“袭肖明”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果98个，建议您升级VIP下载更多相关专利

[发明专利]基于启发式混合细菌觅食算法的直线型结构物体检测方法-CN201811639641.6有效
发明人：蔡慧英;冉令强;杨帆;邹立达;吕鹏;袭肖明;李防震;王伟 -专利权人：山东财经大学
申请日： 2018-12-29 - 公布日： 2021-06-22 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了基于启发式混合细菌觅食算法的直线型结构物体检测方法，涉及智能化工业生产领域，技术方案为，提取基准模板，进而创建不同方向的模板；采集检测图像；对检测图像计算归一化梯度图和梯度方向图；根据梯度方向图得到的检测图像主方向与基准模板主方向对比，得出检测图像中物体的旋转角度范围；根据相似度分布特点设计启发式的搜索策略，从而快速的获得物体位置和旋转角度。本发明的有益效果是：针对直线型结构物体，本发明充分发掘并利用直线型结构物体的相似度分布特点，利用主方向检测物体的旋转角度范围，并合理设计启发式的混合细菌觅食搜索策略，可以快速有效的检测出直线型结构物体，获得精确的物体位置和旋转角度。
基于启发式混合细菌觅食算法线型结构物体检测方法

[发明专利]一种基于个性化融合网络的肿瘤分割方法及装置-CN201811389439.2有效
发明人： 袭肖明;于治楼 -专利权人：浪潮集团有限公司
申请日： 2018-11-21 - 公布日： 2021-06-08 - 主分类号： G06K9/34 文献下载
摘要：本发明公开一种基于个性化融合网络的肿瘤分割方法，涉及医学图像处理技术领域，该方法首先通过专家观察对肿瘤超声图像进行分类，随后根据分类结果对肿瘤超声图像进行初步处理后作为训练样本输入灰度识别网络或多尺寸全卷积神经网络进行训练，进行多次训练后得出肿瘤超声图像的最佳分割结果，最后，将肿瘤超声图像输入灰度识别网络或多尺寸全卷积神经网络即可完成分割，该分割方法可以适应不同分类的肿瘤超声图像，具有分割精度高、分割效率高的优点。本发明还公开一种基于个性化融合网络的肿瘤分割装置，与上述分割方法相结合，更好的完成肿瘤超声图像的分割。
一种基于个性化融合网络肿瘤分割方法装置

[发明专利]一种复杂场景下的车辆检测方法及系统-CN201711059068.7有效
发明人： 袭肖明;于治楼;陈祥 -专利权人：浪潮集团有限公司
申请日： 2017-11-01 - 公布日： 2021-06-01 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种复杂场景下的车辆检测方法及系统，基于快速区域卷积神经网络，该快速区域卷积神经网络中配置有输入层、卷积层、池化层、region proposal候选区域层、ROI pooling层、全连接层和输出层，该系统中还配置有复杂区域拆分层，所述复杂区域拆分层用于将复杂场景划分成若干简单场景并连接在输入层后，所述复杂区域拆分层的输出连接到region proposal层和卷积层，卷积层的输出连接到池化层，池化层、region proposal的输出均连接到ROI pooling层，所述ROI pooling层顺序连接全连接层、输出层后输出检测结果。本发明的一种复杂场景下的车辆检测方法及系统与现有技术相比，通过设计基于深度学习的车辆检测方法，完成智慧停车，能够极大的节省成本，实用性强，适用范围广泛，易于推广。
一种复杂场景车辆检测方法系统

[发明专利]一种图像分割方法及系统-CN202110183846.3在审
发明人：李鹏;张凯;徐卿;袭肖明 -专利权人：广东众聚人工智能科技有限公司
申请日： 2021-02-10 - 公布日： 2021-05-28 - 主分类号： G06K9/34 文献下载
摘要：本发明公开了一种图像分割方法及系统。其中，该方法包括：获取样本数据；根据所述样本数据，提取抽象特征；根据所述抽象特征，生成所述样本数据的概率分布信息；根据所述概率分布信息确定样本类别，并获取上采样特征；将所述上采样特征与所述分类概率分布信息进行融合，得到分类结果。本发明解决了现有技术中无法减少模型整体的参数量，提高泛化能力，具有相关性的任务之间共享部分参数的技术问题。
一种图像分割方法系统

