“上官宏”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22个，建议您升级VIP下载更多相关专利

[发明专利]一种基于渐进式融合网络的脑卒中病灶分割方法-CN202310416783.0在审
发明人：杨婕;张岩波;上官宏;孙悦;高阳;闫江林;张雄;贺文彬;田雅娟;李钦青 -专利权人：山西中医药大学;太原科技大学
申请日： 2023-04-18 - 公布日： 2023-08-11 - 主分类号： G06T7/00 文献下载
摘要：本发明公开一种基于渐进式融合网络的脑卒中病灶分割方法，包括步骤：采用三层U‑Net网络构建多阶段分割网络，该多阶段分割网络分别为第一阶段分割子网络、第二阶段分割子网络、第三阶段分割子网络，将待分割的脑卒中MRI图像通过shuffle操作得到不同分辨率的三级金字塔图像，作为每个阶段输入图像；将各阶段输入图像分别输入到各阶段分割子网络依次进行迭代，迭代过程中对输入图像进行特征提取，最终输出分割图。本发明构建的多阶段分割网络通过设置编码端跨阶段共享特征学习模块和解码端末端的渐进式自适应融合模块，增强各阶段分割子网络之间的关联性，提高多阶段结构提取的特征和分割结果的利用率，从而提高医学图像分割的精度。
一种基于渐进融合网络脑卒中病灶分割方法

[发明专利]一种基于注意力卷积神经网络的胸部肋骨骨折检测方法-CN202010845981.5有效
发明人：张雄;彭司春;上官宏;侯婷;郝雅文;王安红 -专利权人：太原科技大学
申请日： 2020-08-20 - 公布日： 2023-06-16 - 主分类号： G06T7/00 文献下载
摘要：本发明属于CT图像目标检测领域，具体技术方案为：一种基于注意力卷积神经网络的胸部肋骨骨折检测方法，具体步骤如下：一、获得胸部肋骨骨折数据集；二、对数据集进行训练，训练过程分为以下步骤：1)、将数据集送入预处理模块进行预处理；2)、特征提取网络提取初级特征；3)、多尺度Inception模块提取多尺度特征，并对不同尺度特征进行重新组合；4)、级联角点池化预测模块预测关键点，并输出对应的热点图/连接矢量/偏移量；5)、通过整体损失函数对关键点的热点图/连接矢量/偏移量进行约束；三、对胸部肋骨骨折数据集进行测试，根据预测的左上角、右下角、中心关键点的参数进行目标分类和定位，分类准确度高，定位精度高。
一种基于注意力卷积神经网络胸部肋骨骨折检测方法

[发明专利]基于卷积神经网络多特征融合的太阳能电池缺陷检测方法-CN202010429805.3有效
发明人： 上官宏;宁爱平;郝雅雯;张雄;王安红;彭司春;侯婷 -专利权人：太原科技大学
申请日： 2020-05-20 - 公布日： 2023-05-30 - 主分类号： G06T7/00 文献下载
摘要：基于卷积神经网络多特征融合的太阳能电池缺陷检测方法，属于太阳能电池表面缺陷检测技术领域，解决网络对太阳能电池板表面各种缺陷类型适应度的技术问题，本发明在Faster R‑CNN卷积神经网络结构基础上引入跨层连接的思想，使之在学习深层特性信息的同时，学习浅层信息，有效降低错误率；采用多尺度的方式进行目标候选框的提取，通过一定比例融合挑选出适合的框作为候选框，在一定程度上减少漏检率，增加多尺度特征融合层可以有效适用于太阳能电池板表面缺陷的检测。本发明针对太阳能电池板表面缺陷的狭长、细小的特性，使用多种纵横比和尺度，使之更适应缺陷类型，能增加预测框的准确度，能有效提高目标检测准确率、检测缺陷位置、具有较高的置信度值。
基于卷积神经网络特征融合太阳能电池缺陷检测方法

