公开(公告)号：CN109800771B

公开(公告)日：2021-03-05

申请号：CN201910089341.3

申请日：2019-01-30

Applicant: 杭州电子科技大学

Inventor： 付晓峰 ,  吴俊 ,  付晓鹃 ,  崔扬 ,  徐岗 ,  计忠平 ,  姚金良 ,  柯进华 ,  吴卿

IPC: G06K9/46 ,  G06K9/00

Abstract: 本发明公开一种混合时空平面局部二值模式的自发微表情定位方法。本发明根据自发微表情视频中连续帧的相关性，通过精细匹配实现了像素级人脸区域对齐，从而对头部偏移等干扰具有较强的抗干扰能力。同时在空间轴平面提取扇形区域特征，并在时间轴提取去冗余的线性特征，既减少了特征点冗余计算，又通过非线性特征融合的方式结合时空特征，形成更完备的特征表示，因此能更加鲁棒地表示自发微表情，提高了自发微表情视频中自发微表情定位精确率。

公开(公告)号：CN119887661A

公开(公告)日：2025-04-25

申请号：CN202411933181.3

申请日：2024-12-26

Applicant: 杭州电子科技大学

Inventor： 计忠平 ,  李双 ,  叶炀 ,  胡红杰

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/54 ,  G06V10/764 ,  G06V10/771 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明公开了一种基于特征融合的心力衰竭合并左束支传导阻滞分类方法，分类方法通过利用心脏磁共振图像，提取放射组学特征和深度学习特征，进行特征融合与选择，以及利用机器学习算法构建分类模型，并以筛选后的融合特征做为输入，该方法结合了深度学习在图像处理方面的优势与机器学习在分类任务中的高效性，通过结合放射组学特征和深度学习特征，能够更全面、准确地反映心脏图像的复杂信息，而利用自动化和智能化的特征提取和分类方法，能够快速处理和分析大量的医学影像数据，实现了对心力衰竭合并左束支传导阻滞的准确分类，本发明具有更高的分类准确率和更强的鲁棒性，在医学图像分类领域中，有助于提高医疗服务的效率和质量。

公开(公告)号：CN117934276A

公开(公告)日：2024-04-26

申请号：CN202410066845.4

申请日：2024-01-17

Applicant: 杭州电子科技大学

Inventor： 计忠平 ,  周铖沁 ,  王兴起

IPC: G06T3/4053 ,  G06T3/4046 ,  G06T5/77 ,  G06T17/00 ,  G06V10/80 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明针对现有的图像修复模型中，需要进行大量冗余的训练，对计算资源消耗过大，训练得到的模型所包含的特征权值不够全面，且是三通道的RGB图像，会干扰对图形中的一些三维信息的特征捕捉的技术问题。提出的一种基于深度学习的灰度图反量化方法，是将深度学习模型和基于图像的三维重建问题相结合的快速反量化方法。本发明通过将利用深度学习得到的简化超分辨率修复模型和三维重建相结合的方法，将图像中物体缺失的维度信息，通过特征通道，用深度学习的方法进行高效修复。

公开(公告)号：CN115512075A

公开(公告)日：2022-12-23

申请号：CN202211170832.9

申请日：2022-09-23

Applicant: 杭州电子科技大学

Inventor： 徐岗 ,  祝楚楚 ,  曹弘逸 ,  吴海燕 ,  许金兰 ,  计忠平

IPC: G06T17/20

Abstract: 本发明公开了一种基于拓扑有向图的四边形网格保特征重划分方法，包括如下步骤：步骤1，预处理输入网格；步骤2，提取特征边；步骤3，分类奇异点；步骤4，生成GMCG；步骤5，生成分区；步骤6，四边形网格重划分。采用上述技术方案，可以针对含有大量奇异点的以四边形为主导的混合网格，重划分得到奇异点少且保特征的四边形网格。

公开(公告)号：CN111325131A

公开(公告)日：2020-06-23

申请号：CN202010092959.8

申请日：2020-02-14

Applicant: 杭州电子科技大学

Inventor： 付晓峰 ,  牛力 ,  柳永翔 ,  赵伟华 ,  计忠平

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于自适应去除过渡帧深度网络的微表情检测方法。本发明包括网络构造、网络训练和微表情检测，其中所述的网络训练中首先对原始视频进行数据预处理；然后使用自适应去除过渡帧方法去除过渡帧；最后将去除了过渡帧的微表情帧和中性帧样本输入MesNet网络进行训练。本发明所构建的MesNet本质是一个二分类网络，检测微表情帧不依赖帧时序关系，因此MesNet不仅可以从微表情数据库完整视频中检测微表情帧，也可以从给定的任意帧集合中检测微表情帧，还可以判断给定的单独一帧是否为微表情帧。