一种用于立体图像拼接的关联图构造方法

    公开(公告)号:CN110443838B

    公开(公告)日:2023-05-05

    申请号:CN201910614586.3

    申请日:2019-07-09

    Applicant: 中山大学

    Inventor: 曾坤 卢建业 周凡

    Abstract: 本发明公开了一种用于立体图像拼接的关联图构造方法。本发明根据立体图像左、右视图和视差图构成的立体信息,将立体图像视图间的2D匹配点对升维成3D匹配点对,采用基于3D匹配点对的概率模型判断立体图像间的匹配关系,从而构建多幅立体图像匹配关系的关联图,用以引导立体图像进行自动化拼接。本发明基于传统的用于平面图像拼接的关联图构造方法进行改进,开拓性地从3D视角检测立体图像间的匹配关系,给出了一种简洁有效的关联图构造方法,为多副立体图像的拼接提供可靠的匹配关系关联图,避免需要用户指定立体图像的拼接顺序,为自动化立体图像拼接提供必要前提。

    胸腔病灶影像的轮廓提取及检测方法与系统

    公开(公告)号:CN115131386A

    公开(公告)日:2022-09-30

    申请号:CN202210824976.5

    申请日:2022-07-14

    Applicant: 中山大学

    Inventor: 林格 周凡 林谋广

    Abstract: 本发明公开了一种胸腔病灶影像的轮廓提取及检测的方法。包括:将输入的胸腔病灶图片进行分块,将块展平为一维向量并加入位置编码得到块嵌入,将块嵌入输入Transformer编码器提取图像特征,获得块特征编码,分别使用线性解码器和Transformer解码器将块特征编码序列解码为胸腔病灶轮廓特征图,通过连接的方式将线性解码器和Transformer解码器所得到的两种胸腔病灶轮廓特征图进行融合,并进行插值上采样得到胸腔病灶轮廓图。本发明还公开了胸腔病灶影像的轮廓提取及检测系统。本发明采用基于Transformer的方式,Transformer的注意力机制能够对长期依赖进行建模,有效地捕获全局特征,从而提高的准确率,且本发明没有借助额外的输入数据,计算速度快、模型复杂度较低。

    基于三维生成对抗网络的胸腔CT图像伪影去除方法与系统

    公开(公告)号:CN114897726A

    公开(公告)日:2022-08-12

    申请号:CN202210500657.9

    申请日:2022-05-10

    Applicant: 中山大学

    Inventor: 林格 周凡 林谋广

    Abstract: 本发明公开了一种基于三维生成对抗网络的胸腔CT图像伪影去除方法与系统。首先构建三维生成对抗网络,包括V‑Net结构的生成器G,三维卷积层构成的二分类卷积神经网络的判别器D,之后构建生成损失函数和对抗性损失函数并交替训练生成器G和判别器D,形成训练好的生成对抗网络;最后用户输入待处理的伪影图像到训练好的三维生成对抗网络中,输出去除伪影的CT图像。本发明针对于胸腔CT图像所有切片组合起来是一组完整的三维立体图像的特点,将一次CT扫描所得的所有CT图像按顺序组合成三维立体图像,作为一个整体输入本发明所构建的三维生成对抗网络中,相比于对每一张CT切片图像单独计算,大大减少了工作量和计算量,效率更高。

    基于表面隐函数的单目图像着装人体重建方法与系统

    公开(公告)号:CN114782634A

    公开(公告)日:2022-07-22

    申请号:CN202210500678.0

    申请日:2022-05-10

    Applicant: 中山大学

    Abstract: 本发明公开了一种基于表面隐函数的单目图像着装人体重建方法与系统。包括:获取高精度着装人体模型并进行渲染和表面采样,运用所述采样点构建训练集,提取所述渲染得到的着装人体图像的特征图和粗预测SMPL,将所述生成的SMPL体素化并使用三维卷积融合各部分的特征,得到三维空间下融合编码后的体素特征,获取给定查询点的混合局部特征,通过图卷积和交叉注意力获取空间中给定查询点的局部点云特征,训练和构建离散点占有率估算模型,生成着装人体模型。本发明具备对输入图像更好的保真性和细节恢复能力;设计的网络保证模型结构的鲁棒性,提高模型对人体图像与3D语义特征的感知和表达能力,并保证重建人体模型的完整性和细致程度,可视化效果更好。

    基于面部神态识别的老年人身心状态实时评估方法与系统

    公开(公告)号:CN114639140A

    公开(公告)日:2022-06-17

    申请号:CN202210163068.6

    申请日:2022-02-22

    Applicant: 中山大学

    Inventor: 王若梅 周凡 苏卓

    Abstract: 本发明公开了一种基于面部神态识别的老年人身心状态实时评估方法与系统。包括:搭建基于注意力模块的面部表情识别网络框架,基于注意力模块的面部表情识别网络框架包括图像序列、三维卷积Conv3D、三维残差块3D Residual Block、全连接层FC、基于交叉熵损失的Softmax分类器及高效注意力模块EAM Block;根据用户需求构建训练数据集;输入构建好的训练数据集对面部表情识别模型进行训练;将待处理的老人面部表情的视频输入训练好的面部表情识别模型,确定老人的情绪或身心状态。本发明通过构建用于人脸情绪识别的高效注意力模块EAM,对通道和视频不同帧的信息特征进行建模,提高了网络对重要信息的关注度,更加准确和高效地根据老人面部表情视频识别老人身心状态。

