-
公开(公告)号：CN111951260A
公开(公告)日：2020-11-17
申请号：CN202010850481.0
申请日：2020-08-21
Applicant: 苏州大学
Abstract: 本发明涉及一种基于部分特征融合卷积神经网络实时目标计数系统及方法，包括：数据预处理模块，使用图像中已经标注好的目标位置信息，利用高斯滤波器生成目标图像的密度图，并将所有图像归一化；网络训练模块，建立部分特征融合卷积神经网络模型，使用处理好的图像及生成的密度图对所述部分特征融合卷积神经网络模型进行训练；目标数量预处理模块，根据给定的图像，使用训练好的网络模型对图像中的目标数量进行预测。本发明有利于降低网络的参数量和计算量，保证运行速度。
-
公开(公告)号：CN111680575A
公开(公告)日：2020-09-18
申请号：CN202010425239.9
申请日：2020-05-19
Applicant: 苏州大学
Abstract: 本申请公开了一种人类上皮细胞染色分类装置，包括：训练模块，用于预先利用多尺度卷积神经网络和样本人类上皮细胞染色图像数据训练出目标分类模型；获取模块，用于获取待测人类上皮细胞染色图像数据；分类模块，用于将待测人类上皮细胞染色图像数据输入至目标分类模型中，输出对应的分类结果。可见，由于本装置中所使用的多尺度卷积神经网络充分利用不同尺度的网络信息，使得前后特征信息能够进一步的融合，从而提高模型的效率，并且能够充分利用网络训练中的有效信息，从而提高人类上皮细胞染色分类结果的准确度。本申请还公开了一种人类上皮细胞染色分类设备及计算机可读存储介质，均具有上述有益效果。
-
公开(公告)号：CN107480628B
公开(公告)日：2020-08-25
申请号：CN201710680306.X
申请日：2017-08-10
Applicant: 苏州大学
Abstract: 本发明实施例公开了一种人脸识别方法及装置。其中，方法包括对获取到的待识别图像与包含多个用户的单幅样本图像的样本训练库进行图像分割，将待识别图像与各样本图像分割为相同预设块数、位置一一对应、不重叠的多幅子图像；计算待识别图像的各子图像与各样本图像对应的子图像的相异性，将各个子图像的相异性值进行平均值融合计算，以得到待识别图像与各所述样本图像的相异性值；根据各相异性值，利用最近邻分类器为待识别图像在样本训练库中匹配对应的用户。有效避免了传统的利用相似性识别由于训练样本少造成的准确率较低的现象；有利于提升单样本训练的人脸图像识别的准确性，从而提高人脸识别的准确率，以提高身份鉴别的安全性。
-
公开(公告)号：CN111145096A
公开(公告)日：2020-05-12
申请号：CN201911370222.1
申请日：2019-12-26
Applicant: 苏州大学
Abstract: 本发明涉及一种基于递归极深网络的超分辨图像重构方法及系统,包括设定训练集，对所述训练集进行数据增强；利用所述训练集对已经搭建好的神经网络模型进行训练；利用训练完成的神经网络模型在测试图像上进行重建。本发明使得卷积网络的前一层可以使用后一层的有用信息，达到使用高级信息来完善低级信息的目的。
-
公开(公告)号：CN110852288A
公开(公告)日：2020-02-28
申请号：CN201911122532.1
申请日：2019-11-15
Applicant: 苏州大学
Abstract: 本申请公开了一种基于两阶段卷积神经网络的细胞图像分类方法、装置、设备及可读存储介质，能够基于细胞图像分类模型实现对上皮细胞染色图像的分类，该细胞分类模型针对各类图像特征鉴别难度的不同分别设置了粗分类单元和精分类单元，在实际分类预测过程中，首先根据粗分类结果判断图像是否为易混淆类，对于非易混淆类的图像直接输出其粗分类结果，对于易混淆类的图像，则结合粗分类单元和精分类单元各自提取到的特征图进行精细化分类。因此，该模型在保证分类效率的同时，提升了分类的可靠性，而且精分类单元中的卷积神经网络与易混淆类一一对应，进一步保证了精分类的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN105528620B
公开(公告)日：2019-12-06
申请号：CN201510918300.2
申请日：2015-12-11
