-
公开(公告)号：CN110598741B
公开(公告)日：2022-11-18
申请号：CN201910729399.X
申请日：2019-08-08
Applicant: 西北大学
IPC: G06V10/74 , G06V10/774 , G06V10/84 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种像素级标签自动生成模型构建、自动生成方法及装置，首先利用像素级标签从源域学习分割知识，然后将知识转移到目标域生成图像的粗标签，再利用引导滤波器对粗标签进行推理，生成精细标签。在细化标签的基础上，对分割网络进行优化，生成具有详细像素级结构/边界的细粒度目标标签，提高了语义分割效果。
-
公开(公告)号：CN115131234A
公开(公告)日：2022-09-30
申请号：CN202210675973.X
申请日：2022-06-15
Applicant: 西北大学
Abstract: 本发明公开了一种基于两阶段神经网络的数字壁画修复方法，采用灰度图重建模块和色彩恢复模块两阶段神经网络模型，其中灰度图重建模块由区域识别模块、特征推理模块、特征融合模块组成，色彩恢复模块由三个结构相同、尺寸不同的残差网络组成。该方法将常规的单阶段图像恢复网络拆分成灰度图重建和颜色填充两个阶段，宏观上降低了图像修复模型的训练难度。第一阶段使用灰度图重建模块通过循环特征推理的方式恢复出单通道的灰度图，第二阶段使用色彩恢复模块运用图像有效区域的彩色颜色特征对无效区域的灰度图进行由粗糙到细致的颜色填充，更大限度的避免了图像颜色失真的现象。对大面积受损壁画，能够获得结构清晰、颜色逼真的修复图像。
-
公开(公告)号：CN114612681A
公开(公告)日：2022-06-10
申请号：CN202210274122.4
申请日：2022-03-20
Applicant: 西北大学
Abstract: 本发明公开了一种基于GCN的多标签图像分类方法、模型构建方法及装置，包括预处理模块、模型构建模块和训练模块；预处理模块，用于对已知数据集进行预处理，得到预处理后的数据集图像；训练模块，用于将预处理后的数据集图像输入多标签图像分类模型进行训练，以多个标签在图像上出现的概率为输出，得到训练好的多标签图像分类模型；模型构建模块，用于构建多标签图像分类模型并将其发送给训练模块。本发明结合了注意力机制模块和图卷积网络，通过对原始图像特征在空间和通道上获取注意力图以及通过图卷积网络获取更具鉴别意义的类别语义，有效加强了图像显著部分的特征和避免了感兴趣部分特征的丢失，提升了网络的输出精度。
-
公开(公告)号：CN108898568B
公开(公告)日：2021-08-31
申请号：CN201810378364.1
申请日：2018-04-25
Applicant: 西北大学
Abstract: 本发明提供了一种图像合成方法与装置，包括：步骤1，获取3T和7T磁共振图像样本集；步骤2，输入3T磁共振图像作为当前3T图像；步骤3，从当前3T图像中的多个图像片中任选一图像片作为当前3T图像片，并构建低分辨率字典和高分辨率字典；步骤4，在空间域中获取当前3T图像片合成的7T图像片和高分辨率字典为步骤5，在频域中获取当前3T图像片x合成的7T图像片和高分辨率字典融合得到空间域中合成的7T图像片和高分辨率字典频域中合成的7T图像片和高分辨率字典步骤7，重复步骤4至步骤6，直至得到的7T图像片满足收敛条件时为止。本发明能够重建出高品质的7T磁共振图像，有效地合成出高保真的解剖结构，具有更好的主客观效果。
-
公开(公告)号：CN109166093B
公开(公告)日：2020-09-01
申请号：CN201810743521.4
申请日：2018-07-09
Applicant: 西北大学
Abstract: 本发明公开了一种图像显著区域检测方法，对所述的待检测图像采用特征提取的方法进行显著区域检测，获得第一显著图；对所述的待检测图像进行超像素分割，获得由多个第二超像素块组成的第二超像素块集，采用像素点激活的方法对第二超像素块集中所有的第二超像素块进行处理，获得第二显著图；通过像素点显著值融合的方式将第一显著图与第二显著图融合，获得显著图；本发明提供的图像显著区域检测方法，将待检测图像中显著区域的局部信息与全局信息进行融合，提高了显著区域检测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN111461175A
公开(公告)日：2020-07-28
