-
公开(公告)号：CN108717732B
公开(公告)日：2022-05-17
申请号：CN201810486472.0
申请日：2018-05-21
Applicant: 电子科技大学
Abstract: 本发明属于表情追踪技术，具体的说是一种基于MobileNets模型的表情追踪方法。本发明主要包括：通过预处理生成训练数据集，所述预处理为使得数据集中每一张图片的人脸均具有三维特征坐标；采用一个标准卷积层、12个分离卷积层、1个均值池化层以及全连接层和Softmax构建神经网络MobileNets模型；所述12个分离卷积层为6个深度卷积与6个点卷积；采用获得的训练数据集对构建的神经网络MobileNets模型进行训练；采用训练好的神经网络MobileNets模型获取输入图像的人脸三维特征点坐标；对模型提取的人脸三维特征点坐标做网格重建生成形变系数，用于对人脸3D模型进行控制，实现表情追踪。本发明的有益效果为，兼顾了模型大小与运行速度，因而可适应于移动设备，具有较强的实用性。
-
公开(公告)号：CN111968120B
公开(公告)日：2022-03-15
申请号：CN202010683245.4
申请日：2020-07-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种3D多特征融合的牙齿CT图像分割方法，属于图像处理技术领域。本发明首先对CT图像进行图像转换处理，将其转换为灰度图；然后构建用于牙齿分割的神经网络模型及对其进行训练，所述神经网络模型的骨架采用U‑net网络；最后，对待分割的图像进行CT图像预处理，得到灰度图像并输入训练好的神经网络模型，基于其输出得到分割结果。本发明结合CT图像上下的相似性，提出了一种3D多特征融合的牙齿分割方法，提高了神经网络的训练精度；同时结合CRF算法，去除神经网络模型产生的冗余信息，使得分割结果更加精确。
-
公开(公告)号：CN111968120A
公开(公告)日：2020-11-20
申请号：CN202010683245.4
申请日：2020-07-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种3D多特征融合的牙齿CT图像分割方法，属于图像处理技术领域。本发明首先对CT图像进行图像转换处理，将其转换为灰度图；然后构建用于牙齿分割的神经网络模型及对其进行训练，所述神经网络模型的骨架采用U-net网络；最后，对待分割的图像进行CT图像预处理，得到灰度图像并输入训练好的神经网络模型，基于其输出得到分割结果。本发明结合CT图像上下的相似性，提出了一种3D多特征融合的牙齿分割方法，提高了神经网络的训练精度；同时结合CRF算法，去除神经网络模型产生的冗余信息，使得分割结果更加精确。
-
公开(公告)号：CN109816661A
公开(公告)日：2019-05-28
申请号：CN201910219774.6
申请日：2019-03-22
Abstract: 本发明属于医学CT(Computed Tomography，计算机断层扫描)图像分割技术领域，涉及一种基于深度学习的牙齿CT图像分割方法。本发明的技术方案，将传统的Level Set算法与U-net网络模型相结合，利用Level Set算法来解决神经网络所需要训练集问题，使得神经网络可以使用未标记的标签进行训练，同时利用神经网络模型来完成图像的自动分割问题，避开曲线演化的不收敛问题，实现在医学图像训练集不充足的情况下，能获得足够精确的分割效果。
-
Patent Agency Ranking
公开(公告)号：CN109816661B
公开(公告)日：2022-07-01
申请号：CN201910219774.6
申请日：2019-03-22
Abstract: 本发明属于医学CT(Computed Tomography，计算机断层扫描)图像分割技术领域，涉及一种基于深度学习的牙齿CT图像分割方法。本发明的技术方案，将传统的Level Set算法与U‑net网络模型相结合，利用Level Set算法来解决神经网络所需要训练集问题，使得神经网络可以使用未标记的标签进行训练，同时利用神经网络模型来完成图像的自动分割问题，避开曲线演化的不收敛问题，实现在医学图像训练集不充足的情况下，能获得足够精确的分割效果。
