-
公开(公告)号：CN108447036A
公开(公告)日：2018-08-24
申请号：CN201810246429.7
申请日：2018-03-23
Applicant: 北京大学
IPC: G06T5/00
Abstract: 本发明所述基于卷积神经网络的低光照图像增强方法，包括以下步骤：首先在卷积模块中输入特征图像，然后通过若干卷积模块进行处理。在每个卷积模块中，都在若干条卷积层路径下对特征图像进行第一次分支处理，并将整合后的第一次分支处理数据进行第二次分支处理，得到卷积模块的输出。在最后一个卷积模块后，使用卷积层进行计算，得到神经网络的输出，利用损失函数计算网络输出的图像数据与实际图像的差值，根据差值优化卷积神经网络的参数。本发明利用卷积神经网络实现低光照图像的增强，并利用损失函数对神经网络中的参数进行约束优化，达到所期望的增加图像的亮度、对比度，提升图像主观美感的效果，并极大程度上保持图像原有的结构、细节信息。
-
公开(公告)号：CN113990521A
公开(公告)日：2022-01-28
申请号：CN202111231382.5
申请日：2021-10-22
IPC: G16H70/60 , G16H50/70 , G16H30/40 , G06N3/08 , G06N3/04 , G06V10/766 , G06V10/82 , G06V10/774 , G06V10/44 , G06K9/62
Abstract: 本发明涉及一种IgA肾病病理分析、预后预测及病理指标挖掘系统，包括：扫描标注模块，用于对病理切片图像进行扫描和标注；图像预处理模块，用于对经过扫描和标注后的病理切片进行预处理，并将经过预处理的图像分为训练集和验证集；模型训练模块，用于将训练集中的图像输入初始模型，对初始模型进行训练获得最优模型；验证模块，用于将验证集中的图像输入最优模型，并对其进行验证；分析模块，用于对最优模型的输出结果进行分析，获得每个病例病变特征和程度的指标量化值。其在输入图像后可迅速得出多项病理指标的分析结果，分析效率远高于人工评估，且评估结果不受主观因素影响，结果稳定性也远高于人工评估结果。
-
Patent Agency Ranking
公开(公告)号：CN113393454A
公开(公告)日：2021-09-14
申请号：CN202110753406.7
申请日：2021-07-02
Abstract: 本发明提供一种活检组织中病理目标实例分割方法与装置，所述方法包括以下步骤：在数据收集阶段，对同一组织上相邻的多个切片使用多种不同染色方法进行染色获得多个染色图像，并对获得的染色图像进行标注，获取不同染色对应的多种染色全切片图像放入数据集中；基于训练数据对Cascade Mask R‑CNN模型进行训练，其中，Cascade Mask R‑CNN模型的输出结构的维度与染色全切片图像的病理目标种类一致；将数据集中多种染色的切片图像作为训练后的Cascade Mask R‑CNN模型的输入，得到初始的实例分割输出结果，初始的实例分割输出结果包括病理目标检测结果、分类结果和分割结果；利用非极大值抑制算法抑制分类结果中的所有分类对应的实例分割输出结果，得到病理目标最终的实例分割输出结果。
-
公开(公告)号：CN102647593A
公开(公告)日：2012-08-22
申请号：CN201210115623.4
申请日：2012-04-18
Applicant: 北京大学
Abstract: 本发明公开了一种AVS帧内模式决策装置，包括：帧内模式决策调度控制模块，用于帧内预测模块、率失真代价计算及模式决策模块、帧内模式决策输出模块的输入、命令控制、功能调度和数据输出，这样一系列的处理流程的控制；帧内预测模块，用于产生每一个数据块的每一个模式下对应的预测数据，以便进入率失真优化流水线，此模块用重构数据进行帧内预测；率失真代价计算及模式决策模块，用于计算各个模式的率失真代价，同时进行帧内模式决策，结果输出到帧内模式决策输出模块；帧内模式决策输出模块，本模块用于输出最优模式的模式信息，以及重构数据、熵编码信息。同时还公开了一种AVS帧内模式决策算法。
-
公开(公告)号：CN102685497B
公开(公告)日：2014-07-02
申请号：CN201210115398.4
申请日：2012-05-29
Applicant: 北京大学
IPC: H04N19/103
Abstract: 本发明公布了一种AVS编码器快速帧间模式选择方法，包括：采用视觉感知判决模型和像素点边缘信息从16x16模式、16x8模式、8x16模式和8x8模式中预先选择出最优模式；便于硬件实现的快速帧间模式选择算法，突破帧间模式选择数据依赖，使帧间模式选择无需等待相关的重构数据，成为高效无中断模式选择流水线实现的前提；设计面向硬件可实现的高效率计算率失真代价的5级流水算法，使基于率失真代价的帧间模式选择实际硬件应用推广成为可能；最后，根据预选最优模式、direct模式和intra模式这三种候选模式的带价值确定最优模式。本发明还公布一种AVS帧间模式选择装置，显著提高了硬件编码器的编码性能。
-
公开(公告)号：CN102685497A
公开(公告)日：2012-09-19
申请号：CN201210115398.4
申请日：2012-05-29
Applicant: 北京大学
Abstract: 本发明公布了一种AVS编码器快速帧间模式选择方法，包括：采用视觉感知判决模型和像素点边缘信息从16x16模式、16x8模式、8x16模式和8x8模式中预先选择出最优模式；便于硬件实现的快速帧间模式选择算法，突破帧间模式选择数据依赖，使帧间模式选择无需等待相关的重构数据，成为高效无中断模式选择流水线实现的前提；设计面向硬件可实现的高效率计算率失真代价的5级流水算法，使基于率失真代价的帧间模式选择实际硬件应用推广成为可能；最后，根据预选最优模式、direct模式和intra模式这三种候选模式的带价值确定最优模式。本发明还公布一种AVS帧间模式选择装置，显著提高了硬件编码器的编码性能。
-
公开(公告)号：CN102647593B
公开(公告)日：2014-04-16
申请号：CN201210115623.4
申请日：2012-04-18
Applicant: 北京大学
IPC: H04N19/127
Abstract: 本发明公开了一种AVS帧内模式决策装置，包括：帧内模式决策调度控制模块，用于帧内预测模块、率失真代价计算及模式决策模块、帧内模式决策输出模块的输入、命令控制、功能调度和数据输出，这样一系列的处理流程的控制；帧内预测模块，用于产生每一个数据块的每一个模式下对应的预测数据，以便进入率失真优化流水线，此模块用重构数据进行帧内预测；率失真代价计算及模式决策模块，用于计算各个模式的率失真代价，同时进行帧内模式决策，结果输出到帧内模式决策输出模块；帧内模式决策输出模块，本模块用于输出最优模式的模式信息，以及重构数据、熵编码信息。同时还公开了一种AVS帧内模式决策算法。
-
-
-
-
-
-
Search Results
7
records
(took 0.014 seconds)
