-
公开(公告)号：CN115439649A
公开(公告)日：2022-12-06
申请号：CN202210921854.8
申请日：2022-08-02
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于自编码器和生成对抗网络的医学图像分割方法，通过设置包括编码器和第二解码器的自编码器重构输入图像，为分割模型提供额外的一份多尺度的特征图；通过设计合适的跳跃连接层可以为分割图片的生成提供更丰富的多尺度特征；使用生成对抗网络可以为生成的分割图片引入额外的损失，使得网络可以生成更好的分割图片，使得生成的分割图片质量更高，从而一步提高医学图像分割的精度。使用深度可分离卷积和注意力机制构建的编码器，可以在使用更少的参数量和计算量的情况下提取更加丰富的特征。
-
公开(公告)号：CN111820860A
公开(公告)日：2020-10-27
申请号：CN202010617919.0
申请日：2020-06-30
Applicant: 华中科技大学
Abstract: 本发明属于斜视测量装置领域，具体涉及一种人眼斜视方向、斜视度数测量装置，包括：眼动仪，控制器，处理器，以及VR眼镜；控制器用于控制指示物移动，使得戴有VR眼镜的人眼处于对眼镜内指示物的自然注视状态；之后交替关闭VR眼镜左、右侧画面；眼动仪用于在每次关闭前后均拍摄所关闭一侧的瞳孔照片；处理器用于基于每一侧所对应的关闭前后的瞳孔照片，确定该侧人眼的瞳孔位置是否发生移动以及移动方向。另外，控制器还在人眼处于对目标指示物自然注视状态下，关闭主视眼画面，同时根据斜视方向旋转斜视眼画面，使目标指示物位于斜视眼瞳孔所朝方向，总旋转角度为斜视度数。本发明装置不受受试者主观影响，其注视度及配合程度高，测量结果可靠。
-
Patent Agency Ranking
公开(公告)号：CN109671102B
公开(公告)日：2021-02-05
申请号：CN201811467752.3
申请日：2018-12-03
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于通道特征融合卷积神经网络的综合式目标跟踪方法，属于计算机视觉领域，一方面，对于网络结构加入一个新的通道特征加权卷积层，并构造一种适合于目标跟踪的卷积神经网络用于提取深度特征作为外观表示。另一方面，跟踪之前构造的长期分类预测子网络模块和回归预测子网络模块，利用初始目标的信息采集样本训练长期分类预测子网络模块和回归预测子网络模块，跟踪过程中利用长期分类预测子网络模块对所有候选块进行分类，根据其属于前景类的概率结果自适应的结合长短期分类预测子网络模块、回归预测子网络模块和多模板匹配模块进行跟踪。本发明方法鲁棒性强、准确度高。
-
公开(公告)号：CN109671102A
公开(公告)日：2019-04-23
申请号：CN201811467752.3
申请日：2018-12-03
Applicant: 华中科技大学
CPC classification number: G06T7/251 , G06N3/0454 , G06T2207/10016 , G06T2207/20081
Abstract: 本发明公开了一种基于通道特征融合卷积神经网络的综合式目标跟踪方法，属于计算机视觉领域，一方面，对于网络结构加入一个新的通道特征加权卷积层，并构造一种适合于目标跟踪的卷积神经网络用于提取深度特征作为外观表示。另一方面，跟踪之前构造的长期分类预测子网络模块和回归预测子网络模块，利用初始目标的信息采集样本训练长期分类预测子网络模块和回归预测子网络模块，跟踪过程中利用长期分类预测子网络模块对所有候选块进行分类，根据其属于前景类的概率结果自适应的结合长短期分类预测子网络模块、回归预测子网络模块和多模板匹配模块进行跟踪。本发明方法鲁棒性强、准确度高。
-
公开(公告)号：CN105005760B
公开(公告)日：2018-04-24
申请号：CN201510318830.3
申请日：2015-06-11
Applicant: 华中科技大学 , 中建三局智能技术有限公司
IPC: G06K9/00
Abstract: 本发明公开了一种基于有限混合模型的行人再识别方法，属于计算机视觉和模式识别领域，提升行人再识别的准确度，包括以下步骤：(1)构建行人图像库预处理图像并提取图像特征；(2)计算图像库中所有图像的有限混合模型和待再识别行人的图像的有限混合模型参数；(3)将需再识别行人的有限混合模型与图像库中所有图像的有限混合模型之间的距离进行最优化求解，并进行距离排序返回再识别结果。本发明优化混合模型之间的距离度量，提高行人再识别的准确度。
-
公开(公告)号：CN105005760A
公开(公告)日：2015-10-28
申请号：CN201510318830.3
申请日：2015-06-11
Applicant: 华中科技大学 , 中建三局智能技术有限公司
IPC: G06K9/00
CPC classification number: G06K9/00778 , G06K9/00342 , G06K9/00369
Abstract: 本发明公开了一种基于有限混合模型的行人再识别方法，属于计算机视觉和模式识别领域，提升行人再识别的准确度，包括以下步骤：(1)构建行人图像库预处理图像并提取图像特征；(2)计算图像库中所有图像的有限混合模型和待再识别行人的图像的有限混合模型参数；(3)将需再识别行人的有限混合模型与图像库中所有图像的有限混合模型之间的距离进行最优化求解，并进行距离排序返回再识别结果。本发明优化混合模型之间的距离度量，提高行人再识别的准确度。
-
公开(公告)号：CN110033012A
公开(公告)日：2019-07-19
申请号：CN201811620278.3
申请日：2018-12-28
Applicant: 华中科技大学
Abstract: 本发明公开了一种通道特征加权卷积神经网络的生成式目标跟踪方法，该方法包括：构造基于通道特征的加权卷积神经网络模型，对网络模型进行轮流迭代的训练，训练好的基于通道特征的加权卷积神经网络模型中卷积部分作为共享的特征提取子网络，剩下的部分作为分类子网络。进行目标跟踪时，固定特征提取子网络的参数，重置分类子网络的卷积核参数，对分类子网络进行训练，提取初始目标的特征作为初始模板。在跟踪过程中，自适应更新分类子网络并生成重要的历史目标跟踪模板；对属于前景类概率较高的候选样本，计算得到综合的预测值，将预测值最高的样本作为新的跟踪结果。本发明能够有效提高跟踪的预测精度。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
