“颜成钢”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421个，建议您升级VIP下载更多相关专利

[发明专利]一种基于双型U-Net模型的医学图像分割方法-CN202110728340.6在审
发明人： 颜成钢;刘硕;高宇涵;彭开来;孙垚棋;张继勇;李宗鹏 -专利权人：杭州电子科技大学
申请日： 2021-06-29 - 公布日： 2021-10-22 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于双型U‑Net模型的医学图像分割方法。本发明实现步骤：步骤1、获取图像数据集，并进行图像增强预处理；步骤2、将预处理后的数据集划分为训练集、验证集和测试集；步骤3、搭建双型U‑Net网络模型，使用预训练的VGG19替换模型的第一个编码器，对原U‑Net网络进行改进，加入ASPP获取网络模型的上下文信息；步骤4、设计损失函数，评估指标；步骤5、将待分割图像输入到网络模型中进行训练，得到分割结果：将训练集、验证集和测试集分别输入到网络模型中，得到输出图像以及对应的评估指标结果。本发明提高了模型的分割准确率，并有效改善了模型泛化能力和鲁棒性。使得分割网络获取高分辨率的特征图，进而带来优异的表现。
一种基于 net 模型医学图像分割方法

[发明专利]一种基于生成对抗网络的图像超分辨率重构方法-CN202110736530.2在审
发明人： 颜成钢;方运志;姚婷婷;孙垚棋;张继勇;李宗鹏 -专利权人：杭州电子科技大学
申请日： 2021-06-30 - 公布日： 2021-10-22 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于生成对抗网络的图像超分辨率重构方法。对目标图像进行预处理，提供GAN网络训练所需的图片信息；设计好GAN网络金字塔，使得网络可以以自监督的方式，从低分辨率到高分辨率不断的重建出逼近真实图像的虚假图像；在重构出原来分辨率大小的虚假图像的基础上，按照所需分辨率进行上采样；再次输入到原始分辨率的GAN网络层中进行迭代训练，得到超分辨图像。本发明采用注意力关注机制和自监督训练的方式重构图像，网络可在训练过程中根据需求调节对图片不同区域的关注度，生成更加逼真的重构图；同时自监督的方式在提升网络训练效果的同时避免了人工标注等繁杂操作，也杜绝了由于人工标注信息不准确对训练效果的影响。
一种基于生成对抗网络图像分辨率方法

[发明专利]一种基于像素分布估计的单张图像超分辨重建系统及方法-CN202110672302.3在审
发明人：陈泉;郑博仑;颜成钢;孙垚棋;张继勇;李宗鹏 -专利权人：杭州电子科技大学
申请日： 2021-06-17 - 公布日： 2021-10-22 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于像素分布估计的单张图像超分辨重建系统及方法，首先进行数据预处理获得高分辨率图片IHR和低分辨率图片ILR；然后构建并训练基于像素分布估计的图像超分辨重建网络，包括权重提取模块和像素分布估计模块；权重提取模块用于从输入的低分辨率图片ILR中计算出像素分布估计模块所需要的权重，而像素分布估计模块根据预先设定的倍数s对输入图片像素的邻域像素相对坐标进行像素估计，实现图像的超分辨重建过程。本发明方法从像素分布估计的角度解释并实现了图像超分辨重建，模型结构简单，权重学习模块结构用卷积层就可以很好的学习，运算成本低，且效果好。
一种基于像素分布估计单张图像分辨重建系统方法

[发明专利]一种基于深度学习的单张图片的运动估计系统及方法-CN202110672305.7在审
发明人： 颜成钢;陈泉;许成浩;孙垚棋;张继勇;李宗鹏 -专利权人：杭州电子科技大学
申请日： 2021-06-17 - 公布日： 2021-10-22 - 主分类号： G06T7/207 文献下载
摘要：本发明公开了一种基于深度学习的单张图片的运动估计系统及方法，首先拍摄具有运动状态的物体的视频集，制作相同时间戳的前后两帧的运动图片对，构建数据集。然后构建场景信息提取网络，用于提取输入图片场景信息SE；构建运动信息估计网络，用于提取并估计输入图片运动信息ME。构建信息融合网络，用于融合场景信息和运动信息估计结果，得到具有运动估计效果的输出图片。本发明方法基于图片级和像素级对指定的输入图片进行重建，并在重建过程中对图片中部分物体的轮廓进行合理偏移，从而实现对单张图片的运动估计，将深度学习技术引入到运动估计领域中。
一种基于深度学习单张图片运动估计系统方法

