-
公开(公告)号：CN114820473A
公开(公告)日：2022-07-29
申请号：CN202210370643.X
申请日：2022-04-10
Applicant: 复旦大学
Abstract: 本发明属于数字图像处理技术领域，具体为一种基于损伤面积感知和不确定性指导的医疗图像分割方法。本发明方法包括：对图片提取感兴趣区域；根据损伤面积计算缩放矩阵，对感兴趣区域进行缩放；缩放后图像进行分割；用不确定性指导的方法监督分割。本发明将损伤面积感知技术用于处理样本中面积较小的样例分割，可以将小面积样本自动缩放到合适大小。实验结果表明，损伤面积感知技术可以很好的对小面积样本进行缩放，提升分割效果。
-
公开(公告)号：CN114820355A
公开(公告)日：2022-07-29
申请号：CN202210370646.3
申请日：2022-04-10
Applicant: 复旦大学
Abstract: 本发明属于数字图像处理技术领域，具体为一种基于不确定性感知的无监督图像去噪方法。本发明方法包括：构建提取平滑噪声模块和粗糙去噪网络，实现对噪声块的模拟以及对图像进行粗糙去噪；构建建模偶然不确定性的网络，估计噪声图像中不确定性高的像素，生成不确定性图，指导下一阶段的网络进行去噪；构建精去噪网络，通过不确定性图加权目标函数来引导网络降低不确定性对去噪过程的影响，使网络达到更好的去噪效果。实验结果表明，本发明可以有效去除图像中的噪声，并且去噪图像具有较好的纹理结构和视觉质量。
-
公开(公告)号：CN114708586A
公开(公告)日：2022-07-05
申请号：CN202210427450.3
申请日：2022-04-21
Applicant: 复旦大学
Abstract: 本发明属于图像与视频理解技术领域，具体为一种从图像和视频中提取三维人脸表征的方法。本发明通过构建一个三维无监督人脸表征学习网络模型来提取三维人脸表征；本发明从没有标签的自然人脸图像和视频中学习，使用表情变换模块从视频序列学习人脸表情的变化。本发明考虑到内部因素和外部环境，利用人脸的三维性质来解耦多达5个影响因素，包括人脸的材质、形状、表情、姿势和光照。本发明可以用于各种下游任务，如人脸表情识别、姿势估计、人脸验证和人脸正面化。
-
公开(公告)号：CN112419352B
公开(公告)日：2022-05-20
申请号：CN202011326151.8
申请日：2020-11-24
Applicant: 复旦大学
Abstract: 本发明属于数字图像智能处理技术领域，具体为一种基于轮廓的小样本语义分割方法。本发明方法包括：利用深度卷积神经网络提取参考图像和待分割图像各自的特征；使用轮廓生成模块生成待分割图像中较粗糙的物体轮廓；使用轮廓优化模块将较粗糙的物体轮廓优化得到更精细的轮廓；使用标签平均池化操作获取参考图像对应的语义原型；使用区域平均池化操作获取待分割图像中轮廓对应物体的语义原型；比对语义原型进而确定是否属于相同的语义类别。实验结果表明，本发明可以生成精确的分割图，有效解决了小样本语义分割问题。
-
公开(公告)号：CN114359082A
公开(公告)日：2022-04-15
申请号：CN202111600032.1
申请日：2021-12-24
Applicant: 复旦大学
Abstract: 本发明属于医疗图像处理技术领域，具体为一种基于自建数据对的胃镜图像去模糊算法。本发明算法包括：对于胃镜视频的处理、制作胃镜清晰图‑模糊图训练样本以及胃镜去模糊算法的训练。具体而言，首先收集一定量的胃镜视频，对其中的数据进行清洗；然后收集医生的标注，对每一帧的清晰或者模糊进行标注，并对“指导模型”进行训练；再用采用全部为清晰图的视频段，合成清晰‑模糊肠镜图片数据对；最后用清晰‑模糊肠镜图片数据对，训练肠镜去模糊算法。实验结果表明，本发明算法对于肠镜模糊图片的模糊去除具有很好的效果，具有很强的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN111340122B
公开(公告)日：2022-04-12
申请号：CN202010131868.0
申请日：2020-02-29
Applicant: 复旦大学