[发明专利]一种采用循环频谱的三维腭皱识别方法-CN201911216905.1有效
发明人： 上官宏;李冰;张雄;王安红;罗强;杨婕 -专利权人：太原科技大学
申请日： 2019-12-02 - 公布日： 2023-04-28 - 主分类号： G06V40/10 文献下载
摘要：本发明属于人体生物特征法医同一认定技术领域，具体技术方案为：一种采用循环频谱的三维腭皱识别方法，具体步骤为：采用便携式彩色口内扫描仪获取三维腭皱信息；对采集到的三维腭皱图像进行等距切片；对腭皱切片图像进行腐蚀及二值化处理；构建腭皱切片数据库；提取切片图像中腭皱切线的循环频谱特征；采用4×4均匀分块方案对所提腭皱切线循环频谱特征图进行分块，进而构建腭皱切线循环频谱特征向量；最后进行三维腭皱识别；本方法提出的等距切片思想简化了三维腭皱图像识别问题的复杂度，更能反映腭皱切线的本质特征，对循环谱特征的分块处理避免了数据灾难问题的出现，本方法可以降低计算三维腭皱识别问题的复杂度，加快运算的速度。
一种采用循环频谱三维腭皱识别方法

[发明专利]一种基于最小二乘拟合的腭皱图像感兴趣区边界标定方法-CN201910075585.6有效
发明人：张雄;武晓嘉;罗强;王安红;上官宏;吉新新 -专利权人：太原科技大学
申请日： 2019-01-25 - 公布日： 2023-03-24 - 主分类号： G06V10/25 文献下载
摘要：一种基于最小二乘拟合的腭皱图像感兴趣区边界标定方法，属于腭皱识别领域，本发明提出一种基于最小二乘法的腭皱边界标定方法，首先，按照牙齿分布选取特征点；其次，对所选特征点进行边界拟合，标出腭皱区域的边界；最后，构造掩膜，将位于边界外侧的部分剔除，滤除干扰，经过三个样本进行仿真实验及分析，本发明的方法能对腭皱区域实现边界定位，且避免反复迭代运算，节省时间，精确的边界标定方法能够有效提高腭皱数字图像识别的准确率，进而推进法医同一认定的实践化进程。
一种基于最小拟合腭皱图像感兴趣边界标定方法

[发明专利]一种基于残差编解码网络的低剂量CT图像去噪递归方法-CN201910499262.X有效
发明人：崔学英;张雄;刘斌;上官宏;王安红 -专利权人：太原科技大学
申请日： 2019-06-11 - 公布日： 2023-03-14 - 主分类号： G06T5/00 文献下载
摘要：本发明属于图像处理技术领域，具体涉及一种基于残差编解码网络的低剂量CT图像去噪递归算法；具体技术方案为：一种用于低剂量CT图像去噪的浅层残差编解码递归网络，递归浅层残差编解码网络通过减少残差编解码网络中的层数和卷积核的个数以降低网络的复杂度，利用递归过程提升了网络的性能，该算法通过网络训练学习端对端的映射以获取优质图像，在每次递归时，都将原始的低剂量CT图像级联到下一次的输入，可有效地避免图像在多次递归后失真的问题，能够更好地提取图像特征，保留图像的细节信息，本发明不仅可以降低网络的复杂度，还能提高网络性能，使得去噪后的图像很好地保留了图像细节，图像结构更加清晰。
一种基于残差编解码网络剂量 ct 图像递归方法

[发明专利]用于LDCT图像去噪的高频敏感GAN网络-CN201910779574.6有效
发明人：张雄;杨琳琳;上官宏;王安红;武晓嘉;韩泽芳 -专利权人：太原科技大学
申请日： 2019-08-22 - 公布日： 2022-12-27 - 主分类号： G06T5/00 文献下载
摘要：本发明属于CT图像处理技术领域，具体涉及一种用于LDCT图像去噪的高频敏感GAN网络，采用两级嵌套生成器，将LDCT图像分解成高频和低频两部分进行处理，一级生成器采用U‑Net处理高频部分，生成的高频图像与低频图像叠加作为二级生成器的输入，从而生成最终去噪图像，在一级生成器中加入了衡量高频网络生成的高频图像与NDCT高频分量之间L1距离的细节损失LD项来约束高频部分生成的图像质量，在二级生成器中加入衡量二级U‑Net网络生成的去噪图像与NDCT图像之间L1距离的LG项，将inception模块融入到判别器网络中，用于提取真假图片的多尺度特征，使得去噪后的图像纹理细节以及清晰度更接近于真实图像。
用于 ldct 图像高频敏感 gan 网络

