-
公开(公告)号：CN114821714B
公开(公告)日：2025-03-21
申请号：CN202210370651.4
申请日：2022-04-10
Applicant: 复旦大学
IPC: G06V40/16 , G06V10/80 , G06V10/44 , G06N3/0464
Abstract: 本发明属于数字图像处理技术领域，具体为一种基于协同特征补全的有遮挡场景下的人脸表情识别方法。本发明联合遮挡物抠除与特征补全来应对遮挡给表情识别带来的影响，具体步骤包括：使用遮挡物抠除模块检测并抠除人脸遮挡图像中的遮挡物；根据成对的无遮挡图像生成类别激活图以确定表情识别时具有判别性的区域；结合类别激活图与遮挡物位置掩码生成最终需要进行特征补全区域的掩码，在对应无遮挡图像中间特征图的指导下进行特征补全。实验结果表明，本发明能检测出破坏人脸完整性的遮挡物并识别该图像对应的表情类别。
-
公开(公告)号：CN114820355B
公开(公告)日：2025-03-21
申请号：CN202210370646.3
申请日：2022-04-10
Applicant: 复旦大学
IPC: G06T5/70 , G06T5/10 , G06T5/60 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/094
Abstract: 本发明属于数字图像处理技术领域，具体为一种基于不确定性感知的无监督图像去噪方法。本发明方法包括：构建提取平滑噪声模块和粗糙去噪网络，实现对噪声块的模拟以及对图像进行粗糙去噪；构建建模偶然不确定性的网络，估计噪声图像中不确定性高的像素，生成不确定性图，指导下一阶段的网络进行去噪；构建精去噪网络，通过不确定性图加权目标函数来引导网络降低不确定性对去噪过程的影响，使网络达到更好的去噪效果。实验结果表明，本发明可以有效去除图像中的噪声，并且去噪图像具有较好的纹理结构和视觉质量。
-
公开(公告)号：CN114820354B
公开(公告)日：2025-03-18
申请号：CN202210370645.9
申请日：2022-04-10
Applicant: 复旦大学
IPC: G06T5/90 , G06T5/60 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于图像处理技术领域，具体为一种基于可逆色调映射网络的传统图像压缩算法增强方法。本发明以可逆深度神经网络结构为主体，在编码阶段将图像映射到线性空间，降低像素占用比特，在解码阶段建立鲁棒的色调映射还原；采用基于窗口自注意力的滤波模块在编解码阶段对映射图像抑制或增强，从而减轻量化丢失信息带来的影响。本发明是一种自动的传统算法增强方法，能够有效将深度学习方法的模式迁移到传统算法上。实验结果表明，本发明可以在未针对特定传统算法训练的前提下，提升其在非原设计目标的其它指标上的性能表现。
-
公开(公告)号：CN118646837A
公开(公告)日：2024-09-13
申请号：CN202410613624.4
申请日：2024-05-17
Applicant: 复旦大学
IPC: H04N7/01 , H04N21/4402 , H04N21/44 , G02B21/36 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0895
Abstract: 本发明属于视频处理技术领域，具体为一种基于自监督学习的显微镜视频插帧方法。本发明方法包括：首先，采用自监督训练策略训练深度学习模型，从有噪声的显微镜视频中学习视频插帧；其次，引入基于选择性状态空间模型的时空特征对齐模块，高效进行视频插帧；最后，模拟数据集评估显微镜视频插帧任务，该数据集包含不同对象和噪声水平。实验结果表明，本模型在视频插帧性能上具有显著的优势，而且处理内存消耗只有之前的四分之一，具有很高实用价值。
-
公开(公告)号：CN118628386A
公开(公告)日：2024-09-10
申请号：CN202410613986.3
申请日：2024-05-17
Applicant: 复旦大学
Abstract: 本发明属于生物医学成像技术领域，具体为一种基于多智能体自适应融合的荧光显微镜图像去噪方法。本发明方法包括：利用多个智能体分别对训练图像进行去噪；通过策略预测网络学习图像的噪声分布以及去噪智能体的去噪性能；利用预测出来的去噪能力，使用自适应的阈值选择一个或多个去噪智能体，综合选择出的智能体对目标图像进行去噪。实验结果表明，本方法可以综合利用多个去噪智能体的性能，有效提升噪声图片的清晰度，本方法中提出的结构可以自适应多个智能体的场景，其中的智能体不仅局限于深度学习网络，还可以是传统的去噪方法，因而具有良好的扩展性和较强的实用价值。
