-
公开(公告)号：CN110458842A
公开(公告)日：2019-11-15
申请号：CN201910559230.4
申请日：2019-06-26
Applicant: 南京邮电大学
IPC: G06T7/10
Abstract: 本发明提出了一种基于双通道三维密集连接网络的脑肿瘤分割方法。针对脑肿瘤形状、位置及大小等信息的不统一性，提出了一种双通道三维密集连接网络来实现MRI中脑肿瘤的自动分割，采用三维卷积核提取空间特征，双通道特征学习网络采用不同大小卷积核以提取不同尺度的特征，构建三维密集连接块加强了各级特征复用，使得用于最后分类的特征包含了更多的上下文内容，丰富了特征图细节，提升了分割的精度。
-
公开(公告)号：CN107578436A
公开(公告)日：2018-01-12
申请号：CN201710649934.1
申请日：2017-08-02
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于全卷积神经网络FCN的单目图像深度估计方法，包括步骤：获取训练图像数据；将训练图像数据输入全卷积神经网络FCN，池化层依次输出得到特征图像；及从最后一个池化层开始将其输出特征图像进行放大处理，获得与其前一池化层输出特征图像尺寸一致的特征图像并将二者的特征图像融合；从后向前依次对每个池化层的输出特征图像融合以获得最终预测深度图像；且训练中利用随机梯度下降法SGD对全卷积神经网络FCN中的参数训练；获取需要预测深度的RGB图像输入训练后的全卷积神经网络FCN，获得对应的预测深度图像。本发明可以改善卷积过程中输出图像分辨率较低的问题，且采用全卷积网络的形式，去除了全连接层，有效减少了网络的参数量。
-
公开(公告)号：CN114581552B
公开(公告)日：2024-11-15
申请号：CN202210252286.7
申请日：2022-03-15
Applicant: 南京邮电大学
IPC: G06T11/00 , G06N3/0464 , G06N3/0475 , G06N3/084
Abstract: 本发明公开了一种基于生成对抗网络的灰度图像彩色化方法，该方法首先选取COCO图像数据集中的定量彩色图片组，去色处理后制作成训练集，其次构建生成对抗网络架构，使得生成器模型在其中完成预训练，然后对判别模型和经过预训练的生成模型进行交替训练，调整参数，得到训练好的模型，再将测试数据输入模型后可实现灰度图像彩色化。本发明通过对生成器的预训练方法和过程，使得训练方法和数据集优化上拥有极大的提升，能够保证训练质量和最终生成图像的泛化质量的基础上，极大缩短训练时长，具灵活性；且利用U‑Net的思想，在COCO数据集上训练和测试，能极大程度的减少传统方法需要人工干预且难以进行大尺寸图像像素级别的精细上色工作的弊端。
-
公开(公告)号：CN113947550B
公开(公告)日：2024-11-08
申请号：CN202111235541.9
申请日：2021-10-22
Applicant: 南京邮电大学
IPC: G06T5/60 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 一种基于潜在空间嵌入扩展的真实图像重建方法，首先有监督地训练一个域内引导编码器，将给定的图像映射到StyleGAN的固有潜在空间中，其中引入像素损失用来保持视觉质量，使编码后的潜码在像素域进行对齐；引入感知损失，用来引导逆向映射的潜码降落到StyleGAN空间的语义域内，使编码后的潜码在语义域内进行对齐。为了进一步提高重构图像的质量，提出了嵌入优化算法，实现StyleGAN潜在空间的扩展，将域内引导编码器的输出作为初始值进行优化，来微调编码器产生的潜码，实现真实图像的高准确性逆映射。本方法可以解决真实图像逆向映射后重构图像质量不高、不能够通过改变重构后的潜码进行语义编辑的问题，能高度还原真实图像，并且能通过改变潜码进行准确的语义操纵。
-
公开(公告)号：CN118052859A
公开(公告)日：2024-05-17
申请号：CN202410067946.3
申请日：2024-01-17
Applicant: 南京邮电大学
IPC: G06T7/55 , G06T7/73 , G06V10/80 , G06N3/0455 , G06N3/0464
Abstract: 本发明属于计算机视觉领域，公开了一种基于CNN和Transformer特征融合的单目深度估计方法，包括：首先，构建混合深度数据集并对其进行预处理，将预处理后的图片输入网络提取CNN特征图，其次，使用特征转换模块得到类图像特征图并调整类图像特征图的尺度，获得四个Transformer特征图，而后将两个特征图输入引导融合模块，获得四个层级的特征图并将其输入解码融合模块，获得解码后的输出特征图；最后将输出特征图输入深度输出模块生成深度图，将深度图标签和深度图进行损失值计算，得到训练好的模型。本发明的双分支结构产生了提升了深度图的全局准确性，细化了局部纹理和边缘的表现，提高了模型的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN116402719A
