“唐奇伶”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21个，建议您升级VIP下载更多相关专利

[发明专利]一种基于手部关节的人手姿态估计方法及系统-CN202311194384.0在审
发明人：刘李漫;李生玲;田金山;韩逸飞;胡怀飞;唐奇伶 -专利权人：中南民族大学
申请日： 2023-09-15 - 公布日： 2023-10-27 - 主分类号： G06V40/20 文献下载
摘要：本发明提出了一种基于手部关节的人手姿态估计方法及系统，包括以下步骤：S1、采集人手初始图像，并进行预处理，得到多个手部关节图像；S2、使用HRNet网络根据手部关节特征对多个手部关节图像进行特征提取，得到多个手部关节特征图像；S3、根据多个手部关节特征图像分别使用二维关节预测网络进行手部关节的概率密度图预测，得到多个关键点热图；S4、将多个关键点热图合并，得到人手分布图并进行优化得到人手关节姿态特征图；S5、根据人手分布图和人手关节姿态特征图预测人手姿态，得到人手关节三维坐标。本申请通过HRNet网络对手部关节图像进行特征提取，降低HRNet网络的复杂度和计算量的同时保证特征提取的精确度。
一种基于关节人手姿态估计方法系统

[发明专利]一种功能连接网络的构建方法、系统及电子设备-CN202210954075.8在审
发明人： 唐奇伶;蔡碧莲;卢玉红;王艳 -专利权人：中南民族大学
申请日： 2022-08-10 - 公布日： 2023-03-07 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种功能连接网络的构建方法、系统及电子设备，包括：利用变分自编码网络通过无监督学习的方式对每个大脑感兴趣区域建立多元高斯分布概率模型，利用Jensen‑Shannon散度计算任意两个脑区概率分布之间的相似性程度，得到成对脑区的邻接矩阵即为脑功能网络；采用双样本t‑检验来选择具有较高区分度的特征集，将选择的特征集输入支持向量机进行分类；将不同维度模型的特征集输入支持向量机分类器，并利用adaboost增强方式对多个分类器进行联合，得到一个更强的分类器。本发明采用生成学习的方式提高了轻度认知障碍诊断中群体数据的统计能力和观测数据可变性的泛化能力，并通过多维度模型的联合增强，进一步提高轻度认知障碍的诊断准确性。
一种功能连接网络构建方法系统电子设备

[发明专利]一种单视图三维人手重建方法、设备及可读存储介质-CN202210518645.9在审
发明人：刘李漫;张峰浩;李生玲;谌先敢;唐奇伶 -专利权人：中南民族大学
申请日： 2022-05-12 - 公布日： 2022-10-11 - 主分类号： G06T17/20 文献下载
摘要：本发明涉及一种单视图三维人手重建方法、设备及可读存储介质，其包括以下步骤：将人手RGB图像输入卷积神经网络，得到深层人手特征和二维关节热图；根据所述二维关节热图提取人手姿态特征；逐渐对所述深层人手特征进行上采样，并与所述人手姿态特征融合，直至重建得到预设顶点数量的三维人手网格模型。本发明涉及的一种单视图三维人手重建方法、设备及可读存储介质，由于从二维关节热图提取了人手姿态特征，并与深层人手特征融合来提升模型对人手姿态信息的感知能力，提升重建人手模型的姿态准确性。并且，通过逐渐上采样的方式，降低了重建难度。
一种视图三维人手重建方法设备可读存储介质

[发明专利]深度融合边缘与高层特征的显著性目标检测方法及装置-CN202110245337.9有效
发明人： 唐奇伶;刘子仪;卢玉红;张美玲;郭金鑫;郑菲 -专利权人：中南民族大学
申请日： 2021-03-05 - 公布日： 2022-08-30 - 主分类号： G06V10/80 文献下载
摘要：本发明公开了一种深度融合边缘与高层特征的显著性目标检测方法及装置，在低层网络为每个感受野卷积核加入相应的调制核，扩大其信息感知范围并能保留空间细节信息，通过感受野与非经典感受野的联合作用，改进低层边缘特征的表达能力；构建高层引导的交互注意力网络，在高层信息的引导下使注意力聚焦在重点关注的目标区域，滤除来自背景的干扰，利用交互注意力作用，进一步优化区域边界；通过交互注意力、自注意力和层叠方式对特征进行深度融合与全局关联，在信息相互作用过程中实现特征筛选、特征互补和全局特征理解。本发明为复杂场景中显著性目标检测建立一个通用有效的计算模型，提高显著性对象的边界精确性、定位准确性和结构完整性。
深度融合边缘高层特征显著目标检测方法装置

