公开(公告)号：CN114764843A

公开(公告)日：2022-07-19

申请号：CN202110035929.8

申请日：2021-01-12

Applicant: 四川大学

Inventor： 滕奇志 ,  夏智鑫 ,  何小海 ,  吴晓红 ,  吴小强 ,  王正勇

IPC: G06T17/00 ,  G06K9/62 ,  G06V10/774 ,  G06V10/74

Abstract: 本发明公开了基于邻域块匹配的多孔介质图像超维重建方法，主要包括如下步骤：以真实CT序列图像作为训练集，获取所有从邻域块到中心块的匹配对作为元素存储到字典；将待重建的二维图像作为参考图像，放到待重建三维结构的负1层；以固定大小的三维模板栅格扫描待重建三维结构；对于扫描到的待重建块，根据相似性度量公式在字典中找到k个元素；根据已重建结构当前的孔隙度状态，并根据字典元素选择机制，选择一个元素，将它的中心块放到当前扫描到的待重建区域；扫描下一个待重建块进行重建，直至三维结构全部重建完成。本发明可以对输入二维参考图像进三维重建，在石油地质等领域有重要的应用价值。

公开(公告)号：CN109960975B

公开(公告)日：2022-07-01

申请号：CN201711409895.4

申请日：2017-12-23

Applicant: 四川大学

Inventor： 何小海 ,  陈祥 ,  卿粼波 ,  苏婕 ,  滕奇志 ,  吴晓红 ,  熊淑华

IPC: G06V40/16 ,  G06K9/62 ,  G06V10/774

Abstract: 本发明公开了一种基于人眼的人脸生成及其人脸识别方法，通过挖掘人眼和人脸的映射关系，仅利用人眼生成对应的相似度较高的人脸，并用于后续人脸识别。包括以下步骤：对原始图像进行人脸检测并裁剪出来，然后通过人脸规范化矫正人脸，之后检测人脸中的眼睛区域，将眼睛区域截取出来输入到eyes2face网络中得到对应的人脸，最后对生成的人脸进行人脸识别。其中eyes2face网络采用条件GAN网络结构，使用端到端网络来通过眼睛生成人脸，用feature损失来指导训练。本发明所述的基于人眼的人脸生成及其人脸识别方法能够较好地解决人脸识别中的遮挡问题，同时可以为重要场合的人脸识别提供参考，在公共安全领域、刑侦领域以及反恐等领域都有较广泛的应用前景。

公开(公告)号：CN112927253B

公开(公告)日：2022-06-28

申请号：CN201911241148.3

申请日：2019-12-06

Applicant: 四川大学

Inventor： 滕奇志 ,  王润涵 ,  何小海 ,  陈洪刚 ,  熊淑华 ,  吴小强

IPC: G06T7/136 ,  G06T7/194

Abstract: 本发明公开了一种基于卷积神经网络的岩心FIB‑SEM图像分割方法，主要涉及岩心序列图像的图像分割技术。包括以下步骤：(1)建立岩心FIB‑SEM图像数据集；(2)构建卷积神经网络：将通道注意力模块嵌入到编码阶段，并使用改进的特征金字塔注意力模块提取多尺度特征，在解码模块使用多尺度空间注意力提取精细边界，在上采样阶段使用亚像素卷积模块恢复原始分辨率；(3)网络训练与参数优化，得到效果最好的模型；(4)使用步骤(1)得到的测试集进行网络分割结果测试；本发明方法通过利用卷积神经网络进行岩心FIB‑SEM孔隙提取，无需人工操作，且提高分割精度。

