-
公开(公告)号：CN114677403B
公开(公告)日：2024-07-09
申请号：CN202111359719.0
申请日：2021-11-17
申请人： 东南大学
IPC分类号： G06T7/194 , G06N3/0464 , G06N3/08 , G06N3/084
摘要： 本发明公开了一种基于深度学习注意力机制的肝脏肿瘤图像分割方法，属于图像处理领域。本发明将轴向注意力和多尺度注意力融合进深度学习肝脏肿瘤分割网络。轴向注意力能够在占用少量计算资源的情况下，有效地提取肝脏肿瘤CT图像的全局信息特征，而多尺度注意力可以有效地针对多尺度目标进行自适应的特征提取。网络整体采用U型的网络结构，主干为卷积提取路径，辅路为注意力机制，能够有效地提高肝脏肿瘤分割的性能。
-
公开(公告)号：CN115018710A
公开(公告)日：2022-09-06
申请号：CN202210741028.5
申请日：2022-06-27
申请人： 东南大学
摘要： 本发明公开了一种基于FPFH特征和深度神经网络的点云超分辨率方法，包括：获取公开点云超分辨率数据集，构建训练集、验证集，并做归一化处理；估计低分辨率点云的法向量，使用估计的法向量计算点云的FPFH特征；构建一个基于密集连接1×1卷积核卷积神经网络、k近邻图和特征扩充的深度神经网络；将低分辨率点云的坐标和FPFH特征输入神经网络，联合对应样本的高分辨率点云，以监督学习的方式训练神经网络，输出得到高分辨率点云；在测试集上评估网络模型的超分辨率性能。本发明设计的神经网络可以动态设置网络参数量，算法可以关注更多的表面几何信息，生成的高分辨率点云距离真实点云分布更近，超分辨率效果优于主流方法。
-
公开(公告)号：CN114936977A
公开(公告)日：2022-08-23
申请号：CN202210610204.1
申请日：2022-05-31
申请人： 东南大学
摘要： 本发明公开了一种基于通道注意力和跨尺度特征融合的图像去模糊方法，包括：根据公开的模糊图像数据集，构建训练集、验证集和测试集；构建基于通道注意力和跨尺度特征融合的图像去模糊网络模型，利用所构建的训练集对模型进行监督训练，得到收敛的去模糊网络模型；在所构建的模糊图像测试集上评估本发明所提网络模型的去模糊性能。本发明所提方法相比于DMPHN等算法取得了更好的去模糊性能。本发明在降低网络整体参数量，极大减少前向推理时间的同时取得了更高的峰值信噪比和结构相似性，提升了图像去模糊的效果。
-
公开(公告)号：CN115171180A
公开(公告)日：2022-10-11
申请号：CN202210598202.5
申请日：2022-05-30
申请人： 东南大学
IPC分类号： G06V40/16 , G06V10/82 , G06V10/774 , G06V10/764 , G06V10/24 , G06V10/44 , G06V10/26 , G06V10/77 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于空间注意力和深度神经网络的人脸表情识别方法，可用于实现对人脸面部表情的实时检测。该发明主要包括：获取人脸表情数据集，按一定比例划分为训练集、验证集、测试集后，提取出图像中的人脸部分，并进行旋转、水平翻转、裁剪、色彩抖动等数据增强操作；训练表情分类网络，使用基于逆向残差层与的卷积神经网络提取图像特征后，通过空间注意力机制对图像各区域的重要性进行区分，并基于得到的特征对人脸图像进行表情分类；在人脸表情分类数据集上评估网络的识别效果。本发明相比于当前主要的人脸面部表情分类算法，获得了更高的平均分类准确率，且算法实时性高，是一种高质量的人脸面部表情识别算法。
-
公开(公告)号：CN114677403A
公开(公告)日：2022-06-28
申请号：CN202111359719.0
申请日：2021-11-17
申请人： 东南大学
摘要： 本发明公开了一种基于深度学习注意力机制的肝脏肿瘤图像分割方法，属于图像处理领域。本发明将轴向注意力和多尺度注意力融合进深度学习肝脏肿瘤分割网络。轴向注意力能够在占用少量计算资源的情况下，有效地提取肝脏肿瘤CT图像的全局信息特征，而多尺度注意力可以有效地针对多尺度目标进行自适应的特征提取。网络整体采用U型的网络结构，主干为卷积提取路径，辅路为注意力机制，能够有效地提高肝脏肿瘤分割的性能。
-
-
-
-
搜索结果
5 条记录 (耗时 0.02 秒)