[发明专利]基于脑部块特征加权表达的阿尔茨海默症诊断方法-CN202110639443.5有效
发明人： 唐奇伶;郑菲;王娇;刘子仪;刘李漫 -专利权人：中南民族大学
申请日： 2021-06-08 - 公布日： 2022-06-17 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了基于脑部块特征加权表达的阿尔茨海默症诊断方法，利用脑部图像块作为输入，分级提取块级、区域级和个体级的图像特征，提取并融合多尺度特征表示，使用前一级子网络的输出作为输入，分层构建多尺度子网络，在块级子网络后引入块特征加权表达模块，构建基于块特征加权表示的分层全卷积网络模型，通过学习自动获取到每个块特征的重要程度并分配不同的权重；通过分层构建多尺度子网络和块特征加权表达对特征进行深度融合与全局关联，在信息相互作用过程中实现特征筛选、特征互补和全局特征理解。本发明利用脑部块特征加权表达对块级图像特征产生的增强或抑制调制作用，提高了阿尔茨海默症诊断的准确性。
基于脑部特征加权表达阿尔茨海默症诊断方法

[发明专利]基于多尺度结构相似性和长程依赖性的图像合成法及装置-CN202111404670.6在审
发明人： 唐奇伶;郭金鑫;蔡碧莲;卢玉红;张美玲 -专利权人：中南民族大学
申请日： 2021-11-24 - 公布日： 2022-03-15 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于多尺度结构相似性和长程依赖性的图像合成法及装置，搭建了一个新颖的全卷积网络，并将自注意力机制融合其中，解决了传统卷积网络只能感受到局部信息的缼点，通过加入对抗性学习策略，从而更好地建模从源图像(3T MRI或T1 MRI)到目标图像(7T MRI或T2 MRI)的非线性映射，通过提出一个新的多尺度结构相似性损失函数来帮助更新网络模型参数及保持图像边缘清晰；通过使用长残差单元和自动上下文模型进一步提高图像全局信息的学习效率。本发明利用建立了一个通用有效的从源图像到目标图像的医学图像跨模态合成模型，增强了图像边缘锐利，提高了合成医学图像的视觉质量，模型具有较好的鲁棒性。
基于尺度结构相似性长程依赖性图像成法装置

[发明专利]基于迭代校正的组织病理学图像细胞核检测方法及装置-CN202111418890.4在审
发明人： 唐奇伶;蔡玉;刘子仪 -专利权人：中南民族大学
申请日： 2021-11-26 - 公布日： 2022-03-15 - 主分类号： G06T7/00 文献下载
摘要：本发明提供基于迭代校正的组织病理学图像细胞核检测方法及装置。包括：首先生成候选对象及其初步位置；然后细化定位。设计了一种新颖的块学习方法来获得高质量的核候选，其中除了类别外，还在图像块信息中添加了位置表达，实现了细胞核分类和定位的多任务学习过程，同时在任务中引入了深度监督机制，提供了丰富的层次表示。为了提高细胞核定位精度，提出了一种迭代修正策略，使预测逐步逼近真实情况，显著提高了细胞核中心的定位精度，并为非最大抑制步骤中的抑制范围的选择提供了方便。实验结果表明，本发明在HE染色的组织病理学图像数据集上的核检测性能优于以往的方法，特别是在多杂波的核检测中，可以获得更好的检测效果。
基于校正组织病理学图像细胞核检测方法装置