[发明专利]一种基于方向向量的腭皱倾斜图像矫正方法-CN201910074646.7有效
发明人： 上官宏;武有成;张雄;王安红;罗强;吉新新 -专利权人：太原科技大学
申请日： 2019-01-25 - 公布日： 2022-12-27 - 主分类号： G06T3/60 文献下载
摘要：一种基于方向向量的腭皱倾斜图像矫正方法，属于腭皱识别领域，本发明针对由于采集角度的多样化而造成的图像倾斜问题，提出了一种基于方向向量的倾斜腭皱图像矫正算法，该算法首先设定腭皱标准图像的判断准则及特征点的选取规则；然后依据规则选择特征点进行标定并拟合出两条直线，求其方向向量；最后由两方向向量的夹角确定目标图像的旋转角度并进行旋转，以获得角度矫正图像，对从不同角度采集的腭皱图像进行仿真测试，实验结果表明，该算法能够很好的对目标图像进行角度矫正以获得标准图像，具有较强的鲁棒性。
一种基于方向向量腭皱倾斜图像矫正方法

[发明专利]太阳能电池表面缺陷检测方法-CN202110646252.1有效
发明人：张雄;候婷;上官宏;王安红;武晓嘉;李进 -专利权人：太原科技大学
申请日： 2021-06-10 - 公布日： 2022-12-02 - 主分类号： G06T7/00 文献下载
摘要：本发明属于太阳能电池表面缺陷检测技术领域，具体技术方案为：太阳能电池表面缺陷检测方法，具体步骤为：一、收集太阳能电池EL图像；二、对太阳能电池表面缺陷图像数据进行类别分类、标注、格式转换操作，获得太阳能电池标明缺陷检测数据集；三、对缺陷数据集进行训练；四、对太阳能电池表面缺陷数据集进行测试；在步骤三的步骤中，本发明在特征提取阶段使用跨层连接，充分保留了浅层的细节纹理信息，进一步增强了太阳能电池表面缺陷特征的表达能力，在RPN中融合了三支路空洞卷积块，更好地学习不同尺度范围内的特征，使得提取到的候选框更加准确，适用性更强，本发明提出了新的评判标准，可以广泛地应用在使用NMS策略的检测网络中。
太阳能电池表面缺陷检测方法

[发明专利]一种用于飞机发动机的剩余使用寿命预测系统-CN202210966774.4有效
发明人：张雄;郭云飞;上官宏;王安红;刘斌 -专利权人：太原科技大学
申请日： 2022-08-12 - 公布日： 2022-11-01 - 主分类号： G06F30/27 文献下载
摘要：本发明一种用于飞机发动机的剩余使用寿命预测系统，属于机器剩余使用寿命预测领域，现有技术存在的退化特征提取不突出、网络复杂度大、预测精度不高的问题，使用前，需要通过信息采集模块获取飞机发动机不同部位部件的大量传感器信号；随后送入数据预处理模块对传感器数据进预处理，以方便下一模块使用；利用特征提取模块来对待预测的样本数据进行特征提取；最后通过回归预测模块来得到待预测飞机发动机的剩余使用寿命预测值；本发明解决了在大量传感器数据中提取重要退化特征并实现机器剩余使用寿命精准预测的问题，并提高了预测精度。
一种用于飞机发动机剩余使用寿命预测系统

[发明专利]一种基于改进CycleGAN的面部穴位自动定位检测系统及方法-CN202110803402.5有效
发明人：杨婕;闫敬来;上官宏;高阳;张雄;贺文彬;田雅娟;李钦青 -专利权人：山西中医药大学;太原科技大学
申请日： 2021-07-14 - 公布日： 2022-11-01 - 主分类号： G06V10/774 文献下载
摘要：本发明公开一种基于改进CycleGAN的面部穴位自动定位检测系统及方法，方法包括如下步骤：生成训练数据集，包括采集人体面部图像构成没有穴位标定图像数据集，在人体面部图像上标注穴位构成有穴位标定图像数据集；构件循环生成对抗网络模型，所述生成对抗网络模型通过输入训练数据集对循环生成对抗网络模型进行训练、收敛；穴位自动标定、输出，输入面部图像信息，通过训练后的循环生成对抗网络模型将没有穴位标定的面部图像转换为有穴位标定的面部图像，而后对有穴位标定的面部图像进行输出，以自动根据不同面部图像对应标定穴位。本发明依照上述系统及方法能够自动标定穴位，降低了穴位标定难度，提高了穴位标定准确度。
一种基于改进 cyclegan 面部穴位自动定位检测系统方法

