-
公开(公告)号：CN110223295A
公开(公告)日：2019-09-10
申请号：CN201910542301.X
申请日：2019-06-21
Applicant: 安徽大学
IPC: G06T7/00
Abstract: 本发明公开了基于深度神经网络色彩感知的显著性预测方法及装置，方法包括：将细粒度样本图像输入到预设的第一VGG网络，并将粗粒度样本图像输入到预设的第二VGG网络中，得到对应于粗粒度样本图像的第一特征图，以及对应于细粒度样本图像的第二特征图；利用特征融合算法，得到融合图像；将融合图像的特征图与融合图像进行乘法处理，进而得到预测的显著图；判断交叉熵损失函数的值是否收敛；若是，将第一VGG网络、第二VGG网络以及通道加权子网络组成的网络作为目标网络模型，并使用所述目标网络模型进行待检测图像的显著性预测；若否；调整模型权重、超参数，直至收敛。应用本发明实施例，可以实现符合人眼感知的显著性预测。
-
公开(公告)号：CN110211139A
公开(公告)日：2019-09-06
申请号：CN201910504373.5
申请日：2019-06-12
Applicant: 安徽大学
Abstract: 本发明公开了一种自动分割食管癌放疗靶区和危及器官的方法及系统，涉及医学图像分割领域，该方法包括以下步骤：通过残差网络提取输入的CT图像的特征，通过特征金字塔网络融合多尺度特征图；通过区域建议网络对特征图中每个点的感兴趣区域进行筛选；结合感兴趣区域对齐层将区域建议网络筛选出的感兴趣区域池化到一个固定尺寸；将池化到固定尺寸的感兴趣区域输入到全连接层进行器官分类，并进行器官位置边框回归；同时将池化到固定尺寸的感兴趣区域输入到器官分割网络。本发明的优点在于：提高了自动分割食管癌放疗靶区和多种危及器官的准确度。
-
公开(公告)号：CN109859817A
公开(公告)日：2019-06-07
申请号：CN201910256615.3
申请日：2019-04-01
Applicant: 安徽大学
Abstract: 本发明公开一种食管放射治疗计划中风险器官剂量学评估方法，包括以下步骤：集食管癌病人的VMAT计划数据信息，得到DTH；对DTH的几何特征向量进行降维，得降维后的几何特征向量；建立深度置信网络模型，并完成深度置信网络模型的训练；非线性地拟合剂量特征向量和降维后几何特征向量之间的相关性，得到与降维后的几何特征向量的维度相同的剂量特征向量；通过自动编码器结构的解码层将从步骤五的剂量特征向量重构，得到与降维前的几何特征向量的维度相同的剂量特征向量，最终得到预测危险器官的DVH。本发明还公开一种食管放射治疗计划中风险器官剂量学评估系统。本发明具有显著缩短制定食管癌放疗计划时间以达到减轻物理放疗师的负担的优点。
-
公开(公告)号：CN109614921A
公开(公告)日：2019-04-12
申请号：CN201811491815.9
申请日：2018-12-07
Applicant: 安徽大学
Abstract: 本发明公开一种基于对抗生成网络的半监督学习的细胞分割方法，包括以下步骤：收集细胞分割数据，对数据进行预处理和增强，分成训练集和测试集图片。以半监督学习为出发点，设计了新的对抗生成网络。该网络相对于之前的对抗生成网络将生成器换成了小参数量的全卷积分割网络，用于对输入图片输出一个概率图。对于没有标签的细胞图片，我们用半监督的方法训练分割网络，从分割网络中获取未标记图像的初始分割预测后，通过判别网络对分割预测概率图进行传递，得到一个置信图。利用这个置信图作为监督信号，使用了一个自学机制来训练分割网络，置信图表示了预测分割的质量。通过本发明设计的卷积神经网络提高细胞分割准确率。
-
公开(公告)号：CN106951888A
公开(公告)日：2017-07-14
申请号：CN201710322155.0
申请日：2017-05-09
Abstract: 本发明公开了一种人脸特征点的相对坐标约束的方法，在人脸定位的过程中，计算任意两个人脸特征点i和j的相对位置，使得任意两个预测人脸特征点i和j的相对位置尽可能接近于其对应的两个真实的人脸特征点之间的相对位置。本发明还公开了一种使用上述人脸特征点的相对坐标约束的方法的人脸特征点的定位方法。发明相比现有技术具有以下优点：通过强制约束每一个人脸特征点与其它所有特征点之间的相对坐标位置，在人脸特征点定位模型训练中使用相对坐标约束，可以提高任意姿态下人脸特征点定位精度的相对坐标约束方法，且本发明提出的约束方法只需在网络训练中进行相关操作，对于训练完成的网络进行实际使用时不增加任何计算量。
-
Patent Agency Ranking
公开(公告)号：CN104992177A
公开(公告)日：2015-10-21
