公开(公告)号：CN111340775A

公开(公告)日：2020-06-26

申请号：CN202010115397.4

申请日：2020-02-25

Applicant: 湖南大学

Inventor： 李肯立 ,  刘晓伟 ,  阳王东 ,  刘楚波 ,  李胜利

IPC: G06T7/00 ,  G06K9/46 ,  G06K9/62

Abstract: 本申请涉及一种超声标准切面的并行方法、装置、计算机设备和存储介质。所述方法包括：获取扫描部位的超声视频；提取超声视频中各超声图像的特征，得到各超声图像的特征图像；根据各超声图像的特征图像，对各超声图像分别进行多尺度的目标并行检测，得到各超声图像的全局置信度和局部置信度；根据全局置信度和局部置信度对各超声图像进行评价，选取评价最高的超声图像作为扫描部位的最佳标准切面。采用本方法能够平衡准确度和速度。

公开(公告)号：CN110288537A

公开(公告)日：2019-09-27

申请号：CN201910422901.2

申请日：2019-05-20

Applicant: 湖南大学

Inventor： 刘楚波 ,  刘晓伟 ,  朱宁波 ,  李肯立 ,  陈建国 ,  陈岑 ,  李克勤

IPC: G06T5/00 ,  G06T3/40 ,  G06K9/62

Abstract: 本发明提供了一种基于自注意力的深度生成式对抗网络的人脸图像补全方法，其包括如下步骤：构建包括注意力循环神经网络模块、生成器网络和判别器网络的人脸图像补全模型；数据采集：收集海量人脸图像形成图像集，并将所述图像集分为训练集和测试集；图像预处理，使其大小适合在深度学习网络中进行处理；构造作为模型输入的破损人脸图像；训练模型：利用GAN框架结合多种正则化手段，直接端到端地同时训练生成器网络和判别器网络，当二者达到理论上的纳什平衡时，则模型训练完成；训练模型。与相关技术相比，本发明的基于自注意力的深度生成式对抗网络的人脸图像补全方法补全得到的人脸图像质量更好。

公开(公告)号：CN111340775B

公开(公告)日：2023-09-29

申请号：CN202010115397.4

申请日：2020-02-25

Applicant: 湖南大学

Inventor： 李肯立 ,  刘晓伟 ,  阳王东 ,  刘楚波 ,  李胜利

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/46 ,  G06V10/764 ,  G06V10/80 ,  G06V10/25 ,  G06V10/82

Abstract: 本申请涉及一种超声标准切面的并行方法、装置、计算机设备和存储介质。所述方法包括：获取扫描部位的超声视频；提取超声视频中各超声图像的特征，得到各超声图像的特征图像；根据各超声图像的特征图像，对各超声图像分别进行多尺度的目标并行检测，得到各超声图像的全局置信度和局部置信度；根据全局置信度和局部置信度对各超声图像进行评价，选取评价最高的超声图像作为扫描部位的最佳标准切面。采用本方法能够平衡准确度和速度。