-
公开(公告)号：CN110120065A
公开(公告)日：2019-08-13
申请号：CN201910410309.0
申请日：2019-05-17
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于分层卷积特征和尺度自适应核相关滤波的目标跟踪方法及系统，该方法通过减少各卷积层的滤波器个数对VGG-Net-19网络进行结构调整，使用其中的1、4、5层提取的特征代替取代原相关滤波器框架中的HOG特征提取部分。然后分别以三个层次进行后续处理后进行加权融合，得到跟踪结果。然后利用边缘框算法检测出目标可能位置的候选框，基于完全包含在候选边界框中的轮廓来计算候选框得分，保留一定数量的得分较高的候选框并与相关滤波器作卷积操作，具有最大响应值的候选框大小即为目标大小，以此实现目标跟踪的尺度自适应。
-
Patent Agency Ranking
公开(公告)号：CN110599500B
公开(公告)日：2022-08-26
申请号：CN201910825768.5
申请日：2019-09-03
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于级联全卷积网络的肝脏CT图像的肿瘤区域分割方法及系统，该方法利用全卷积网络模型实现了肝脏肿瘤区域的自动分割。包括：对CT图像进行滤波、锐化增强等预处理操作；利用预处理后的CT数据集进行级联网络的训练；用两级FCN网络分别实现肝脏区域分割，以及从肝脏感兴趣区域中分割出肿瘤区域。其中，第一级FCN网络使用了可变池化的方法，保留更多肝脏特征，提高肝脏分割精度；第二级FCN网络使用空洞卷积代替原来的卷积层和池化层，缩小图像增大感受域的同时能够保留目标的位置信息。本发明方法无需手动提取大量特征，且能有效精确的从肝脏CT图像中分割出肿瘤区域。
-
公开(公告)号：CN110599500A
公开(公告)日：2019-12-20
申请号：CN201910825768.5
申请日：2019-09-03
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于级联全卷积网络的肝脏CT图像的肿瘤区域分割方法及系统，该方法利用全卷积网络模型实现了肝脏肿瘤区域的自动分割。包括：对CT图像进行滤波、锐化增强等预处理操作；利用预处理后的CT数据集进行级联网络的训练；用两级FCN网络分别实现肝脏区域分割，以及从肝脏感兴趣区域中分割出肿瘤区域。其中，第一级FCN网络使用了可变池化的方法，保留更多肝脏特征，提高肝脏分割精度；第二级FCN网络使用空洞卷积代替原来的卷积层和池化层，缩小图像增大感受域的同时能够保留目标的位置信息。本发明方法无需手动提取大量特征，且能有效精确的从肝脏CT图像中分割出肿瘤区域。
-
公开(公告)号：CN112712532B
公开(公告)日：2022-08-30
申请号：CN202011618399.1
申请日：2020-12-30
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于瓶颈结构的多尺度DC‑CUNets的肝脏肿瘤分割方法，旨在解决现有技术中肝脏肿瘤的分割精度不足的技术问题。其包括：利用基于瓶颈结构的U‑Net从静脉期CT图像中获得肝脏掩膜；利用动脉期和静脉期CT图像分别与肝脏掩膜进行掩膜运算，获得动脉期和静脉期的肝脏感兴趣区域；利用双通道级联U‑Nets处理动脉期和静脉期的肝脏感兴趣区域，获得动脉期和静脉期深层图像特征；对动脉期和静脉期深层图像特征进行特征融合，并利用softmax层处理融合后的特征块，输出肝脏肿瘤分割概率图。本发明能够快速、准确的进行肝脏肿瘤分割。
-
公开(公告)号：CN110120065B
公开(公告)日：2022-08-26
申请号：CN201910410309.0
申请日：2019-05-17
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于分层卷积特征和尺度自适应核相关滤波的目标跟踪方法及系统，该方法通过减少各卷积层的滤波器个数对VGG‑Net‑19网络进行结构调整，使用其中的1、4、5层提取的特征代替取代原相关滤波器框架中的HOG特征提取部分。然后分别以三个层次进行后续处理后进行加权融合，得到跟踪结果。然后利用边缘框算法检测出目标可能位置的候选框，基于完全包含在候选边界框中的轮廓来计算候选框得分，保留一定数量的得分较高的候选框并与相关滤波器作卷积操作，具有最大响应值的候选框大小即为目标大小，以此实现目标跟踪的尺度自适应。
-
公开(公告)号：CN112712532A
公开(公告)日：2021-04-27
申请号：CN202011618399.1
申请日：2020-12-30
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于瓶颈结构的多尺度DC‑CUNets的肝脏肿瘤分割方法，旨在解决现有技术中肝脏肿瘤的分割精度不足的技术问题。其包括：利用基于瓶颈结构的U‑Net从静脉期CT图像中获得肝脏掩膜；利用动脉期和静脉期CT图像分别与肝脏掩膜进行掩膜运算，获得动脉期和静脉期的肝脏感兴趣区域；利用双通道级联U‑Nets处理动脉期和静脉期的肝脏感兴趣区域，获得动脉期和静脉期深层图像特征；对动脉期和静脉期深层图像特征进行特征融合，并利用softmax层处理融合后的特征块，输出肝脏肿瘤分割概率图。本发明能够快速、准确的进行肝脏肿瘤分割。
-
-
-
-
-
Search Results
6
records
(took 0.028 seconds)