申请号：CN201510325833.X
申请日：2015-06-12
Applicant: 安徽大学
CPC classification number: G06K9/6267 , G06K9/66
Abstract: 本发明涉及一种基于深层卷积神经网络的网络色情图像检测方法，包括以下步骤：通过人工标定的方法获取色情图像与正常图像，对这些图像进行预处理与增强获得有效的方形训练图像；将获得的有效图像送入深层卷积神经网络中来训练网络；将网络模型在验证集上进行验证，根据结果调整训练集并继续训练深层卷积神经网络；重复上一步直至在验证集上的检测准确率达到预期目标或者网络损失函数开始收敛；将训练好的网络在测试集上进行测试。本发明的有益效果是：提出一种基于深层卷积神经网络的色情图像检测方法，使其能够通过单一模型快速准确的检测出几乎所有类型的色情图像，实际测试中本发明的检测准确率达到98.6％以上。
-
公开(公告)号：CN119561807A
公开(公告)日：2025-03-04
申请号：CN202411736683.7
申请日：2024-11-29
Applicant: 安徽大学
IPC: H04L25/02 , H04B7/0456
Abstract: 本发明公开了一种导频高效的超奈奎斯特系统信道估计方法，包括：获取预编码矩阵和解码矩阵；获取传输导频块，使用预编码矩阵对传输导频块进行预编码；获取发送符号块，根据所述预编码后的传输导频块和发送符号块，得到传输帧；对传输帧进行基带成形，并对基带成形后的传输帧在信道上进行传输，将传输接收的传输帧进行匹配滤波和下采样，得到下采样后的传输导频块；通过解码矩阵对下采样后的传输导频块进行解码，得到信道状态信息。通过上述技术方案，本发明不仅降低了导频开销，而且提高了信道状态信息的估计精度。
-
公开(公告)号：CN118300937B
公开(公告)日：2024-12-27
申请号：CN202410393852.5
申请日：2024-04-02
Applicant: 安徽大学
IPC: H04L25/03
Abstract: 本发明公开了一种可抗频偏和相噪的超奈奎斯特系统打包率估计方法，包括：基于超奈奎斯特系统及传输帧，构建以仿真传输帧处理及传输过程的传输仿真模型；获取若干个假定下采样因子，将假定下采样因子分别输入传输仿真模型，得到下采样符号，基于下采样符号得到若干个下采样后的导频块，对若干个下采样后的导频块及传输导频块进行非相干相关差分后验累加处理，生成若干个判决值；提取数值最大的判决值对应的假定下采样因子，根据提取的假定下采样因子，得到超奈奎斯特系统对应的打包率。通过上述技术方案，本发明可以有效抵抗频偏和相噪，提高超奈奎斯特系统的打包率估计精度。
-
公开(公告)号：CN118300936A
公开(公告)日：2024-07-05
申请号：CN202410393793.1
申请日：2024-04-02
Applicant: 安徽大学
IPC: H04L25/03
Abstract: 本发明公开了一种鲁棒且高精度的超奈奎斯特系统打包率估计方法，包括：获取传输导频块，根据传输导频块构建传输帧；基于超奈奎斯特系统对传输帧进行仿真传输，设置若干个下采样因子，将所述若干个下采样因子分别输入下采样符号生成模型，得到下采样符号，并基于从下采样符号提取的下采样后的导频块及传输导频块，通过差分广义后验累加算法生成若干个下采样因子对应的判决值；提取数值最大的判决值对应的下采样因子，根据所述提取的下采样因子，得到超奈奎斯特系统的打包率。通过上述技术方案，本发明可以抵抗高频偏和相噪，获取随机打包率的表现较好，提高超奈奎斯特系统的打包率估计精度。
-
公开(公告)号：CN118072530A
公开(公告)日：2024-05-24
申请号：CN202410182885.5
申请日：2024-02-19
Applicant: 安徽大学 , 安徽超远信息技术有限公司
Abstract: 本发明公开了一种用于高速公路的车辆异常行为监测系统，包括移动监测端和监测管理端，监测管理端包括：云信息库、预处理单元、对比提取单元、处理分析单元和监管处理单元；涉及公路监测技术领域，本发明，通过移动监测端和采集触发模块的设计，实现在高速公路上任意位置获取目标车辆视频，减少数据冗余并节能，利用预处理单元、对比提取单元和处理分析单元自动化识别异常行为，监测管理端可以实时分析视频，及时发现异常，提高道路安全，提供两种安装方式增加适用性，移动监测端与ETC卡或CPC卡一体设置简化使用，监管处理单元依据异常信号支持交通管理和执法，提升道路管理水平。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.028 seconds)