公开(公告)号：CN114625871A

公开(公告)日：2022-06-14

申请号：CN202011468452.4

申请日：2020-12-14

Applicant: 四川大学

Inventor： 何小海 ,  吴天波 ,  卿粼波 ,  陈洪刚 ,  吴小强 ,  熊淑华 ,  滕奇志

IPC: G06F16/35 ,  G06F16/36 ,  G06N3/04

Abstract: 本发明公开一种基于注意力位置联合编码的三元组分类方法。提出了一种在复数域求解表征三元组的注意力和位置特征的联合编码方法，并通过后续网络对三元组进行分类。首先在复数域空间表征三元组位置‑注意力联合编码向量，并通过Batch Pooling策略与实数域的三元组词编码向量相结合，得到三元组编码，然后通过关系记忆网络、卷积神经网络、前馈神经网络和Sigmoid输出得到三元组分数，对三元组进行分类。该方法在复数域空间对三元组的位置特征和注意力特征进行联合编码，并与实数域的编码相结合，为三元组分类任务提供了更好的三元组表示方法，在WN11和FB13基准数据集上分别取得了90.8％和88.7％的准确率。

公开(公告)号：CN114612927A

公开(公告)日：2022-06-10

申请号：CN202011425821.1

申请日：2020-12-09

Applicant: 四川大学

Inventor： 何小海 ,  齐宝光 ,  刘强 ,  陈洪刚 ,  吴晓红 ,  吴小强 ,  滕奇志

IPC: G06V40/10 ,  G06V20/52 ,  G06V10/80 ,  G06V10/82 ,  G06F40/20 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了一种基于图像文本双通道联合的行人重识别方法，使用文本通道对图像通道进行辅助学习完成行人重识别的任务。在图像通道设计了局部特征分支和全局特征分支，使用局部特征注意到更多的细节信息，比如非遮挡区域，使用全局特征加强网络对图像整体的关注力；在文本通道提取出文本特征计算ID损失，并且将其与图像的全局特征进行联合训练，计算三元组损失，以实现文本特征对视觉特征的辅助。最后得到能够提取出更多细节信息的重识别网络，测试时仅使用图像通道即可得到较优的检索结果，证明了文本特征对视觉特征辅助的有效性。该方法适用于智能安防领域和智慧商业领域，例如人员追踪、顾客轨迹分析、景区人流分析。

公开(公告)号：CN114387161A

公开(公告)日：2022-04-22

申请号：CN202011111270.1

申请日：2020-10-16

Applicant: 四川大学

Inventor： 何小海 ,  雷佳佳 ,  吴晓红 ,  任超 ,  陈洪刚 ,  熊淑华 ,  滕奇志

IPC: G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公布了一种基于增强深层特征提取和残差上下采样块的视频超分辨率方法。主要包括以下步骤：设计并搭建基于增强深层特征提取和残差上下采样块的视频超分辨率卷积神经网络模型，网络由浅层特征提取部分、深层特征提取部分、递归特征融合部分和重建部分组成；在视频数据集中构建训练样本对，训练搭建的卷积神经网络模型的参数，直到网络收敛；输入连续视频帧序列到训练好的网络模型中，得到超分辨率重建结果。本发明所述方法可以把低分辨率视频重建为高质量的高分辨率视频，是一种有效的视频超分辨率重建方法。

公开(公告)号：CN114119872A

公开(公告)日：2022-03-01

申请号：CN202111409654.6

申请日：2021-11-25

Applicant: 四川大学华西医院

Inventor： 杨毅 ,  刘浩 ,  张翔 ,  任超 ,  何小海 ,  滕奇志

IPC: G06T17/00 ,  G06K9/62 ,  G06V10/74 ,  G06V10/764 ,  G06V10/80 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及脊柱内植物3D打印领域，具体涉及一种基于人工智能大数据分析3D打印脊柱内植物的方法，实现了对患者脊柱植入物的精确快速匹配打印。本发明技术方案包括：收集脊柱影像学数据，对脊柱影像中的椎体区域进行特征分割，然后根据分割后的椎体图像特征重建三维椎体结构模型，对模型进行撒三维测量，定位椎体终板结构特征点，再根据终板结构特征点提取椎体终板区域，并得到终板的三维形态数据，对终板的三维形态数据进行分类，构建脊柱尺寸数据库，然后设计与分类终板匹配的脊柱内植物，最后导入患者的脊柱影像数据，自动判断分类并选择对应内植物进行3D打印。本发明适用于脊柱内植物快速精确匹配批量打印。