[发明专利]基于数据增强的前列腺图像分割方法、装置和设备-CN202111272188.1在审
发明人：谌先敢;刘李漫;李旭;唐奇伶 -专利权人：中南民族大学
申请日： 2021-10-29 - 公布日： 2022-01-28 - 主分类号： G06T7/00 文献下载
摘要：本申请公开了一种基于数据增强的前列腺图像分割方法、装置和计算机设备，该方法包括：对待训练样本中部分原始图像进行数据增强，生成训练样本，其中，所述原始图像包括带标签的前列腺MR图像；根据所述训练样本训练预设网络，生成前列腺图像分割模型；根据所述前列腺图像分割模型对测试样本进行测试，获取所述测试样本中各个前列腺测试图像的分割结果，其中，所述分割结果包括前列腺体，实现通过模型分割前列腺图像中的前列腺体，不仅提高分割的效率，还提高分割的准确性。
基于数据增强前列腺图像分割方法装置设备

[发明专利]一种融合双眼特征的糖网病识别方法及装置-CN201910526271.3有效
发明人： 唐奇伶;罗芬;方全;张彗彗;谌先敢;王娇 -专利权人：中南民族大学
申请日： 2019-06-18 - 公布日： 2021-08-10 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种融合双眼特征的糖网病识别方法及装置，包含：获取多个医学眼底图片组并分别进行预处理，对各个医学眼底图片组的左眼图片和右眼图片分别进行特征提取，将提取的左眼特征图和右眼特征图进行维度叠加，以实现特征的融合，对融合后的特征图进行全局最大值池化，使用dropout层降低模型的过拟合，随后将特征进行全连接至长度为2K的特征向量，然后再次分离为K维的左眼特征和右眼特征，将所述左眼特征和右眼特征分为两个子类，分别带标签的进行训练，得到左眼识别子模型和右眼识别子模型，用于进行左眼和右眼的糖网病的程度识别。本发明通过特征融合加强网络对左右眼共同特征的关注度，进而同时提高两张图片的类别识别准确率。
一种融合双眼特征糖网病识别方法装置

[发明专利]基于非经典感受野调制神经网络的轮廓检测方法及系统-CN201910361332.5有效
发明人： 唐奇伶;符玲玲;郑菲;刘海华;高智勇 -专利权人：中南民族大学
申请日： 2019-04-30 - 公布日： 2021-03-19 - 主分类号： G06K9/46 文献下载
摘要：本发明公开了基于非经典感受野调制神经网络的轮廓检测方法及系统，包括：利用多尺度采样构造一组多分辨率图像金字塔；对每个尺度的图像集合利用稀疏自编码器无监督学习简单细胞感受野的特征表达，得到图像的不同低层特征映射；分别为不同的感受野细胞产生的特征映射构造一个与之匹配的调制环境；根据非经典感受野中的信息对感受野所产生的响应进行调制，并融合不同特征的调制结果成统一的特征表达；联合不同尺度的结果输入分类器计算轮廓概率。本发明利用非经典感受野中的信息对感受野中的响应产生抑制或易化的调制作用，大量地减少无意义的琐碎纹理边缘，并突出区域的边界，保存图像的显著性结构，提高图像的轮廓检测性能。
基于经典感受调制神经网络轮廓检测方法系统

[发明专利]前列腺磁共振图像的分割方法及系统-CN201811538977.3有效
发明人：谌先敢;刘海华;刘李漫;唐奇伶 -专利权人：中南民族大学
申请日： 2018-12-14 - 公布日： 2020-10-30 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种前列腺磁共振图像的分割方法及系统，涉及医学图像处理领域。该方法包括以下步骤：在训练阶段，将图像输入全卷积网络，得到相应的输出概率，计算输出概率与标签之间的交叉熵；根据图像和标签计算权重图，将交叉熵与权重图按像素至像素的方式相乘，得到最终的损失，调整全卷积网络的参数，使该损失达到最小值；在分割阶段，将待分割的前列腺磁共振图像输入训练好的全卷积网络，得到初分割结果。本发明能够实现从磁共振图像自动分割前列腺内的中央腺体和外周区域。
前列腺磁共振图像分割方法系统