[发明专利]一种基于限制性预测滤波的图像散景渲染方法及系统-CN202110672308.0在审
发明人：陈泉;郑博仑;颜成钢;孙垚棋;张继勇;李宗鹏 -专利权人：杭州电子科技大学
申请日： 2021-06-17 - 公布日： 2021-10-22 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于限制性预测滤波的图像散景渲染方法及系统，首先准备数据集并对数据进行预处理；构建基于限制性预测滤波的图像散景渲染网络；图像散景渲染网络包括限制性预测滤波模块和显著性检测模块，其中显著性检测模块用于检测输入全聚焦图片中的显著性特征，限制性预测滤波模块用于保留显著性检测模块检测到的显著性特征，并对输入图片的其他部分进行限制性滤波操作，模糊图片内容从而产生散景渲染效果；通过数据集训练图像散景渲染网络模型。本发明方法使用三种参数类型的限制性预测滤波核对图片进行自适应滤波，从而实现散景渲染处理，创新的提出了一种限制性预测滤波模块用于实现图像的散景渲染处理。
一种基于限制性预测滤波图像渲染方法系统

[发明专利]一种基于室内空间布局约束的场景模型补全方法-CN202110683630.3在审
发明人：路荣丰;颜成钢;朱尊杰;徐枫;裘健鋆;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2021-06-21 - 公布日： 2021-10-22 - 主分类号： G06F30/13 文献下载
摘要：本发明公开了一种基于室内空间布局约束的场景模型补全方法。首先使用超体素分割对室内稠密三维重建模型进行预处理，将mesh模型转换成超体素数据，每个超体素数据将邻局部特征一致的mesh进行初步的聚类，在保持原三维模型的特征的基础上大大的减少了计算量，然后在超体素模型上使用RANSAC平面检测算法，进行平面的预提取，建立带有平面几何约束的能量函数，通过求解能量函数求得该三维室内模型中的建筑主体结构平面，然后得出模型的室内空间布局，在室内空间布局的约束下，进行孔洞检测和孔洞修补，最终完成三维模型的孔洞补全。本发明方法能够大大提升对墙角等墙建筑主体结构上的补全效果，进而提升了整体室内环境的补全效果。
一种基于室内空间布局约束场景模型方法

[发明专利]一种基于平面约束的室内场景模型补全方法-CN202110683663.8在审
发明人：路荣丰;颜成钢;朱尊杰;徐枫;裘健鋆;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2021-06-21 - 公布日： 2021-10-22 - 主分类号： G06F30/13 文献下载
摘要：本发明公开了一种基于平面约束的室内场景模型补全方法。在稠密室内三维重建的基础上使用循环使用RANSAC方法进行三维平面的检测，通过平面检测结果，将室内环境分割为不同的平面区域和物体区域，然后利用物体区域中各mesh顶点的邻接关系将空间上彼此分离的物体分割开，然后分别在不同的平面区域和不同的物体模型上进行孔洞检测，分别完成孔洞补全任务，然后将逐个补全的结果放在同一个三维空间中，最终完成室内全场景的三维模型孔洞补全任务。本发明消除了不同物体上孔洞之间的干扰，极大的提高了物体模型的补全精度，提高了补全效果，在对场景中的平面模型进行补全时，能够在平面方程的约束下，实现更加鲁棒的平面补全效果。
一种基于平面约束室内场景模型方法

