-
公开(公告)号：CN108229571B
公开(公告)日：2022-03-11
申请号：CN201810035763.8
申请日：2018-01-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于KPCA算法与深度信念网络的苹果表面病变图像识别方法。首先采集苹果表面图片作为数据集，一部分作为训练集图像，另一部分作为测试集图像，利用KPCA算法对训练集图像预处理，通过构建一个深度信念网络，将预处理之后的训练集图像送入深度信念网络中进行训练，从而得到一个深度信念网络模型，最终用测试集图像对该模型进行测试，通过用一个Softmax分类器得出分类结果。本发明能够科学的分析出苹果在生长过程中的状况，进而对不佳的状况做出相应的补救措施，同时，在销售苹果时，也能将优良的苹果筛选出来，帮助果农获得更高的收益。
-
公开(公告)号：CN114266739B
公开(公告)日：2025-05-02
申请号：CN202111527979.4
申请日：2021-12-14
Applicant: 南京邮电大学
IPC: G06T7/00 , G06T7/187 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于对比学习的半监督卷积神经网络的医学图像分割方法，主要针对医学图像中特定组织结构图像的定位分割，具体包括以下步骤，（1）输入医学图像数据，对医学图像数据进行预处理，提取正负样本，划分数据集，得到训练集数据、验证集数据和测试集数据；（2）构建对比学习卷积神经网络分割模型，（3）构建基于对比学习的半监督医学图像分割网络模型，（4）将所获得的训练模型对测试集数据进行预测，得到最后的分割预测图像。本发明有效地实现了医学图像处理半监督分割，一定程度上解决了医学图像数据集较少时的特定区域分割问题，更好地提高医学图像分割上的准确性。
-
公开(公告)号：CN119048525A
公开(公告)日：2024-11-29
申请号：CN202410806496.5
申请日：2024-06-21
Applicant: 南京邮电大学
IPC: G06T7/10 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于多尺度跳跃连接和对比学习的小样本医学图像分割方法，包括：1)获取并处理不同器官的MRI图像数据，将非心脏器官的MRI图像数据作为训练集和验证集，将心脏MRI图像数据作为测试集；将非心脏器官的MRI图像数据输入至双分支网络小样本学习分割模型进行训练与验证；2)构建双分支网络小样本学习分割模型，加入空间激励和通道压缩交互模块(sSE)；3)使用顺序拼接方式获取不同层次的特征图，使来自编码器的不同尺度的特征图传递给相应的解码器。4)利用模型的双分支结构，引入基于多尺度特征的对比学习模块。5)将测试集数据输入到训练以后的模型实现图像分割的功能。本发明实现医学图像的跨域数据分割，提高了模型分割准确率。
-
公开(公告)号：CN116740346A
公开(公告)日：2023-09-12
申请号：CN202310620968.3
申请日：2023-05-30
Applicant: 南京邮电大学
IPC: G06V10/26 , G06V10/54 , G06V10/774 , G06T7/00
Abstract: 本发明提供一种医学图像分割中的难样本处理算法，包括以下步骤：对待分割的医学图像进行预处理，通过标签得到前景与背景，将前景作为正样本，背景作为负样本；利用基于对比学习的医学图像分割网络模型以及后处理算法对医学图像数据集进行训练；利用难样本召回损失函数和非侵入目标区域Cutout算法对图像中的难样本进行特殊的处理。难样本召回损失函数能够关注到难样本下的小目标区域并有效定位，非侵入目标区域Cutout算法能够在保证待分割区域不被侵入受损的前提下，减少冗余区域的特征像素，减轻模型对于冗余区域的分割压力，从而提升模型的可靠性，在一定程度上解决了心脏医学图像数据集中难样本的分割问题，更好地提高心脏医学图像分割的准确性。
-
公开(公告)号：CN114266739A
公开(公告)日：2022-04-01
申请号：CN202111527979.4
申请日：2021-12-14
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于对比学习的半监督卷积神经网络的医学图像分割方法，主要针对医学图像中特定组织结构图像的定位分割，具体包括以下步骤，（1）输入医学图像数据，对医学图像数据进行预处理，提取正负样本，划分数据集，得到训练集数据、验证集数据和测试集数据；（2）构建对比学习卷积神经网络分割模型，（3）构建基于对比学习的半监督医学图像分割网络模型，（4）将所获得的训练模型对测试集数据进行预测，得到最后的分割预测图像。本发明有效地实现了医学图像处理半监督分割，一定程度上解决了医学图像数据集较少时的特定区域分割问题，更好地提高医学图像分割上的准确性。
