-
公开(公告)号：CN113808006B
公开(公告)日：2023-05-23
申请号：CN202111019790.4
申请日：2021-09-01
Applicant: 南京信息工程大学
IPC: G06T3/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于二维图像重建三维网格模型的方法及装置，所述方法包括：输入二维图像到ResNet50中，通过ResNet50的Stage1，Stage2和Stage3提取图像二维信息，对这些信息进行特征连接；通过相机参数计算输入图像平面的2D投影，然后通过双线性插值法得到感知特征；通过隐式曲面算法生成初始椭球，从输入二维图像中汇集图像特征，结合图像特征和感知特征进行网格变形；通过上采样细化网格模型；利用损失函数促使系统生成粗略的三维模型；进行二次变换、三次变换生成较精细三维模型和精细的三维模型。本发明通过初始椭球进行三次变换，能够学习网格的多尺度和上下文信息，生成更加精细的三维模型。
-
公开(公告)号：CN113610711B
公开(公告)日：2023-05-23
申请号：CN202110879676.2
申请日：2021-08-02
Applicant: 南京信息工程大学
IPC: G06T3/40 , G06T17/00 , G06V10/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
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。
-
公开(公告)号：CN113284037B
公开(公告)日：2023-05-23
申请号：CN202110690957.3
申请日：2021-06-22
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于深度神经网络的陶瓷水印载体恢复方法，首先，基于Evo‑BiSeNet的图像分割网络，对预先获取的陶瓷三维图像进行检测，获取水印载体部位；其次，基于空间变换网络的水印载体平面化处理；最后，基于GAN的水印载体复原，恢复载体并提高水印的鲁棒性。本发明采用归一化激活层提高图像分割的实时性，利用卷积注意力机制对陶瓷表面不规则图像的细小边缘特征进一步优化提取，更有效的保留水印载体的信息；使用GAN对水印载体复原，其中包括对水印载体的鲁棒训练，提高水印的鲁棒性。
-
公开(公告)号：CN113470666B
公开(公告)日：2023-05-16
申请号：CN202110687228.2
申请日：2021-06-21
Applicant: 南京信息工程大学
IPC: G10L19/018
Abstract: 本发明公开了基于两阶段嵌入的可逆鲁棒医学音频方法，包括：(1)通过频域变换函数将原始音频转换成两个独立的嵌入域：低频嵌入域和高频嵌入域；(2)采用鲁棒水印算法在低频嵌入域中嵌入水印，形成新低频嵌入域；(3)将新低频嵌入域和低频嵌入域之间的水印误差嵌入到高频嵌入域，形成新高频嵌入域；(4)将新低频嵌入域和新高频嵌入域通过频域变换函数的逆变换生成含水印音频；(5)对含水印音频进行水印信息的提取。本发明在音频不被攻击的情况下能够有效地提取水印信息并还原完整的音频，用于医学数据完整性、真实性认证；利用音频的连续性和采样点之间的相关性增强水印的鲁棒性，可逆水印中修改少量采样点，降低音频失真。
-
公开(公告)号：CN115134142A
公开(公告)日：2022-09-30
申请号：CN202210740832.1
申请日：2022-06-28
Applicant: 南京信息工程大学
IPC: H04L9/40 , G06F16/172 , G06F16/16
Abstract: 本发明公开了一种基于文件分割的信息隐藏方法及系统，属于数字取证技术领域，包括：获取映射序列、载体文件和秘密信息；根据映射序列的长度将载体文件平均分割，得到文件片段；对文件片段每次扫描预设数量的字节得到字节码，将字节码排列组成文件片段矩阵；对文件片段矩阵中的字节码进行概率统计得到各字节码出现的概率；根据字节码及其出现的概率计算文件信息序列；对映射序列进行预处理使其长度达到秘密信息的长度，得到判定序列，根据判定序列将秘密信息和文件信息序列进行比对生成对比序列，完成信息隐藏；降低寻找载体文件的难度，提高实用性。
-
Patent Agency Ranking
公开(公告)号：CN114119335A
公开(公告)日：2022-03-01
申请号：CN202210091866.2
申请日：2022-01-26
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于GAN的神经网络水印生成方法、系统和存储介质，生成器生成原始数据集的噪声数据集；在原始数据集中加上噪声，得到触发样本水印集；将触发样本水印集和原始数据集同时送入到判别器中；将与原始数据集之间的相似度满足要求的触发样本水印集输入到神经网络模型，输出结果；通过设置判别器的损失函数、生成器的损失函数以及软铰链损失函数，确定整体损失函数；利用整体损失函数同步训练生成器、判别器和神经网络模型；利用触发样本水印集验证所述神经网络模型，获得最终生成水印的神经网络模型。本发明可以自动地根据不同的神经网络模型生成噪声，基本可以满足对不同神经网络模型生成水印的需求。
-
公开(公告)号：CN114119330A
公开(公告)日：2022-03-01
申请号：CN202111306170.9
申请日：2021-11-05
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于神经网络的鲁棒数字水印嵌入、提取方法，具体为：步骤1：将水印图像输入至水印嵌入网络中的水印图像处理网络，将载体图像输入至水印嵌入网络中的载体图像处理网络，步骤2：对水印图像处理网络中第i层网络层的输出wi的大小进行调整；步骤3：将wi与载体图像处理网络中第i层网络层的输出ci级联，将级联后的结果输入至载体图像处理网络中第i+1层；步骤4：对载体图像处理网络最后一层的输出进行卷积操作，得到含密图像c*；将含密图像c*输入至提取网络，得到带有水印的图像w*。本发明不仅不可见性较好，而且能够有效抵抗多种常见的水印攻击，具有较好的鲁棒性。
-
公开(公告)号：CN113808006A
公开(公告)日：2021-12-17
申请号：CN202111019790.4
申请日：2021-09-01
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于二维图像重建三维网格模型的方法及装置，所述方法包括：输入二维图像到ResNet50中，通过ResNet50的Stage1，Stage2和Stage3提取图像二维信息，对这些信息进行特征连接；通过相机参数计算输入图像平面的2D投影，然后通过双线性插值法得到感知特征；通过隐式曲面算法生成初始椭球，从输入二维图像中汇集图像特征，结合图像特征和感知特征进行网格变形；通过上采样细化网格模型；利用损失函数促使系统生成粗略的三维模型；进行二次变换、三次变换生成较精细三维模型和精细的三维模型。本发明通过初始椭球进行三次变换，能够学习网格的多尺度和上下文信息，生成更加精细的三维模型。
-
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。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.04 seconds)