[发明专利]一种基于图像识别的眼底照片自动检测方法及系统-CN202110302082.5在审
发明人： 颜成钢;高宇涵;张二四;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2021-03-22 - 公布日： 2021-10-19 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于图像识别的眼底照片自动检测方法。首先进行眼底照片获取及预处理；然后对眼底照片区域进行划分，进行区域深度特征提取；生成全局特征向量；最后通过全局特征向量对分类网络进行训练，通过训练好的分类网络完成眼底照片分类检测。本发明方法有效的减少了网络的参数个数，缓解了模型的过拟合问题；获得平移和形变的鲁棒性。经过分区和合并得到区域和全局的特征，有利于发掘更多特征信息。用全局池化层代替全连接层来融合学到的深度特征有效避免了网络的冗余，具有较好的预测性能。
一种基于图像识别眼底照片自动检测方法系统

[发明专利]一种基于多任务的眼底图像检测方法-CN202110348257.6在审
发明人： 颜成钢;谢益峰;孙垚棋;张继勇;李宗鹏;张勇东 -专利权人：杭州电子科技大学
申请日： 2021-03-31 - 公布日： 2021-10-19 - 主分类号： G06T7/155 文献下载
摘要：本发明公开了一种基于多任务的眼底图像检测方法。采用DRIVE眼底公开数据集，将数据集分为训练集和测试集，并对数据进行有疾病和没有疾病的人工标记操作；对训练集和测试集进行数据增强操作；将数据增强后的训练集输入到多任务UNet网络中训练网络参数，得到眼底图像识别模型；通过经过数据增强的测试集进行测试，根据识别结果对模型进行微调。本发明方法更加具有普适性，本发明采用的对图像进行多任务计算并且在下采样添加额外操作对眼底疾病进行二分类任务，此外在跳跃链接中添加通道注意力机制使得网络对于通道信息更加敏感，保证图像分割质量。
一种基于任务眼底图像检测方法

[发明专利]一种基于内容自适应的光场视频编码方法-CN201911399373.X有效
发明人：金欣;涂望;李羚俊;颜成钢;戴琼海 -专利权人：清华大学深圳国际研究生院
申请日： 2019-12-30 - 公布日： 2021-10-01 - 主分类号： H04N19/107 文献下载
摘要：本发明公开了一种基于内容自适应的光场视频编码方法，方法包括：选取所述光场图像中的子图像的中心视点子图像和相邻子图像；对中心视点子图像进行编码后与所述相邻子图像的光场视频相减得到残差视频；根据残差视频在帧之间的相关性值R1的绝对值与相关性阈值τ的关系，将残差视频重排序为空域残差视频或者继续计算残差视频中的残差子图像在帧之间的残差能量值E1及在残差子图像之间的残差能量值E2，并选择相应的编码方法。本发明为残差视频自适应地从空域多视图编码方法和时域多视图编码方法中选择更好的方法，减小了残差视频的编码码流，提高了编码效率，进而提高了光场视频的编码效率。
一种基于内容自适应视频编码方法

[发明专利]一种基于深度残差网络的糖尿病性视网膜病变检测的方法-CN201910520291.X有效
发明人： 颜成钢;朱嘉凯;王兴政;陈子阳;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2019-06-17 - 公布日： 2021-09-28 - 主分类号： A61B3/12 文献下载
摘要：本发明公开了一种基于深度残差网络的糖尿病性视网膜病变检测的方法。本发明步骤如下：步骤1：数据集的筛选；步骤2：眼底图像的预处理，步骤3：数据集扩充，将部分样本较少的类中的图像做图像扩充处理，具体操作包括将图像镜像和旋转；步骤4：数据集标签的制作；步骤5：训练集和测试集的构建；步骤6：卷积神经网络的搭建；步骤7：网络训练；步骤8：网络测试。本发明能够获得更高的检测病变的准确性，同时进行检测的时间也可以大大缩短。
一种基于深度网络糖尿病视网膜病变检测方法