IPC: G06V10/80 , G06K9/62 , G06V10/764 , G06V10/56 , G06V10/44 , G06V10/82 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明属于数字图像智能处理技术领域，具体为一种多模态特征融合的文本引导图像修复方法。本发明方法依次包括：网络以缺损图像和相应的文本描述作为输入，分为两个阶段：粗略修复阶段和精细修复阶段；在粗略修复阶段，网络将文本特征和图像特征映射到统一的特征空间进行融合，利用文本特征的先验知识，网络产生合理的粗糙修复结果；在精细修复阶段，网络为粗糙修复结果生成更多的细粒度纹理；在网络训练中引入重构损失、对抗损失和文本引导的注意力损失来辅助网络生成更加细致、自然的结果。实验结果表明，本发明可以更好地预测缺失区域中物体的语义信息，并生成细粒度纹理，有效提升图像修复的效果。
-
公开(公告)号：CN108765392B
公开(公告)日：2022-03-18
申请号：CN201810484708.7
申请日：2018-05-20
Applicant: 复旦大学
IPC: G06T7/00
Abstract: 本发明属于医学图像智能处理技术领域，具体为一种基于滑动窗口的消化道内镜病变检测和识别方法。通过内镜的早期筛查是降低消化道癌症发病率和死亡率的有效手段。在传统诊断方法中，医生的诊断完全是主观判断过程，会受到诊断医生经验及知识水平的限制和影响。因此本发明将深度学习应用于消化道内镜的病变检测，基于医生标注的病变区域的边框制作样本，训练分类器；在待检测的消化道内镜图像中提出候选区域，将候选区域输入分类器，对分类结果做后处理，达到病变检测的目的。实验结果表明，本发明可以较准确地检测到消化道内镜图像的病变位置，为医生提供参考，说明了人工智能辅助的消化道早癌诊疗具有无可替代的优越性。
-
公开(公告)号：CN112419355A
公开(公告)日：2021-02-26
申请号：CN202011341024.5
申请日：2020-11-25
Applicant: 复旦大学
Abstract: 本发明属于医学图像处理技术领域，具体为一种基于角点检测的毛发图像中毛发计数方法。本发明方法包括：对毛发图像进行分块阈值分割，得到毛发分割图；然后对毛发分割图进行角点检测；将将角点视作毛发的端点，统计角点数量，再除以2即得毛发数量。本发明是一种无监督方法，即不需要数据对参数进行训练，可直接应用在毛发图像上进行计数，可有效减少临床工作量。本发明能够快速地统计图像中毛发数量，有效辅助医生进行诊断，提升诊断的准确率与效率。
-
公开(公告)号：CN112419191A
公开(公告)日：2021-02-26
申请号：CN202011326166.4
申请日：2020-11-24
Applicant: 复旦大学
Abstract: 本发明属于数字图像处理技术领域，具体为一种基于卷积神经网络宽尺度模糊感知机制的图像运动模糊去除方法。本发明方法包括：首先运用三种创新的卷积神经网路的计算单元，即轻量级全局上下文精炼模块、多尺度分析融合模块以及可变形卷积微调模块，构建一个多尺度深度信息融合的深度神经网络系统；其次，进行数据准备与模型训练，当训练的目标函数降低至某可接受阈值，可认为网络收敛；最后，在应用阶段，将模糊图像输入系统，直接得到清晰图像。实验结果表明，给定一张运动模糊图片，本发明既能够清除越过边缘侵蚀的模糊模式，又能够合理地还原图像应有的细节，得到与其对应的清晰图片。
-
公开(公告)号：CN111127336A
公开(公告)日：2020-05-08
申请号：CN201911129305.1
申请日：2019-11-18
Applicant: 复旦大学
Abstract: 本发明属于数字图像处理技术领域，具体为一种基于自适应选择模块的图像信号处理方法。本发明方法包括：建立多任务RAW图像数据集；根据元数据对RAW图像预处理，包括：将单通道的RAW图像重排列为图像尺寸减半三RGBG四个通道，黑电平矫正和归一化；训练ISP深度神经网络；训练去噪声、去运动模糊处理模块，去除噪声、运动模糊；结合各处理模块训练注意力选择模块；ISP网络是端到端网络，测试时将预处理后的RAW图像载入，即可生成RGB图像。实验表明，本发明可以在单个深度神经网络中自适应地选择处理模块以应对包含不同类型失真的复杂情况，从而生成高质量的RGB图像。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.022 seconds)