[发明专利]一种基于层次的成对相似性PVAnet的停车位检测系统及方法-CN201810359520.X有效
发明人： 袭肖明;于治楼;吴永健 -专利权人：浪潮集团有限公司
申请日： 2018-04-20 - 公布日： 2021-05-04 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于层次的成对相似性PVAnet的停车位检测系统及方法，属于计算机视觉技术领域，在提出的层次的成对相似性PVAnet中，主要由两个网络联合组成。第一个网络的主要框架是PVAnet。在该网络中，首先利用迁移学习学习车辆的特点，然后将车辆的特点融入到PVAnet中。第二个网络是成对检测网络，该网络在第一个网络后面接入用于学习检测出的车辆中心和停车位中心空间位置的相似性关系，从而使得学习出的网络可以对停车位进行有效地识别。本发明提出的方法能够精准地找到停车位，从而有效缓解公共场所停车难问题。
一种基于层次成对相似性 pvanet 停车位检测系统方法

[发明专利]基于细节点区域匹配的手指静脉识别方法及系统-CN201910272827.0有效
发明人：孟宪静;郑金文;袭肖明;杨璐;尹义龙 -专利权人：山东财经大学
申请日： 2019-04-04 - 公布日： 2021-04-20 - 主分类号： G06K9/00 文献下载
摘要：本公开提供了一种基于细节点区域匹配的手指静脉识别方法及系统。其中，基于细节点区域匹配的手指静脉识别方法，包括预处理手指静脉图像，得到尺寸大小及灰度均归一化的感兴趣区域；划分感兴趣区域为若干个区域块，根据每个区域块的Hessian矩阵的特征值来确定相应细节点位置，并赋予细节点特征描述子；利用赋予的细节点特征描述子，选定两幅手指静脉图像中一对细节点，匹配两幅手指静脉图像中该对细节点对应的一定邻域内的所有细节点，若匹配成功的细节点对数最多，则两幅手指静脉图像中选定的一对细节点匹配成功；计算两幅手指静脉图像中匹配成功的细节点对数与区域块数量的比值并作为匹配分，若匹配分最大，则判定当前两幅手指静脉图像匹配成功。
基于细节区域匹配手指静脉识别方法系统

[发明专利]一种基于半监督的目标识别方法、设备及介质-CN202011012069.8在审
发明人： 袭肖明;于治楼 -专利权人：济南浪潮高新科技投资发展有限公司
申请日： 2020-09-23 - 公布日： 2021-02-02 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种基于半监督的目标识别方法、设备及介质，包括：将待识别的目标图像输入至预先训练的识别网络模型，确定出所述待识别的目标图像的识别结果，其中，所述识别网络模型包括基于监督分支训练相似度矩阵的第一识别网络模型与基于非监督分支训练相似度矩阵的第二识别网络模型，所述相似性矩阵表示样本之间的相似性，所述样本包括标记数据与非标记数据。本说明书实施例在训练识别网络模型时，同时应用标记数据与非标记数据，扩大了训练样本集的范围，此外，本说明书实施例在训练识别网络模型时，结合监督分支与非监督分支，以半监督的形式训练识别网络模型，可以提高识别网络模型的识别效果，更好的满足用户的需求。
一种基于监督目标识别方法设备介质