-
Patent Agency Ranking
公开(公告)号：CN106326925A
公开(公告)日：2017-01-11
申请号：CN201610711880.2
申请日：2016-08-23
Applicant: 南京邮电大学
CPC classification number: G06K9/6269 , G06N3/08
Abstract: 本发明公开了一种基于深度学习网络的苹果病变图像识别方法，使不同成长状态的苹果图像经过深度学习模型之后得到科学的图像识别结果，其核心内容包括应用深度学习多隐层神经网络对苹果图像经过逐层训练，然后将训练的结果输入到SVM多分类器中进行分类，得到科学的结果，以分析苹果的成长状况，得出苹果应该预防何种因素，从而取得改善管理苹果的方法。本发明可以科学的对苹果管理过程中出现的问题进行分析，并且农民可以根据得到的结果得知自家苹果在成长过程中出现的问题，从而改善管理苹果的方法，在未来得到更好的收成。
-
公开(公告)号：CN103313056B
公开(公告)日：2016-08-24
申请号：CN201310217619.3
申请日：2013-06-03
Applicant: 南京邮电大学
IPC: H04N19/176 , H04N19/61 , H04N19/625 , H04N19/593 , H04N19/146 , H04N19/89
Abstract: 本发明公开了一种基于图像融合和边缘Hash的子块修复方法，针对分布式视频编码WZ帧重建帧中有LDPC解码错误的子块进行修复。首先利用边缘特征定位需要进行修复的子块，然后对其进行修复，子块修复借助边信息帧子块和重建的WZ帧子块的融合来完成。本发明在编码端只进行WZ帧的帧内分析与处理，不涉及编码端的其他帧，严格遵循分布式视频编码“独立编码”的要求。由于LDPC解码的误码率受相关噪声模型准确度的影响，本发明能弥补相关噪声模型的不准确而造成的编码效率的下降，对于有信道噪声存在的情况也有实际意义。
-
公开(公告)号：CN103313056A
公开(公告)日：2013-09-18
申请号：CN201310217619.3
申请日：2013-06-03
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于图像融合和边缘Hash的子块修复方法，针对分布式视频编码WZ帧重建帧中有LDPC解码错误的子块进行修复。首先利用边缘特征定位需要进行修复的子块，然后对其进行修复，子块修复借助边信息帧子块和重建的WZ帧子块的融合来完成。本发明在编码端只进行WZ帧的帧内分析与处理，不涉及编码端的其他帧，严格遵循分布式视频编码“独立编码”的要求。由于LDPC解码的误码率受相关噪声模型准确度的影响，本发明能弥补相关噪声模型的不准确而造成的编码效率的下降，对于有信道噪声存在的情况也有实际意义。
-
公开(公告)号：CN118212249A
公开(公告)日：2024-06-18
申请号：CN202410299170.8
申请日：2024-03-15
Applicant: 南京邮电大学
IPC: G06T7/11 , G06T7/187 , G06V10/26 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于像素级对比学习的小样本医学图像分割方法及系统，方法包括：获取并处理不同器官的MRI图像数据，将非心脏器官的MRI图像数据作为训练集和验证集，将心脏MRI图像数据作为测试集；将非心脏器官的MRI图像数据输入至双分支网络小样本学习分割模型进行训练与验证；利用像素级对比学习方法优化双分支网络小样本学习分割模型；使用训练好的双分支网络小样本学习分割模型对测试集数据进行预测，获取分割预测结果。本发明提出的基于坐标划分正负样本的像素级对比学习方法，不仅降低了医学图像标注成本，提升了双分支网络小样本学习分割模型的泛化能力，还通过优化正负样本划分提高了分割精度，增强了像素间的语义相关性。
-
公开(公告)号：CN101715111B
公开(公告)日：2011-12-14
申请号：CN200910234281.6
申请日：2009-11-16
Applicant: 南京邮电大学
Abstract: 视频监控中滞留物主自动搜寻方法属于视频监控中的图像处理的技术领域。其处理步骤为：a检测出监控场景中可疑物体(滞留物)，记录下物体的位置信息以便以后对物体继续实施监控。b用关联算法找到关键帧画面，再根据滞留物主离滞留物距离最近原则找到关键人。c提取关键人身上的颜色特征信息。d对可疑物体实施监控，观察其是否滞留超出规定时间，以及是否有人取物。在滞留物滞留超出一定时间后，进行报警；若没有超出规定时间，则检测是否有人取物，若有，则对取物人进行颜色信息特征匹配，若一致，则不报警；否则，报警。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.017 seconds)