-
公开(公告)号：CN109086707A
公开(公告)日：2018-12-25
申请号：CN201810823018.X
申请日：2018-07-25
Applicant: 电子科技大学
Abstract: 本发明属于表情追踪技术，具体的说是一种基于DCNNs-LSTM模型的表情追踪方法。本发明考虑到卷积神经网络在图像特征提取上的有效性及长短期记忆网络在处理存在时间序列信息上的优势，提出一种结合DCNN和LSTM的深度神经网络模型用于处理面部68个特征点及眼神、头部特征信息的提取。数据集囊括了老年、青年、少年及中外等不同的人脸图像及对应的标签文件，训练好的模型可同时实现对面部、眼神及头部三维特征信息的提取。本发明将提取出的三维特征信息做三角网格重建并计算网格各顶点的欧氏距离，由数据转换模型将欧氏距离转变为动画人物可识别的形变系数，实现一种表情、头部迁移效果。
-
公开(公告)号：CN107958073B
公开(公告)日：2020-07-17
申请号：CN201711281707.4
申请日：2017-12-07
Applicant: 电子科技大学
IPC: G06F16/583 , G06K9/46 , G06K9/62
Abstract: 本发明公开了一种基于粒子集群算法优化的彩色图像检索方法，属于图像检索技术领域，本发明首先分别提取图像库中各个图像的底层特征并保存到图片特征库；然后为不同的图像特征描述分配不同的相似度度量公式；再通过PSO算法训练获得数据库相似度度量的权值；在进行图像检索处理时，对查询图像进行相应的底层特征的提取，并通过比对查询图像和目标数据库中提取特征的描述符，并基于训练好的相似度度量权值，对不同特征的相似度度量做统一排序，并返回前K张最相近的图片作为检索结果。与现有技术相比，本发明结合和优化了各种特征提取方式，通过对多个特征描述符的组合，提高了CBIR检索系统的检索精度。
-
公开(公告)号：CN108717732A
公开(公告)日：2018-10-30
申请号：CN201810486472.0
申请日：2018-05-21
Applicant: 电子科技大学
Abstract: 本发明属于表情追踪技术，具体的说是一种基于MobileNets模型的表情追踪方法。本发明主要包括：通过预处理生成训练数据集，所述预处理为使得数据集中每一张图片的人脸均具有三维特征坐标；采用一个标准卷积层、12个分离卷积层、1个均值池化层以及全连接层和Softmax构建神经网络MobileNets模型；所述12个分离卷积层为6个深度卷积与6个点卷积；采用获得的训练数据集对构建的神经网络MobileNets模型进行训练；采用训练好的神经网络MobileNets模型获取输入图像的人脸三维特征点坐标；对模型提取的人脸三维特征点坐标做网格重建生成形变系数，用于对人脸3D模型进行控制，实现表情追踪。本发明的有益效果为，兼顾了模型大小与运行速度，因而可适应于移动设备，具有较强的实用性。
-
公开(公告)号：CN107958073A
公开(公告)日：2018-04-24
申请号：CN201711281707.4
申请日：2017-12-07
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于粒子集群算法优化的彩色图像检索方法，属于图像检索技术领域，本发明首先分别提取图像库中各个图像的底层特征并保存到图片特征库；然后为不同的图像特征描述分配不同的相似度度量公式；再通过PSO算法训练获得数据库相似度度量的权值；在进行图像检索处理时，对查询图像进行相应的底层特征的提取，并通过比对查询图像和目标数据库中提取特征的描述符，并基于训练好的相似度度量权值，对不同特征的相似度度量做统一排序，并返回前K张最相近的图片作为检索结果。与现有技术相比，本发明结合和优化了各种特征提取方式，通过对多个特征描述符的组合，提高了CBIR检索系统的检索精度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.017 seconds)
