-
公开(公告)号：CN113610711A
公开(公告)日：2021-11-05
申请号：CN202110879676.2
申请日：2021-08-02
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种单图像引导的三维表面重建方法及装置，首先，建立一个预定义的顶点分布均匀的椭球体网格；其次，采用轻量级网络AlexNet的主体架构提取输入图像特征：将AlexNet后三个卷积池化层生成的特征图像拼接，采用双线性插值法，寻找到原图像投影点在各个特征图像上的特征点；提取特征点邻近四个像素的图像特征向量并串联；然后，构建基于三维图卷积神经网络的网格变形模块，将预定义的椭球体网格变形为与二维图像对应的三维模型；最后，增加网格顶点数量，优化表面细节，并通过最小化三维损失函数调整参数矩阵，生成三维网格模型。本发明生成了高精度的三维网格表面模型，能够预测出更丰富的三维表面细节。
-
Patent Agency Ranking
公开(公告)号：CN113284136A
公开(公告)日：2021-08-20
申请号：CN202110690947.X
申请日：2021-06-22
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种双损失函数训练的残差网络和XGBoost的医学图像分类方法，首先，收集医学图像数据集并将其划分为训练集和测试集；其次，对医学图像数据集进行预处理，将图像大小调整为224*224并且进行归一化处理；然后，搭建Resnet50网络作为模型的特征提取层，使用ELU激活函数替换Resnet50网络中残差块中的ReLU激活函数，并采用三元组损失以及中心损失共同训练Resnet50网络；之后，将Resnet50网络的最后一个全连接层移除，使用XGBoost作为模型的分类层；最后，使用训练集训练模型，将测试集输入训练好的模型得到分类结果。本发明使得同类样本特征更加靠近，不同类样本特征更加远离，有助于提高模型的分类精度；且分类效率高，在提高模型分类精度的同时，可以防止过拟合。
-
公开(公告)号：CN108520225B
公开(公告)日：2021-07-27
申请号：CN201810287218.8
申请日：2018-03-30
Applicant: 南京信息工程大学
IPC: G06K9/00 , G06K9/32 , G06K9/40 , G06K9/44 , G06K9/46 , G06T3/00 , G06T5/10 , G06T5/30 , G06T7/13
Abstract: 本发明公开了一种基于空间变换卷积神经网络的指纹检测分类方法，该指纹检测分类方包括指纹图像提取感兴趣区域预处理、图像高频区域提取，图像空间变换处理以及卷积神经网络分类训练和测试。其中，指纹图像提取感兴趣区域预处理通过提取图像中指纹部分，去除空白区域；高频区域提取是通过高斯高通滤波器提取图像高频特征；图像空间变换处理是使用空间变换神经网络对输入图像做平移、裁剪、旋转操作，从而实现对图像数据的扩充；卷积神经网络采用多层卷积池化，并使用了不同大小的卷积核提取图像特征，在测试集上得到了很好的分类检测效果。本发明提供了一种成本低、检测精度高、耗时短的指纹检测方法。
-
-
公开(公告)号：CN109063572A
公开(公告)日：2018-12-21
申请号：CN201810729204.7
申请日：2018-07-04
Applicant: 南京信息工程大学
CPC classification number: G06K9/00107 , G06K9/00067 , G06K9/6269 , G06K9/629
Abstract: 本发明公开一种基于多尺度和多卷积层特征融合的指纹活性检测方法，属于计算机视觉技术和模式识别技术领域。首先获取指纹图像集，对指纹图像集进行多尺度特征提取训练，然后对各层特征进行主成分分析，再进行多卷积层特征融合，最后通过支持向量机模型分类器对指纹图像进行训练测试和真假鉴别。具有无需具备特定的图像处理相关领域知识，特征提取操作简单、检测精度高等优点。
-
-
-
-
Search Results
46
records
(took 0.032 seconds)