[发明专利]一种基于深度相关性特征学习的指静脉识别方法及装置-CN201910546950.7有效
发明人：于治楼;计晓贇;袭肖明 -专利权人：浪潮集团有限公司
申请日： 2019-06-24 - 公布日： 2021-02-02 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于深度相关性特征学习的指静脉识别方法及装置，属于生物识别领域，本发明要解决的技术问题为如何有效的对较细静脉的进行精确识别，建立细节点之间的关联性信息，确保具有较强的识别性能，采用的技术方案为：①该方法步骤如下：S1、提取细节点；S2、构建图节点；S3、学习相关性映射图：基于RankSVM的相关性图映射学习方法，获取相关性图的邻接矩阵，反映图节点之间的相关性信息；S4、深度相关性特征学习；S5、匹配：将得到的有效的深度相关性特征与数据库中存储的模板进行相似度比较，从而完成匹配任务。②该装置包括细节点提取模块、图节点构建模块、相关性映射图学习模块、深度相关性特征学习模块以及匹配模块。
一种基于深度相关性特征学习静脉识别方法装置

[发明专利]一种基于三维卷积神经网络的脑部MRI图像分类方法、装置-CN201710762475.8有效
发明人：尹义龙;刘云;杨公平;袭肖明;孟宪静;任刚 -专利权人：山东大学
申请日： 2017-08-30 - 公布日： 2020-12-15 - 主分类号： G06K9/62 文献下载
摘要：本发明提出了一种基于三维卷积神经网络的分类方法，应用于脑部MRI图像上。在主网络的基础上，设计辅助的监督分支网络对中间层进行监督学习，最后融合主流网络和分支网络来得到最后的分类结果。该方法不仅可以充分利用三维卷积神经网络提取图像三维重要信息，而且利用辅助的监督分支网络提取更鲁棒的图像局部信息，弥补了二维卷积神经网络在三维特征提取方面的不足；中间层的监督学习可以使得网络在学习过程中尽早提取具有显著区分能力的特征，学习速度快，对最终的分类结果有重要影响，加入辅助监督的卷积神经网络不仅可以提高脑部MRI图像分类的准确性和鲁棒性，而且加快了学习过程的收敛。
一种基于三维卷积神经网络脑部 mri 图像分类方法装置

[发明专利]一种融合基本特征和形变特征的手指静脉识别方法及系统-CN201910271724.2有效
发明人：孟宪静;袭肖明;杨璐;耿蕾蕾;尹义龙 -专利权人：山东财经大学
申请日： 2019-04-04 - 公布日： 2020-11-17 - 主分类号： G06K9/00 文献下载
摘要：本公开提出了一种融合基本特征和形变特征的手指静脉识别方法及系统，识别方法的主要步骤为：图像预处理，基本特征提取、构建目标函数优化匹配、形变信息提取、基本特征和形变特征的融合。该方法在识别的过程中，不仅利用了形变信息，还考虑了获取形变特征时所需的基本特征和匹配分等信息，构建了融合基本特征和形变特征的手指静脉识别框架。该方法克服了使用单一特征时，特征表征能力不足的问题，提高了手指静脉识别的准确性和鲁棒性，保证了识别的效率。
一种融合基本特征形变特征手指静脉识别方法系统

[发明专利]一种目标图像分割方法、设备及介质-CN202010561367.6在审
发明人： 袭肖明;金长新 -专利权人：济南浪潮高新科技投资发展有限公司
申请日： 2020-06-18 - 公布日： 2020-11-06 - 主分类号： G06T7/11 文献下载
摘要：本申请公开了一种目标图像分割方法、设备及介质，包括：将目标图像输入至预先训练的目标等级识别网络，确定出所述目标图像的等级，其中，所述目标等级识别网络根据多个标记目标图像等级样本的数据集训练得到；将所述目标图像发送至所述目标图像等级对应的分割网络，确定出所述目标图像的分割结果，其中，不同目标等级对应不同的分割网络，所述分割网络为预先训练的全卷积神经网络。本说明书实施例通过确定目标图像的等级，再根据目标图像的等级对应的分割网络进行分割处理，使得分割网络的分割效果更好。
一种目标图像分割方法设备介质