公开(公告)日：2023-07-07
申请号：CN202310382257.7
申请日：2023-04-11
Applicant: 南京邮电大学
IPC: G06T5/00 , G06T7/13 , G06V40/16 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于潜在扩散模型的人盲脸图像恢复系统及其方法，属于图像恢复技术领域；该方法包括以下步骤：接收传输进来的低质量人脸图像；利用SRCNN网络获取边缘分布，并将构造的边缘分布输入到预训练的潜在扩散模型中；SRCNN网络作为扩散估计器用于图像特征提取；使用预训练的潜在扩散模型生成潜在人脸图像；使用VAE解码器将潜在人脸图像恢复。本发明通过SRCNN网络融合潜在扩散模型，将低质量图像到预训练扩散模型的中间状态进行过渡分布，降低了预训练复杂度并且提高了数据集的多样性；通过使用预训练的U‑net网络和调度算法作为生成模型，在潜在空间上完成逆扩散过程，简化了训练过程和减少了训练时长，从而生成较为准确的高质量人脸图像。
-
公开(公告)号：CN115829876A
公开(公告)日：2023-03-21
申请号：CN202211616971.X
申请日：2022-12-15
Applicant: 南京邮电大学
Abstract: 本发明属于图像处理技术领域，具体地说，是一种基于交叉注意力机制的真实退化图像盲修复方法，通过引入注意力机制，对潜在编码进行多头自注意力优化，实现了最优潜在编码的语义特征权重分配；对潜在编码和多分辨率尺度特征图两者使用多头交叉注意力优化，实现了将多尺度特征图的空间特征引入潜在编码，增强了特征图的空间特征与潜在编码的语义特征的相关性，显著提高了潜在编码的表达能力，解决了重建图像忠实度不高和纹理细节不够丰富这个关键问题。
-
公开(公告)号：CN115457182A
公开(公告)日：2022-12-09
申请号：CN202211191210.4
申请日：2022-09-28
Applicant: 南京邮电大学
Abstract: 一种基于多平面图像场景表示的交互视点图像合成方法，为了消除新视点图像中的失真和伪像，提高新视点图像的合成质量，使用三维卷积神经网络来捕获跨多个深度平面的空间特征，同时建立了预测深度平面上的遮挡区域的能力。单应性变换模块是为了对输入的参考图像对的位置信息进行编码，将输入图像通过单应性变换矩阵分别重新投影到目标相机中；网络框架使用基于三维卷积的编码器解码器架构，每层的编码器和解码器通过跳跃连接为U型网络，增强了捕捉上下文信息的能力；网络输出模块通过混合网络预测的权重及alpha图像生成多平面图像场景表示，目标视点的图像通过对该场景表示进行从后到前的合成被渲染出来。本方法可以提高新视点图像合成的准确度。
-
公开(公告)号：CN107369158B
公开(公告)日：2020-11-13
申请号：CN201710442910.9
申请日：2017-06-13
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于RGB‑D图像的室内场景布局估计及目标区域提取方法，包括：场景布局估计；利用基于图的分割算法与约束参数最小割算法对预处理后的深度图与RGB图做过分割，得到不同大小的区域集合；过分割层次分组，利用四种不同的相似度衡量方式进行区域合并以完成区域层次分组，获取所有尺度大小的目标区域；以及目标边界框匹配。本发明实现了室内场景的高效、高召回率的目标区域提取。
-
公开(公告)号：CN119323647A
公开(公告)日：2025-01-17
申请号：CN202411876189.0
申请日：2024-12-19
Applicant: 南京邮电大学
IPC: G06T17/00
Abstract: 本发明公开了一种基于阈值和统计滤波优化3D高斯模型构建的方法，先将进行重建的图片进行批量背景去除，将图片尺寸裁剪为原来的一半，图像作为输入数据进行3DGS重建；采用基于阈值和统计滤波方法去除黑色高斯椭球和离散点，最后对3D高斯点云文件格式做优化，去除其中无用参数，将优化过的点云文件导出。本发明先去除图片背景，既加快了稀疏点云重建的速度，又只生成了目标物体的高斯模型，另外采用基于阈值和统计滤波方法去除黑色高斯椭球和离散点，提高了模型的准确性和稳定性。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.021 seconds)