[发明专利]一种基于在线学习的自适应级联分类器训练方法-CN201010166225.6有效
发明人：桑农;罗大鹏;黄锐;唐奇伶;王岳环;高常鑫;高峻;笪邦友 -专利权人：华中科技大学
申请日： 2010-05-10 - 公布日： 2010-08-25 - 主分类号： G06K9/66 文献下载
摘要：本发明公开了基于在线学习的自适应级联分类器训练方法，其步骤为：①准备一个含有少量样本的训练样本集，采用级联分类器算法训练一个初始的级联分类器HC(x)；②使用HC(x)遍历待检测的图像帧，逐一提取与上述训练样本同样大小的区域计算其特征值集合，从而可用初始的级联分类器对其进行分类，判断是否为目标区域，即完成目标检测；③对检测到的目标采用粒子滤波算法进行跟踪，通过跟踪对目标检测结果进行验证，将错误的检测标注为在线学习的负样本。此外，通过跟踪获取真实目标的不同姿态，从中提取在线学习的正样本；④每获得一个在线学习样本，采用自适应级联分类器算法对初始级联分类器HC(x)进行在线训练和更新，从而逐步提高分类器的目标检测精度。
一种基于在线学习自适应级联分类训练方法

[发明专利]一种目标检测方法-CN201010114137.1有效
发明人：罗大鹏;桑农;黄锐;王岳环;唐奇伶;高峻;高常鑫;笪邦友 -专利权人：华中科技大学
申请日： 2010-02-10 - 公布日： 2010-08-11 - 主分类号： G06K9/66 文献下载
摘要：本发明公开了基于维数递增弱线性回归树的目标检测方法，其步骤为：①准备训练样本集(x_i，y_i)，i＝1，……，N，x_i表示训练样本的特征值集合，y_i为样本类别，N为训练样本数，N为自然数；②初始化训练样本权重为，其中t为自然数，初始化时t＝1；③对样本集合进行循环计算，选定循环次数T，T为自然数每次循环都得到一个线性回归树作为弱分类器。等到T次循环完成后，再将T个弱分类器合成一个强分类器；④使用该强分类器对数字图像中的各个区域进行分类，从而判断是否为目标区域，完成目标检测。本发明方法提出采用线性回归树作为弱分类器，即每个弱分类器不再只含有一个特征，而是用线性回归树将多个特征进行有机的组合，提高了分类器的分类能力，当训练出的分类器用于图像中的目标检测时可以获得较高的检测率及较快的检测速度。
一种目标检测方法

[发明专利]一种图像自动分割结果的性能分析方法-CN201010120808.5有效
发明人：桑农;黄锐;唐奇伶;王岳环;高常鑫;高峻 -专利权人：华中科技大学
申请日： 2010-03-05 - 公布日： 2010-08-11 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种图像自动分割结果的性能分析方法，本发明通过计算多个手工标注的分割结果之间在像素上的感知一致程度，赋予每个像素不同的权重，感知一致程度越高，像素的对应权重就越高，最后计算出加权后的评价指数，作为待评价的分割结果的最终评价指数。采用本发明方法得到的性能分析指标，由于定义了能够定量的反应出由某种计算机算法所处理的图像自动分割结果与人工标注的分割结果的符合程度，从而，客观的反应出某种计算机图像自动分割算法与人类视觉感知在图像自动分割上的接近程度。
一种图像自动分割结果性能分析方法

[发明专利]一种基于邻域上下文特征的模板匹配方法-CN201010111147.X无效
发明人：桑农;高常鑫;唐奇伶;高峻;笪邦友;黄锐;孙彬;蒋良卫 -专利权人：华中科技大学
申请日： 2010-02-05 - 公布日： 2010-08-04 - 主分类号： G06K9/64 文献下载
摘要：本发明公开了一种基于邻域上下文的模板匹配方法，对场景图像逐像素点遍历提取与模板图像相同区域范围的搜索子图，对于满足邻域上下文约束的搜索子图，计算其与模板的相关性，依据相关性越大，该搜索子图对应的遍历像素点成为目标点可能性越大的准则选取目标像素点。本发明关键之处在利用了邻域上下文的约束，并不是在所有的位置都计算子图与模板的相关性，而是只在满足邻域上下文约束的位置计算。在目标部件检测中加入该约束，提高了检测的准确性，由于该约束去除了很多位置点，因此还提高了检测速度。
一种基于邻域上下文特征模板匹配方法

1
2
下一页»
尾页
共 21 条