公开(公告)号：CN113766250A

公开(公告)日：2021-12-07

申请号：CN202011057427.7

申请日：2020-09-29

Applicant: 四川大学

Inventor： 陈洪刚 ,  刘强 ,  何小海 ,  任超 ,  卿粼波 ,  熊淑华 ,  吴晓红 ,  滕奇志

IPC: H04N19/88 ,  H04N19/132 ,  H04N19/149 ,  H04N19/154 ,  H04N19/30

Abstract: 本发明提供了一种基于采样重构和特征增强的压缩图像质量提升方法。主要包括如下步骤：设计提升压缩图像质量的深度模型，包含基于重叠像素重排的采样、基于特征增强的残差预测及基于重叠像素重排的重构等模块；构建训练压缩图像质量提升深度模型的训练图像集，包含存在对应关系的压缩图像集及高质量图像集；基于训练图像集，训练压缩图像质量提升深度模型；利用训练好的压缩图像质量提升深度模型对输入的测试图像进行处理；对质量提升结果进行评价或进一步对其进行分析和理解。本发明所述方法能显著提升压缩图像的质量且具有较低的复杂度，同时能够改善图像分析理解的性能。本发明在图像及视频存储、传输、分析等方向具有重要的应用价值。

公开(公告)号：CN109889852B

公开(公告)日：2021-11-05

申请号：CN201910056697.7

申请日：2019-01-22

Applicant: 四川大学

Inventor： 何小海 ,  李曾 ,  孙伟恒 ,  熊淑华 ,  滕奇志 ,  卿粼波 ,  王正勇

IPC: H04N19/80 ,  H04N19/117 ,  H04N19/593 ,  H04N19/176 ,  H04N19/182 ,  H04N19/147 ,  H04N19/46

Abstract: 高性能视频编码标准HEVC中的帧内编码模式利用当前帧中像素点之间的空间相关性作出有效预测。但是，研究发现当待编码像素远离参考像素时，它们之间的空间相关性变弱，传统的HEVC帧内预测方法的编码性能并不理想。针对以上情况，本发明提出了一种基于邻近值的HEVC帧内编码优化方法。其主要思想是，对于当前像素，先根据传统HEVC帧内编码方法得到其预测值，再使用相应的滤波器对该预测值进行修正。本发明方法将当前像素与周围像素的相关性进行了有效的数学建模，并且训练出合适的滤波器系数，提升了HEVC帧内编码性能。实验结果显示，本发明方法与HEVC标准相比，最高节省了2.7％的码率，平均节省的码率为1.3％。

公开(公告)号：CN108665546B

公开(公告)日：2021-07-30

申请号：CN201810471759.6

申请日：2018-05-17

Applicant: 四川大学

Inventor： 滕奇志 ,  冯俊羲 ,  何小海 ,  卿粼波 ,  熊淑华 ,  吴小强

IPC: G06T17/05

Abstract: 本发明公开了一种结合深度学习的多点地质统计三维建模方法。该方法针对传统多点地质统计算法的匹配过程耗时的问题，提出了结合深度学习的方法来进行重建加速。利用逐层重建的方法，将三维重建转化为二维的重建。设计了深度神经网络来学习采样图到孔隙图的映射关系，并将这种关系用于采样图的重建。本发明的主要创新包括：提出了用深度学习来加速多点地质统计方法的匹配过程的思路以及基于此思路的多点地质统计的三维建模算法。制作了用于本方法的数据集，采用视觉效果和统计函数定量比较的方式来衡量网络的性能。相比于传统多点地质统计方法非常耗时的逐点模拟的方式，本发明在保证精度的前提下，速度上有大幅度提升，具有较好的应用价值。