-
公开(公告)号：CN118014981A
公开(公告)日：2024-05-10
申请号：CN202410277189.2
申请日：2024-03-12
Applicant: 浙江大学
IPC: G06T7/00 , G06T7/70 , G06N3/0455 , G06N3/0464 , G06V10/52 , G06V10/44 , G06V10/80 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于双层CSwin和CNN的头影标志点定位方法，包括：(1)采集头颅侧位影像数据集，标注头影标志点后划分为训练集和验证集；(2)对训练集和验证集中的头颅侧位影像进行预处理；并将头颅侧位影像中的头影标志点位置转换为二维高斯热图；(3)构建标志点定位模型，所述的标志点定位模型包括一个CNN编码器、一个双层CSwin编码器和一个解码器；(4)利用训练集对标志点定位模型进行训练，并通过验证集对训练好的模型进行验证；(5)将待定位的头颅侧位影像预处理后输入训练好的模型，预测得到头影标志点的热图；将热图转换为标志点，得到头影标志点的坐标。利用本发明，可以获得更为精准的头影标记点定位结果。
-
公开(公告)号：CN107992835A
公开(公告)日：2018-05-04
申请号：CN201711309852.9
申请日：2017-12-11
Applicant: 浙江大学
IPC: G06K9/00
Abstract: 本发明公开了一种眼镜图像识别方法。采集包含各种类型眼镜的人脸佩戴眼镜图像作为原始图像，并进行预处理；在每张眼镜图像中标注眼镜关键点；采用眼镜物体检测算法实现人脸佩戴眼镜图像上的眼镜关键点的预测结果；进行眼镜的形状特征和颜色特征提取，获得人脸佩戴眼镜图像上的眼镜属性识别结果。本发明设计的眼镜图像识别方法可以广泛应用，针对眼镜提出的关键点预测模型速度快并且鲁棒性好，对于其他形状特征显著的物体具有一定的参考价值。
-
公开(公告)号：CN108229503A
公开(公告)日：2018-06-29
申请号：CN201810008857.6
申请日：2018-01-04
Applicant: 浙江大学
Abstract: 本发明公开了一种针对服装照片的特征提取方法。为服装照片构建基于深度学习模型的特征提取模型，特征提取模型中包含多任务分类损失函数和四元损失函数；采集若干带标签的服装照片作为训练数据，将带标签的服装照片及其标签输入到特征提取模型进行训练，在多任务分类损失函数和四元损失函数的共同优化下通过反向传播算法进行特征提取模型的参数优化，获得训练后的特征提取模型，以训练后的特征提取模型对带标签的服装照片进行处理提取获得特征向量。本发明针对服装照片设计的特征提取方法非常通用而且鲁棒，可用于服装照片的分类、标注、检索和聚类等应用。
-
公开(公告)号：CN118014981B
公开(公告)日：2024-08-23
申请号：CN202410277189.2
申请日：2024-03-12
Applicant: 浙江大学
IPC: G06T7/00 , G06T7/70 , G06N3/0455 , G06N3/0464 , G06V10/52 , G06V10/44 , G06V10/80 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于双层CSwin和CNN的头影标志点定位方法，包括：(1)采集头颅侧位影像数据集，标注头影标志点后划分为训练集和验证集；(2)对训练集和验证集中的头颅侧位影像进行预处理；并将头颅侧位影像中的头影标志点位置转换为二维高斯热图；(3)构建标志点定位模型，所述的标志点定位模型包括一个CNN编码器、一个双层CSwin编码器和一个解码器；(4)利用训练集对标志点定位模型进行训练，并通过验证集对训练好的模型进行验证；(5)将待定位的头颅侧位影像预处理后输入训练好的模型，预测得到头影标志点的热图；将热图转换为标志点，得到头影标志点的坐标。利用本发明，可以获得更为精准的头影标记点定位结果。
-
-
-
Search Results
4
records
(took 0.02 seconds)
