-
公开(公告)号：CN117711044A
公开(公告)日：2024-03-15
申请号：CN202311690172.1
申请日：2023-12-11
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V10/82 , G06N3/0475 , G06N3/08
Abstract: 本发明涉及一种基于图像质量先验的多姿态人脸生成方法，属于数字图像处理领域，包括以下步骤：S1：预处理人脸数据集，构建训练集和测试集，并提取人脸图像的质量信息和标记点图像；S2：构建基于生成对抗网络的人脸生成模型，包括生成器、解码器和判别器，以及人脸特征提取器和分类器；S3：使用预处理的标记点图像作为目标姿态，使用质量信息划分出高质量的人脸图像作为真实图像集；在训练过程中采用自重建约束中间合成结果，并使低质量人脸身份特征往高质量人脸身份特征对齐；S4：将对齐后的测试图像和目标姿态作为模型输入，得到测试集合成结果。
-
公开(公告)号：CN118154568A
公开(公告)日：2024-06-07
申请号：CN202410342048.4
申请日：2024-03-25
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06T7/10 , G06T7/136 , G06V10/764 , G06N3/0464 , G06N3/0895
Abstract: 本发明涉及一种基于图像增强和弱监督学习的脑血肿图像分割方法，属于数字图像处理领域。该方法包括：采集分类图数据和分割图数据，通过阈值处理法提取分类图和分割图中的脑血肿伪标签，同时生成伪正常图，通过原图减去所述伪正常图得到出血区域残差增强图；构建脑血肿图像分割模型，并采用残差增强图进行训练；该脑血肿图像分割模型结构以TransUnet为主干网络，在其编码器后添加有分类器模块和激活图提取器模块，在其解码器后添加有分割模块；通过训练好的脑血肿图像分割模型对脑出血图片的血肿区域进行分割。本发明使用大量的分类数据和少量的分割数据集，使得模型能学习大量的分类特征，可增强模型分割的鲁棒性。
-
公开(公告)号：CN119693393A
公开(公告)日：2025-03-25
申请号：CN202411859551.3
申请日：2024-12-17
Applicant: 重庆邮电大学
IPC: G06T7/11 , G06T7/00 , G06T5/50 , G06V10/80 , G06T3/4038 , G06N3/0464 , G06N3/0455 , G06N3/0499 , G06N3/08
Abstract: 本发明属于数字图像处理和模式识别领域，具体涉及一种基于可逆特征生成的磁共振脑肿瘤分割方法，包括构建并训练人脑肿瘤图像分割模型，将待处理图像输入训练好的人脑肿瘤图像分割模型得到分割结果；所述人脑肿瘤图像分割模型包括多模态并行处理模块、全局‑局部特定模态特征交互模块、可逆提示生成模块、分组融合引导模块；本发明能够提升磁共振脑肿瘤图像对整个肿瘤区域、肿瘤核心区域和增强肿瘤区域的分割精度。
-
公开(公告)号：CN118365874A
公开(公告)日：2024-07-19
申请号：CN202410357711.8
申请日：2024-03-27
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于图像语义信息融合的脑组织分割方法，属于数字图像处理技术领域，包括以下步骤：S1：获取多模态脑组织MR图像数据集，将数据集划分为训练集和测试集；对训练集和测试集的数据进行分块，即将三维数据进行裁剪并进行预处理；S2：通过两个编码流分别处理训练集中的T1加权模态和T2加权模态MR图像，将得到的两种不同模态的特征进行融合，得到融合特征；S3：将所述融合特征通过位置变换的方式计算切块之间的相似性；S4：从前两层编码器选择特征映射，以深监督的方式提供具有细粒度约束的边界特征映射来辅助分割；S5：训练完成后，利用测试集测试由步骤S2‑S4构建的脑组织分割模型。
-
-
-
Search Results
4
records
(took 0.015 seconds)
