图像关键点的识别方法、图像分割方法、设备及介质

    公开(公告)号:CN116310333A

    公开(公告)日:2023-06-23

    申请号:CN202310227446.7

    申请日:2023-03-10

    Inventor: 冯建兴

    Abstract: 本发明涉及图像处理技术领域,具体提供一种图像关键点的识别方法、图像分割方法、设备及介质,旨在解决关键点识别效果差的问题。本发明提供的方法包括:获取图像特征,随机生成图像中的关键点在特征空间中前向扩散的第一特征向量,特征空间是关键点特征向量奇异值分解形成的,关键点特征向量是关键点在图像坐标空间中坐标构建的,用扩散模型根据图像特征对第一特征向量逆向扩散得到第二特征向量,基于奇异值分解的方法将第二特征向量转至图像坐标空间,获取关键点实际坐标,根据实际坐标获取识别结果,扩散模型是对关键点进行前向扩散和逆向扩散的训练得到的,关键点包括边缘和/或非边缘关键点。通过关键点扩散保证关键点相关性,提高识别效果。

    图像分割方法、装置及存储介质

    公开(公告)号:CN114549459A

    公开(公告)日:2022-05-27

    申请号:CN202210158357.7

    申请日:2022-02-21

    Inventor: 冯建兴

    Abstract: 本发明涉及图像处理技术领域,具体提供一种图像分割方法、装置及存储介质,旨在解决现有分割方法需要标注数据,或者无法将对象的不同部分分割为一个整体以导致分割准确度较差的技术问题。为此目的,本发明的图像分割方法包括下述步骤:将待分割图像划分为至少一个第一图像块;确定每个第一图像块的Token,以得到Token集合;基于Token集合确定每个第一图像块对应的主题;基于每个第一图像块对应的主题对待分割图像进行分割,得到初始分割图像。如此,提高了图像分割的准确度。

    一种深度学习网络及其缺失数据的预测方法和装置

    公开(公告)号:CN114385608A

    公开(公告)日:2022-04-22

    申请号:CN202111566563.3

    申请日:2021-12-20

    Inventor: 冯建兴

    Abstract: 本发明涉及学习网络技术领域,具体提供一种深度学习网络及其缺失数据的预测方法和装置,旨在解决现有技术预测的缺失数据的精确度较低的问题。为此目的,本发明的深度学习网络包括向量提取层、数据编码层、特征融合层、特征解码层和数据预测层。通过上述深度学习网络,能够获取输入数据对应的缺失数据,提高了获取的缺失数据的精确度,实现了对任意输入数据缺失比例的支持,适用于任何缺失数据的预测,满足了用户实际需求。

    肋骨中心线检测装置及方法

    公开(公告)号:CN109124662B

    公开(公告)日:2021-12-03

    申请号:CN201810770823.0

    申请日:2018-07-13

    Inventor: 冯建兴 范晓晨

    Abstract: 本发明属于图像处理技术领域,具体提供了一种肋骨中心线检测装置及方法,旨在解决现有技术鲁棒性差和计算速度慢的技术问题。为此目的,本发明提供了一种肋骨中心线检测方法,包括:基于预设的肋骨识别模型识别目标图像中肋骨所在区域,并且根据肋骨所在区域获取每根肋骨对应的肋骨区域;获取在目标图像对应的三维空间图像中每个肋骨区域对应的多个特定平面,并且根据特定平面计算相应肋骨区域的重心,将每个肋骨区域的所有重心相连得到相应肋骨的中心线。基于上述步骤,本发明提供的肋骨中心线检测方法可以准确高效地识别出目标图像中肋骨所在区域,可以适应多种异常情况,鲁棒性好,计算速度快。本发明的装置同样具有上述有益效果。

    点云数据的数据拟合方法、装置及介质

    公开(公告)号:CN113192201A

    公开(公告)日:2021-07-30

    申请号:CN202110500509.2

    申请日:2021-05-08

    Abstract: 本发明涉及点云数据拟合技术领域,具体提供了一种点云数据的数据拟合方法、装置及介质,旨在解决如何提高点云数据拟合的准确度和应用范围的技术问题。为此目的,根据本发明实施例的方法,可以获取待拟合的点云数据,其中,待拟合的点云数据包括不存在坐标数据缺失的第一类点云数据和存在一部分坐标数据缺失的第二类点云数据;采用点云数据分析模型对待拟合的点云数据进行坐标数据分析;根据坐标数据分析的结果,获取第二类点云数据中缺失的坐标数据的预测值,根据预测值对第二类点云数据的坐标数据进行补全操作;对第一类点云数据以及经补全操作后的第二类点云数据进行数据拟合处理。通过上述步骤,可以提高点云数据拟合的准确度和应用范围。