[发明专利]一种针对目标大小进行分割的工具及方法-CN202010675708.2在审
发明人： 袭肖明;于治楼;金长新 -专利权人：济南浪潮高新科技投资发展有限公司
申请日： 2020-07-14 - 公布日： 2020-10-27 - 主分类号： G06T7/11 文献下载
摘要：本发明公开一种针对目标大小进行分割的工具，涉及全卷积神经网络技术领域，采用工具包括：目标感知模块，用于感知图像中目标大小，并将图像中目标划分为一般目标和小目标；层级分割网络，包括两个层级，基于目标感知模块的划分结果，第一个层级用于直接分割图像中的一般目标，第二个层级用于放大并分割图像中的小目标。本发明还公开一种针对目标大小进行分割的方法，本方法与前述工具相结合，通过对图像中目标大小进行分级并根据分级结果进行不同分割的过程，提高不同尺度目标的分割精度，尤其采用层级分割网络，大幅度提升小目标的分割精度。
一种针对目标大小进行分割工具方法

[发明专利]一种空车位检测方法及系统-CN201810354283.8有效
发明人： 袭肖明;于治楼;陈祥;杜亨方 -专利权人：浪潮集团有限公司
申请日： 2018-04-19 - 公布日： 2020-10-09 - 主分类号： G08G1/14 文献下载
摘要：本发明公开了一种空车位检测方法及系统，其实现过程为，首先通过摄像头获取停车场图像；然后将整幅图像进行处理后分割，将每个停车位分割成一个连通区域；从第一个连通区域的停车位开始，判断该停车位是否为空车位并计算其包括面积的信息；计算第一个连通区域的临近连通区域，获取临近连通区域包括面积的信息并通过与第一个连通区域的面积取差值来判断该停车位是否为空车位；迭代判断所有连通区域，输出判断结果。本发明的一种空车位检测方法及系统与现有技术相比，本发明简单易实现、能够实时地、精准地找到空车位。从而有效缓解公共场所停车难问题，具有广阔的应用前景，实用性强，适用范围广泛。
一种车位检测方法系统

[发明专利]基于区分性卷积神经网络的乳腺肿瘤分类装置和存储介质-CN201711091437.0有效
发明人： 袭肖明;尹义龙;孟宪静;聂秀山;杨璐 -专利权人：山东财经大学
申请日： 2017-11-08 - 公布日： 2020-09-25 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于区分性卷积神经网络的乳腺肿瘤分类装置和存储介质，所述方法包括：对多幅超声图像中的肿瘤进行分割获取感兴趣区域并进行数据增广，得到训练集；构建区分性卷积神经网络模型，基于所述训练图像计算所述区分性卷积神经网络的模型参数；其中，所述区分性卷积神经网络模型的结构为：在卷积神经网络的基础上增加区分性辅助分支，接入卷积层、池化层和全连接层，并引入Inter‑intra Loss函数用于增强同类之间的相似性以及不同类之间的差异性；获取一幅待分类的乳腺超声图像，对所述超声图像进行分割，获取感兴趣区域；将所述感兴趣区域输入到所述区分性卷积神经网络得到分类结果。本发明的分类方法能够有效提高乳腺超声图像中的肿瘤分类性能。
基于区分卷积神经网络乳腺肿瘤分类装置存储介质

[发明专利]一种基于图嵌入的物体识别方法、设备及介质-CN202010388387.8在审
发明人： 袭肖明;金长新 -专利权人：济南浪潮高新科技投资发展有限公司
申请日： 2020-05-09 - 公布日： 2020-09-11 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种基于图嵌入的物体识别方法、设备及介质，包括：将图像输入至预先训练的物体识别模型，其中，所述物体识别模型包括通过监督学习得出的第一识别模型与通过非监督学习得出的第二识别模型；根据所述第一识别模型输出第一结果，根据所述第二识别模型输出第二结果；若确定所述第一结果与所述第二结果相同，输出所述第一结果或所述第二结果。本申请实施例通过监督学习得出的第一识别模型与非监督学习得出的第二识别模型，同时识别输入的图像，只有在两个模型的识别结果相同时，才会输出识别结果，很大程度提高了识别模型的准确性。
一种基于嵌入物体识别方法设备介质