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种联合鲁棒主成分特征学习与视觉分类方法及系统，通过将鲁棒主成分特征学习、编码错误和基于主成分特征的分类错误集成到一个统一的最小化框架，可同时进行联合低秩与稀疏特征提取和数据纠错，且可确保得到的特征对于分类是最优的。为了得到描述性更强的鲁棒特征，同时考虑数据的低秩与稀疏特性，同时通过将一个投影嵌入的特征进行低秩和L1‑范数最小化，确保提取的特征满足低秩与稀疏特性。最终得到一个线性投影矩阵P和一个线性分类器W。P可直接提取待测样本的联合特征，进而将特征向W进行映射，可得到其软类别标签，通过软类别标签中最大值对应的位置，得到最准确的视觉分类结果。此外，通过得到P和W，有效提升了测试过程的可拓展性。
-
公开(公告)号：CN110084155A
公开(公告)日：2019-08-02
申请号：CN201910294403.4
申请日：2019-04-12
Applicant: 苏州大学
Abstract: 本发明公开了一种密集人群计数的方法、装置、设备以及计算机可读存储介质，包括：将待测试图像输入预先完成训练的目标残差多尺度卷积神经网络，其中，所述目标残差多尺度卷积神经网络中的两个预选卷积层之间设有残差单元；利用所述目标残差多尺度卷积神经网络对所述待测试图像进行处理，得到所述待测试图像的估计密度图并输出；依据所述目标估计密度图，确定所述待测试图像中的人数。本发明所提供的方法、装置、设备以及计算机可读存储介质，利用残差单元有效解决了网络的退化问题，从而有效降低了密级人群计数的误差。
-
公开(公告)号：CN109978064A
公开(公告)日：2019-07-05
申请号：CN201910248531.5
申请日：2019-03-29
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于图像集的李群字典学习分类方法。本发明一种基于图像集的李群字典学习分类方法，包括：用P＝[p1,p2,...,pn]表示一个包含n样本的图像集；每个pi是一个一维向量，代表该图像集中的一个图像；使用协方差矩阵S来表示图像集：是图像的平均值向量；由于图像集的样本数量通常小于图像的维数，因此矩阵在某些情况下有可能不是正定矩阵；添加一个扰动项λ来解决这个问题。本发明的有益效果：通过将图像集描述为SPD矩阵，使得每个图像集对应于SPD李群上的元素，不仅保留图像集的主要信息，还将基于图像集的分类问题转换为线性分类问题。
-
公开(公告)号：CN109711469A
公开(公告)日：2019-05-03
申请号：CN201811615503.4
申请日：2018-12-27
Applicant: 苏州大学
Abstract: 本发明公开了一种基于半监督邻域判别指数的乳腺癌诊断系统，包括数据获取模块、特征提取模块、特征筛选模块、分类模块，能够获取有标签的乳腺细胞数据样本和无标签的乳腺细胞数据样本，并提取出乳腺细胞数据样本的多个特征，然后计算各个特征的半监督邻域判别指数，并从这些特征中筛选出半监督邻域判别指数满足预设条件的特征，最后根据筛选出的特征对待诊断的乳腺细胞数据样本进行诊断，得到诊断结果。可见，该方法基于半监督学习实现，通过计算各个特征的半监督邻域判别指数，筛选出与乳腺癌关联程度最大的特征，并在诊断过程中从待诊断数据样本中提取出这些特征数据，最后得到诊断结果，避免了为大量数据增加标签的过程，大大节省了开销。
-
公开(公告)号：CN104899578B
公开(公告)日：2019-02-12
申请号：CN201510363785.3
申请日：2015-06-26
Applicant: 苏州大学张家港工业技术研究院
IPC: G06K9/00
Abstract: 本发明公开了一种人脸识别的方法，包括：将获取得到的人脸图像数据作为待测样本；利用投影变换矩阵将所述待测样本映射到低维特征空间中，得到投影后的测试样本；在训练样本集合中，查找与所述测试样本距离最近的标准样本作为目标样本；将所述目标样本的类别确定为所述测试样本的类别；其中，所述投影变换矩阵为通过构造的类内邻接矩阵以及类间邻接矩阵，对所述训练样本集合中的多个样本进行训练得到的变换矩阵，以使类间距离最大、类内距离最小。本发明所提供的人脸识别的方法及装置，为正交判别投影分别构造了两个邻接矩阵：类间和类内邻接矩阵，把类内信息和类间信息分开表示，以得到均衡的信息，从而实现类内最小和类间最大的目的。
-
-
-
-
-
-
-
-
-
Search Results
307
records
(took 0.031 seconds)
