公开(公告)号：CN117392017A

公开(公告)日：2024-01-12

申请号：CN202311355442.3

申请日：2023-10-19

Applicant: 哈尔滨理工大学

Inventor： 宋立新 ,  杨德志 ,  曹雨

IPC: G06T5/77 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/0464 ,  G06N3/084 ,  G06T7/10

Abstract: 本发明公开一种基于特征点和可变形混合注意力的对抗网络的面部修复方法，属于图像修复技术领域，目的是为了实现高质量的图像修复，本发明包括以下步骤：步骤一：对原始人脸图像数据预处理；步骤二：对原始人脸特征点数据进行数据的增强，得到丰富的特征点数据；步骤三：构建基于MobileNetV3网络的人脸特征点预测模型；步骤四：构建基于对抗网络的人脸图像修复模型；步骤五：对人脸特征点预测模型的训练；步骤六：对人脸修复模型的训练；步骤七：对整体模型的测试。本发明应用于人脸图像修复，本发明设计了基于MobileNetV3网络的人脸特征点预测模型，该模型由13层卷积层和跳跃模块组成，能够准确预测不同角度的人脸特征点。

公开(公告)号：CN117390209A

公开(公告)日：2024-01-12

申请号：CN202311353527.8

申请日：2023-10-19

Applicant: 哈尔滨理工大学

Inventor： 宋立新 ,  曹雨 ,  杨德志

IPC: G06F16/532 ,  G06F16/538 ,  G06T7/136 ,  G06T3/04 ,  G06T7/11 ,  G06T7/187 ,  G06F16/51 ,  G06N3/0464 ,  G06V10/74 ,  G06T7/00

Abstract: 本发明提供了一种基于相对中心位置的深度哈希的肺结节图像检索方法，包括以下步骤：步骤一：对肺部图像作预处理；步骤二：对肺结节ROI图像进行数据增强处理；步骤三：在Alex网络中插入哈希层构建深度哈希算法网络模型；步骤四：损失函数的设计；步骤五：创建图像哈希码库；步骤六：将待检索肺结节CT图像与图像哈希码库中的肺结节CT图像进行分级检索，得到相似性最大的肺结节CT图像；本发明用于肺结节图像检索，在哈希层中构建一层相对中心变换层，用于使其肺结节图像特征数据包含了量化误差学习目标，并消除了数据的偏移，在度量肺结节图像特征数据与对应质心的相似性时，经过相对中心变换后可以帮助消除整体偏移的影响，便于关注两者之间的差异。