申请号：CN202010153562.5
申请日：2020-03-06
Applicant: 西北大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06F16/9535 , G06F16/958
Abstract: 本发明公开了一种自注意与协同注意机制的标签推荐模型构建方法及装置，通过VGG16网络提取图像的特征；使用WordEmbedding技术对文本进行词嵌入，并使用低层次的自注意力层代替LSTM提取文本特征。然后将图像特征和文本特征输入到高层次的协同注意力层，让图像特征和文本特征相互引导，获得图像和文本的注意力权重，基于注意力权重，分别与图像和文本特征进行相乘，最后获得图像和文本的注意力；为了让图像和文本的注意力信息更加丰富，我们对图像特征和文本特征进行平均池化。最后将这些特征进行融合送入到分类器中，进行标签分类和推荐；本发明采用自注意力与协同注意力机制结合的方法，提高了标签推荐的准确性以及效率。
-
公开(公告)号：CN111461174A
公开(公告)日：2020-07-28
申请号：CN202010152922.X
申请日：2020-03-06
Applicant: 西北大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06F16/9535 , G06F16/958
Abstract: 本发明公开了一种多层次注意力机制的多模态标签推荐模型构建方法及装置，提取图像的特征对图像特征使用外积，进行双线性融合后再通过一个注意力网络层，获取图像中每个区域的注意力因子，将注意力因子与原始特征进行逐元素乘积，得到最后的图像特征表达；对文本进行词嵌入并使用Bi-LSTM网络对文本特征提取，然后通过一个注意力网络层与原始特征进行乘积，得到最后的文本信息表达。然后通过一个双线性融合层，将图像和文本特征进行融合，然后将融合后的特征输入到高层次注意力层，得到最后的联合特征表达，最后送入到分类层中，进行标签分类和推荐。在多模态信息处理的条件下，本发明联合层次注意力机制的方法提高了推荐的准确性。
-
公开(公告)号：CN110598741A
公开(公告)日：2019-12-20
申请号：CN201910729399.X
申请日：2019-08-08
Applicant: 西北大学
Abstract: 本发明公开了一种像素级标签自动生成模型构建、自动生成方法及装置，首先利用像素级标签从源域学习分割知识，然后将知识转移到目标域生成图像的粗标签，再利用引导滤波器对粗标签进行推理，生成精细标签。在细化标签的基础上，对分割网络进行优化，生成具有详细像素级结构/边界的细粒度目标标签，提高了语义分割效果。
-
公开(公告)号：CN109002755A
公开(公告)日：2018-12-14
申请号：CN201810563826.7
申请日：2018-06-04
Applicant: 西北大学
Abstract: 本发明公开了一种基于人脸图像的年龄估计模型构建方法及估计方法，本发明采用了基于肤色分类和深度标签分布学习的方法，对MORPH数据库人脸图像进行年龄估计，将个体肤色差异的影响考虑到年龄估计方法之内，与已有的方法相比较能够有效的减少肤色差异带来的影响，将Inception-V3深度卷积神经网络最后的全局平均池化层改为全局最大池化层，能够减小卷积层参数误差造成估计值均值偏移的问题，更多的保留了纹理信息，并采用深度标签分布学习算法和Inception-V3深度卷积神经网络，使用迁移学习对数据进行网络微调，通过理论分析和实验验证了该方法的可行性和有效性。
-
公开(公告)号：CN108765330A
公开(公告)日：2018-11-06
申请号：CN201810488203.8
申请日：2018-05-21
Applicant: 西北大学
IPC: G06T5/00
CPC classification number: G06T5/002 , G06T2207/20021 , G06T2207/20024
Abstract: 本发明公开了一种基于全局和局部先验联合约束的图像去噪方法和装置，通过综合利用全局结构自相似性先验和基于局部核函数的非线性映射，提出一种基于全局和局部先验联合约束的图像去噪方法，在去除噪声的同时有效地恢复图像的细微结构，进一步提高图像的信噪比和主客观质量。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.03 seconds)