    图像物体识别方法和系统
    26.
    发明授权

    公开(公告)号:CN109598298B

    公开(公告)日:2021-06-04

    申请号:CN201811443553.9

    申请日:2018-11-29

    Inventor: 冯建兴

    Abstract: 本发明属于图像识别技术领域,具体提供了一种图像物体识别方法和系统,旨在解决现有技术难以既保证准确地识别小物体又保证识别速度的问题。为此目的,本发明提供的图像物体识别方法包括获取目标图像对应的多个预设图像尺寸的待识别图像并且分别对每个待识别图像的像素坐标进行归一化处理,得到每个待识别图像的像素坐标矩阵;基于预先构建的图像物体识别网络并且根据每个待识别图像及其像素坐标矩阵,识别目标图像中对象的类别和位置信息。基于上述步骤,本发明提供的方法具有在不牺牲对大物体检测准确性的前提下,能够保证对小物体识别准确性的同时提高识别速度的有益效果。

    基于肋骨展开图的肋骨骨折自动检测方法

    公开(公告)号:CN110458799A

    公开(公告)日:2019-11-15

    申请号:CN201910550339.1

    申请日:2019-06-24

    Abstract: 本发明属于图像处理技术领域,具体提供了一种基于肋骨展开图的肋骨骨折自动检测方法,自动检测方法包括:基于原始CT图像获取每根肋骨的肋骨CT图像;基于每根肋骨的肋骨CT图像获取每根肋骨的肋骨展开图;通过肋骨骨折自动检测模型检测肋骨展开图以获取肋骨的骨折位置。通过对原始CT图像进行肋骨分割以获取每根肋骨的肋骨CT图像,然后将每根肋骨的肋骨CT图像进行展开以获取每根肋骨的肋骨展开图,最后通过肋骨骨折自动检测模型对每根肋骨的肋骨展开图进行检测以获得肋骨的骨折位置,通过这样的设置,能够极大地减少训练模型所需的标注数据,并且能够提高对肋骨骨折位置检测的速度和准确性。

    肋骨图像显示装置
    28.
    发明公开

    公开(公告)号:CN109830289A

    公开(公告)日:2019-05-31

    申请号:CN201910047854.8

    申请日:2019-01-18

    Abstract: 本发明属于图像处理技术领域,具体提供了一种肋骨图像显示装置,旨在解决现有技术进行肋骨骨病诊断时会在图像中引入噪声,并且花费医生大量检查时间的问题。为此目的,本发明提供的肋骨图像显示装置包括三维肋骨获取模块,配置为得到每根肋骨的三维肋骨图像;二维肋骨获取模块,配置为得到每根肋骨的二维肋骨图像;联动显示模块,配置为获取目标图像、三维肋骨图像以及二维肋骨图像中任一图像中待诊断的标定位置,联动显示另外两幅图像中与该标定位置对应的肋骨图像。基于上述结构,本发明提供的装置可以辅助医疗人员从多个视角对肋骨骨病进行细致地诊断,可以提高诊断速度,还可以尽可能地避免图像降维引入的噪声造成的假阳性。

    图像物体识别方法和系统
    29.
    发明公开

    公开(公告)号:CN109598298A

    公开(公告)日:2019-04-09

    申请号:CN201811443553.9

    申请日:2018-11-29

    Inventor: 冯建兴

    Abstract: 本发明属于图像识别技术领域,具体提供了一种图像物体识别方法和系统,旨在解决现有技术难以既保证准确地识别小物体又保证识别速度的问题。为此目的,本发明提供的图像物体识别方法包括获取目标图像对应的多个预设图像尺寸的待识别图像并且分别对每个待识别图像的像素坐标进行归一化处理,得到每个待识别图像的像素坐标矩阵;基于预先构建的图像物体识别网络并且根据每个待识别图像及其像素坐标矩阵,识别目标图像中对象的类别和位置信息。基于上述步骤,本发明提供的方法具有在不牺牲对大物体检测准确性的前提下,能够保证对小物体识别准确性的同时提高识别速度的有益效果。

    基于多模态数据的智能问答方法、电子设备及存储介质

    公开(公告)号:CN120069067A

    公开(公告)日:2025-05-30

    申请号:CN202510116952.8

    申请日:2025-01-23

    Inventor: 冯建兴

    Abstract: 本申请涉及人工智能技术领域,具体提供一种基于多模态数据的智能问答方法、电子设备及存储介质,旨在解决视觉语言大模型处理大规模或高维度图像数据存在图像信息过载、图像细节丢失和交互性不足的问题。为此目的,本申请的方法包括:获取多模态数据;将多模态数据输入智能问答模型;基于粗粒度特征提取模块获取图像数据的粗粒度特征;基于图像数据的粗粒度特征和文本指令获取图像数据中的关键区域的细粒度特征;基于粗粒度特征、文本指令和细粒度特征得到文本指令对应的问答结果。通过上述实施方式,能够根据用户需求动态调整特征提取的粒度,精确定位和分析图像中的关键区域,将粗粒度特征提取和细粒度特征提取结合,显著提升问答结果的精度。

Patent Agency Ranking