12-10
Applicant: 电子科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于Haar-like特征和增量学习算法的人脸识别跟踪器，主要涉及计算机视觉和图像处理领域。本发明使用积分图对Haar-like特征求值进行加速，使用AdaBoost算法训练区分人脸和非人脸的强分类器，用筛选式级联把强分类器级联到一起，从而提高准确率。人脸追踪部分根据上一帧图像追踪框的中心点的位置，预测本时刻框中心点的位置。利用PCA算法提取框中图像的主要特征，根据本时刻框中心点的位置预测相应的降维后的图形。引入遗忘因子，每五帧一次更新图像数据。这种增量算法无需训练模型，从而提高了效率。理论和实践表明，我们的方法能够自动识别人脸，在人脸的方向产生巨大变化时如正脸变成侧脸时可以继续识别跟踪，并保持连续性的识别，避免了中断。
-
公开(公告)号：CN110991374A
公开(公告)日：2020-04-10
申请号：CN201911255304.1
申请日：2019-12-10
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于RCNN的指纹奇异点检测方法，其过程共分为五步：构造数据集、指纹图像增强、指纹图像分割、指纹图像奇异点检测以及准确度检验。相比于传统的指纹奇异点检测方法，该方法创新性的结合了卷积，基于RCNN框架进行检测，具有检测速度快、准确度高、效率高的优势。其中图像增强过程降低了对指纹图像质量的要求，分块网络的运用简化省略了以往处理方法中数据增强的操作。
-
公开(公告)号：CN110916664A
公开(公告)日：2020-03-27
申请号：CN201911255471.6
申请日：2019-12-10
Applicant: 电子科技大学
IPC: A61B5/055
Abstract: 本发明阐述了一种基于深度学习的快速磁共振图像重建方法。该方法包括：对输入U-net网络的k空间数据进行处理，首先对原始k空间数据做掩膜处理，掩膜掉的地方用零填充，接着将得到的k空间数据进行中心剪裁，作为U-net的输入；训练U-net网络；将训练好的神经网络用于测试集做预测。本发明与传统的基于深度学习的快速核磁共振图像重建方法不同之处在于对原始k空间数据做处理的时候，没有将欠采样的k空间数据进行IFFT转换为图像域数据，而是直接将欠采样的k空间数据输入U-net网络来预测出全采样的k空间数据。本发明为快速核磁共振成像提供了另一个解决思路。
-
-
Patent Agency Ranking
-
公开(公告)号：CN107862695A
公开(公告)日：2018-03-30
申请号：CN201711274934.4
申请日：2017-12-06
Applicant: 电子科技大学
CPC classification number: G06T7/10 , G06T7/0012 , G06T2207/20081 , G06T2207/20084 , G06T2207/30096
Abstract: 本发明针对由于黑色素瘤皮肤病变分割的难度大，缺少简单有效快速的图像分割方法的现状，提出了一种基于全卷积神经网络的改进型图像分割训练方法，该方法包括：首先对训练样本进行数据增强，归一化处理，然后对处理后的样本进行采样切割，并将采样切割后的图像进行分类以实现基于传统卷积神经网络的分类识别训练。然后，将这个分类网络的参数赋值给一种改进型全卷积网络，并将原尺寸的训练样本放入该网络进行训练得到预测概率图，以实现，完对皮肤黑素瘤病变图片的分割。该方法可有效提升全卷机网络对图像分割训练的监督性，提升训练效率，并可增加分割准确率。
-
公开(公告)号：CN107767380A
公开(公告)日：2018-03-06
申请号：CN201711274671.7
申请日：2017-12-06
Applicant: 电子科技大学
IPC: G06T7/10
CPC classification number: G06T7/10 , G06T2207/20081 , G06T2207/20084 , G06T2207/30088
Abstract: 本发明属于图像处理、计算机视觉、深度学习、图像语义分割领域，具体为一种基于全局空洞卷积的高分辨率复合视野皮肤镜图像分割方法。该方法包括：基于空洞卷积构建高分辨率复合视野特征提取网络、语义分割网络，使用交叉熵和jaccard近似系数的复合损失函数训练，预测时的数据增强和后处理。本发明采用的全局空洞卷积能够既利用复合视野来把握足够全面的上下文信息，又保留高分辨率图像来捕获足够详实的细节信息，实现了准确的皮肤镜图像分割。
-
公开(公告)号：CN111210398A
公开(公告)日：2020-05-29
申请号：CN201811298098.8
申请日：2018-11-02
Applicant: 电子科技大学
Abstract: 本发明的目的针对白细胞分割图片由于白细胞图像切片制作过程中，白细胞的随机分布会在显微镜下形成细胞重叠或粘连。另外，由于实际图像的复杂性，如细胞大小不一致、细胞重叠、灰度变化等原因，都会影响分割算法的准确性，导致分割误差。提出了一种基于多尺度池化的深度学习细胞分割系统，该系统包括，对训练样本的数据增强，归一化处理，然后训练提出的神经网络模型，利用训练好的模型得到测试图片的标签图，然后使用分水岭算法，完成白细胞的分割。
-
公开(公告)号：CN111160346A
公开(公告)日：2020-05-15
申请号：CN201811316744.9
申请日：2018-11-07
Applicant: 电子科技大学
Abstract: 本发明针对缺血性脑卒中分割难度大，缺血性脑卒中形态多样，样本之间差异性大，拥有三维信息，且传统基于散度测度等方法的精度不高的问题，提出一种基于3D卷积神经网络的系统，该系统包括：首先对训练样本进行数据增强，归一化处理，然后训练带有膨胀卷积的分割网络，再在网络结构上调整，直到得到的结构最优网络。提高分割精度。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.021 seconds)