[发明专利]一种基于相机定位的图像去模糊方法-CN201910711598.8有效
发明人： 颜成钢;李明珠;孙垚棋;张继勇;张勇东;沈韬 -专利权人：杭州电子科技大学
申请日： 2019-08-02 - 公布日： 2021-09-28 - 主分类号： H04N5/217 文献下载
摘要：本发明公开了一种基于相机定位的图像去模糊方法。本发明包括两阶段：模糊图像去模糊阶段和去模糊图像特征提取阶段。模糊图像去模糊阶段：本发明利用相机当前帧的模糊图像的深度图像，得到场景的深度信息，进而获得场景点的三维坐标。并利用惯性测量单元(IMU)获得相机运动信息，包括平移和旋转。利用以上数据计算选定区块的模糊核，用模糊核进行反卷积操作，得到去模糊图像。去模糊图像特征提取阶段：该阶段对去模糊处理后的图像进行ORB特征提取，并使用提取的特征进行后续的SLAM过程。本发明仅对选定区块进行去模糊，在一定程度上减少了计算量，提高了运算速度。
一种基于相机定位图像模糊方法

[发明专利]一种基于傅里叶叠层成像的LED矩阵校正方法-CN201911419444.8有效
发明人： 颜成钢;方运志;姚婷婷;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2019-12-31 - 公布日： 2021-09-28 - 主分类号： G02B21/06 文献下载
摘要：本发明涉及一种基于傅里叶叠层成像的LED矩阵校正方法。本发明对成像系统及LED矩阵进行建模，明确每个LED的初始位置向量；根据捕获的低分辨率图像,计算代价函数；以求解代价函数全局最优解为目标，校正每个LED的位置偏差；按照傅里叶叠层成像方法，在校正LED照明矩阵的位置偏差后重构出目标样本的高分辨率图像。本发明根据光学计算成像理论与光学成像系统采集的数据完成照明光源的位置校正。对于一个多光源的成像系统，如果照明元件的位置排列不具合理性，就会对成像系统造成成像质量下降等许多不利影响，本发明通过进行光源位置校正，可以很好的改善系统成像的清晰度，削弱光源排列结构对图像造生的伪影等。
一种基于傅里叶叠层成像 led 矩阵校正方法

[发明专利]一种基于全局信息注意力的显著性目标检测方法-CN202110704679.2在审
发明人： 颜成钢;陈泉;郑博仑;孙垚棋;张继勇;李宗鹏 -专利权人：杭州电子科技大学
申请日： 2021-06-24 - 公布日： 2021-09-21 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于全局信息注意力的显著性目标检测方法，首先进行数据预处理，然后构建基于全局信息注意力的显著性目标检测网络，包括编码模块，注意力模块和解码模块；最后通过训练好的的显著性目标检测网络进行显著性目标检测。本发明提出了一种基于通道信息的注意力模块，该模块注意到特征图的通道信息，并自适应的分配通道信息权重。创新的提出了一种权重图，用于给图片不同位置的内容进行赋值，添加权重图的图片进行裁块训练时可以增加块与块之间的关联信息。
一种基于全局信息注意力显著目标检测方法

[发明专利]一种基于深度学习的无参考视频质量评价方法-CN202110534076.2在审
发明人：周晓飞;费晓波;张继勇;颜成钢 -专利权人：杭州电子科技大学
申请日： 2021-05-17 - 公布日： 2021-09-17 - 主分类号： H04N17/00 文献下载
摘要：本发明公开了一种基于深度学习的无参考视频质量评价方法。本发明方法包括预训练的卷积神经网络，融合时域特征的双向GRU网络和视频质量预测网络。首先，预训练的卷积神经网络提取每一帧的内容感知特征，用全局池化对特征进行处理，丢弃冗余信息，保存变化信息。然后采用全连接层对特征降维，用双向GRU网络融合前后的时域特征。最后，利用全连接层计算帧质量分数，再汇集整体视频质量，产生预测分数。本发明提供的网络模型充分有效地考虑到视频的内容依赖性和时间滞后效应来实现对视频质量分数的评价。
一种基于深度学习参考视频质量评价方法