    基于低维图像编码与集成学习的白胚布平整度分级方法

    公开(公告)号:CN108038516B

    公开(公告)日:2022-02-01

    申请号:CN201711451486.0

    申请日:2017-12-27

    Applicant: 中山大学

    Abstract: 本发明实施例公开了基于低维图像编码与集成学习的白胚布平整度分级方法。该方法主要通过特征提取来生成图像编码,然后通过机器学习来生成学习器,最后通过集成学习的思想来综合多个基学习器的结果得到最后结果。实施本发明实施例,使用计算机自动化的方法来对图像平整度进行客观、准确的评级,利用特征中心直方图作为图像编码,极大降低了编码维数,减少学习器计算量;使用集成学习的策略为最后结果提供可靠的保证,从而在节省人工成本的同时降低主观误差,并且在分级结果上能达到资深工程师的评级能力。

    基于高斯过程映射的迁移学习去雾方法与系统

    公开(公告)号:CN113808039A

    公开(公告)日:2021-12-17

    申请号:CN202111053323.3

    申请日:2021-09-09

    Applicant: 中山大学

    Abstract: 本发明公开了基于高斯过程映射的迁移学习去雾方法与系统。包括:数据集收集和处理,搭建去雾网络包括编码器模块和解码器模块,通过将有雾图和无雾图输入,获得相应的编码器、解码器参数,进行高斯迁移计算,得到预测值,最终得到去雾图。本发明提供一种能够通过基于高斯过程的迁移学习进行去雾的框架,解决数据域漂移带来的在合成数据上训练模型存在偏差的问题,同时通过迁移学习以及在隐空间中建立函数关系来实现有雾图和无雾图在神经网络上的重建,神经网络的参数可以视为将两个数据域参数化,同时将隐空间中的特征以向量形式储存。在隐空间中建立映射,解决卷积的特征空间难以建立函数关系的问题。

    一种基于查询词的自适应智能生成图文视频缩略图方法

    公开(公告)号:CN109145152B

    公开(公告)日:2021-09-17

    申请号:CN201810688627.9

    申请日:2018-06-28

    Applicant: 中山大学

    Inventor: 李超 林淑金 周凡

    Abstract: 本发明公开了一种基于查询词的自适应智能生成图文视频缩略图方法。其中,该方法包括:获取目标视频,进行提取处理,获得所述视频中的音视频信息;对所述音视频信息进行结构化处理,获得结构化的视频数据及结构化的音频数据;将所述结构化的视频数据进行挑选,获得与查询关键词语义相符的关键帧,即视觉元素;将所述结构化的音频数据进行提取处理,获得与查询关键词语义相关的文本元素;获取视觉元素和文本元素进行动态合成处理,获得图文视频缩略图;获取所述图文视频缩略图,提取所述图文视频缩略图的语义文本,进行全局的配色监控处理,获得与查询关键词语义相关的目标视频图文视频缩略图。实施本发明实施例,能够通过系统来智能的根据查询关键词自适应生成视频缩略图,可以节省人力资源,比现有的自动生成视频缩略图技术更具有目的性。

    一种基于全局特征融合注意力网络的图像去雾方法与系统

    公开(公告)号:CN113344806A

    公开(公告)日:2021-09-03

    申请号:CN202110576365.9

    申请日:2021-07-23

    Applicant: 中山大学

    Inventor: 苏卓 刘芮致 周凡

    Abstract: 本发明公开了一种基于全局特征融合注意力网络的图像去雾方法。包括:首先,输入有雾图像,利用特征融合注意力网络提取图像特征,将各个群架构提取的特征输入层次注意力模块处理,生成无雾的图像;其次,以有雾图和无雾图作为训练集,用损失函数计算真实无雾图像和生成的无雾图像损失,更新网络模型中的参数,得到训练完毕的模型;最后,输入要进行去雾的有雾图像,训练好的模型计算输出无雾图像。本发明还公开了基于全局特征融合注意力网络的图像去雾系统、计算机设备及计算机可读存储介质。本发明探讨了特征注意力模块与层次注意力模块融合的方法,提出了全局特征融合注意力模块,专注于训练图像的重要信息,从而恢复有雾图像更多的纹理细节。

    一种基于微服务架构的多语言学习系统

    公开(公告)号:CN112732229A

    公开(公告)日:2021-04-30

    申请号:CN202011637131.2

    申请日:2020-12-31

    Applicant: 中山大学

    Abstract: 本发明公开了一种基于微服务架构的多语言学习系统。本系统包括:微服务系统架构模块与多语言学习业务模块;微服务系统架构模块为应用提供基础的软件架构支持,具体包含网关子模块、服务注册与服务发现子模块、链路追踪子模块、日志收集子模块;多语言学习业务模块为系统提供业务功能支持,具体包含用户业务子模块与课程业务子模块,提供用户鉴权服务、用户信息服务、课程服务、通知服务、评论服务、文件服务、应用更新服务、邮箱服务,同时依赖各自的数据库实例以及文件存储服务、SMTP服务器等外部服务。本发明为教师提供参与和监督学习过程的条件,同时也为学生提供充分利用自主性学习的条件,为教师和学生提供了更加灵活的教学和学习途径。

Patent Agency Ranking