-
Patent Agency Ranking
公开(公告)号：CN114359082B
公开(公告)日：2023-01-06
申请号：CN202111600032.1
申请日：2021-12-24
Applicant: 复旦大学
IPC: G06T5/00 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明属于医疗图像处理技术领域，具体为一种基于自建数据对的胃镜图像去模糊算法。本发明算法包括：对于胃镜视频的处理、制作胃镜清晰图‑模糊图训练样本以及胃镜去模糊算法的训练。具体而言，首先收集一定量的胃镜视频，对其中的数据进行清洗；然后收集医生的标注，对每一帧的清晰或者模糊进行标注，并对“指导模型”进行训练；再用采用全部为清晰图的视频段，合成清晰‑模糊肠镜图片数据对；最后用清晰‑模糊肠镜图片数据对，训练肠镜去模糊算法。实验结果表明，本发明算法对于肠镜模糊图片的模糊去除具有很好的效果，具有很强的应用价值。
-
公开(公告)号：CN114913066A
公开(公告)日：2022-08-16
申请号：CN202210380843.3
申请日：2022-04-10
Applicant: 复旦大学
Abstract: 本发明属于数字图像智能处理技术领域，具体为一种基于几何感知的深度学习多视角图超分辨率方法。本发明方法包括：将多视角场景里面所有多视角图片及其对应的深度图、相机内外参数输入到参考图片合成网络中，利用几何信息合成每张视角图片的多张参考图；将视角图片和合成的参考图片输入到参考超分辨率网络，通过利用合成的参考图片辅助视角图片超分辨率。本发明的优势在于利用场景里面所有多视角图片的信息来超分辨率。实验结果表明，本发明从所有视角图片提取到有用信息，可显著提高超分模型的性能，从而提高基于多视角图片应用的视觉体验。
-
公开(公告)号：CN114821714A
公开(公告)日：2022-07-29
申请号：CN202210370651.4
申请日：2022-04-10
Applicant: 复旦大学
Abstract: 本发明属于数字图像处理技术领域，具体为一种基于协同特征补全的有遮挡场景下的人脸表情识别方法。本发明联合遮挡物抠除与特征补全来应对遮挡给表情识别带来的影响，具体步骤包括：使用遮挡物抠除模块检测并抠除人脸遮挡图像中的遮挡物；根据成对的无遮挡图像生成类别激活图以确定表情识别时具有判别性的区域；结合类别激活图与遮挡物位置掩码生成最终需要进行特征补全区域的掩码，在对应无遮挡图像中间特征图的指导下进行特征补全。实验结果表明，本发明能检测出破坏人脸完整性的遮挡物并识别该图像对应的表情类别。
-
公开(公告)号：CN114820354A
公开(公告)日：2022-07-29
申请号：CN202210370645.9
申请日：2022-04-10
Applicant: 复旦大学
Abstract: 本发明属于图像处理技术领域，具体为一种基于可逆色调映射网络的传统图像压缩算法增强方法。本发明以可逆深度神经网络结构为主体，在编码阶段将图像映射到线性空间，降低像素占用比特，在解码阶段建立鲁棒的色调映射还原；采用基于窗口自注意力的滤波模块在编解码阶段对映射图像抑制或增强，从而减轻量化丢失信息带来的影响。本发明是一种自动的传统算法增强方法，能够有效将深度学习方法的模式迁移到传统算法上。实验结果表明，本发明可以在未针对特定传统算法训练的前提下，提升其在非原设计目标的其它指标上的性能表现。
-
公开(公告)号：CN112102234B
公开(公告)日：2022-05-20
申请号：CN202010784988.0
申请日：2020-08-06
Applicant: 复旦大学
IPC: G06T7/00 , G06T7/194 , G06V10/764 , G06V10/82 , G06K9/62
Abstract: 本发明属于医学图像智能处理技术领域，具体为一种基于目标检测神经网络的耳硬化病灶检测及诊断系统。本发明系统包括特征提取主干网络、目标检测与分类网络、对多层检测结果的后处理诊断系统；主干网络在VGG‑19的基础上构建，包括16个卷积层，用于提取输入图像的特征图；目标检测与分类网络包括区域提取网络、自适应池化层、分类网络，得到区域的类别；后处理诊断系统输入为个分层检测结果，输出为该样本的诊断结果。本发明系统将3D的颞骨CT图像分层输入网络模型中，经过一次前向传播以及后处理，即可同时获得病灶检测及诊断结果，可有效提升诊断效率，辅助医生获取更高的诊断精度。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.019 seconds)