[发明专利]抑制低剂量CT图像中伪影噪声的多尺度特征生成对抗网络-CN202011482596.5有效
发明人：张雄;韩泽芳;上官宏;韩兴隆;崔学英;王安红 -专利权人：太原科技大学
申请日： 2020-12-15 - 公布日： 2022-09-13 - 主分类号： G06T11/00 文献下载
摘要：本发明属于CT成像技术领域，具体方案为：抑制低剂量CT图像中伪影噪声的多尺度特征生成对抗网络，选择LDCT图像降噪模型，构建成对LDCT图像与NDCT图像数据集，将LDCT图像输入误差反馈金字塔生成器网络中，金字塔生成器网络从不同角度来提取LDCT图像的跨尺度特征，LDCT图像经过误差反馈金字塔生成器网络处理后输出初步降噪结果图，NDCT图像与初步降噪结果图共同输入交错卷积判别器子网络中迭代训练，输出最终降噪结果图；误差反馈金字塔生成器能够提取图像同一尺度内的浅层特征与深层特征，增加特征提取的丰富性，提高判别器的鉴别能力，本发明解决了因噪声伪影与组织结构分布高度相似而引发的欠降噪或过降噪问题。
抑制剂量 ct 图像中伪影噪声尺度特征生成对抗网络

[发明专利]用于低剂量CT图像降噪及去伪影的双注意力生成对抗网络-CN202010842110.8有效
发明人：张雄;韩泽芳;上官宏;韩兴隆;杨琳琳;王安红 -专利权人：太原科技大学
申请日： 2020-08-20 - 公布日： 2022-09-02 - 主分类号： G06T11/00 文献下载
摘要：本发明属于CT成像技术领域，公开了一种用于抑制低剂量CT图像中的噪声与伪影、便于后期精确地医学诊断与分析的深度学习方法；具体技术方案为：用于低剂量CT图像降噪及去伪影的双注意力生成对抗网络，双注意力生成对抗网络分别用于分布不均匀、无规则的噪声特征与分布复杂的组织纹理特征的提取；设计多尺度特征提取的Res2Net判别器网络，既提高了判别器的鉴别能力，又增强了对抗训练的稳定性与鲁棒性；设计伪影注意力损失、伪影一致性损失、结构约束损失、对抗损失与像素级L1损失相结合的多描述损失函数进一步提高各个子网络的功能；本发明解决了因噪声伪影与组织结构分布高度相似而引发的欠降噪或过降噪现象。
用于剂量 ct 图像去伪影注意力生成对抗网络

[发明专利]基于卷积神经网络的CT图像重建方法及系统-CN202011524919.2有效
发明人：张鹏程;桂志国;上官宏;王燕玲;刘祎;舒华忠 -专利权人：中北大学
申请日： 2020-12-22 - 公布日： 2022-08-19 - 主分类号： G06T11/00 文献下载
摘要：本发明公开一种基于卷积神经网络的CT图像重建方法及系统，所述方法包括输入投影数据，利用前端卷积神经网络对所述投影数据进行滤波处理，反投影处理生成断层图像信息，利用后端卷积神经网络对生成的断层图像信息进行处理，以及利用处理后的断层图像和真实图像计算整个网络损失函数的值，并将损失函数的梯度信息反向逐层反馈，更新各网络层的参数值。本发明利用多层卷积神经网络处理投影数据，充分挖掘投影数据中的有用信息，有效地提高了整体神经网络模型的特征提取和信息表达能力；避免了在神经网络模型中使用全连接层，所需神经网络模型参数较少，易于实现。
基于卷积神经网络 ct 图像重建方法系统

[发明专利]一种自适应目标框优化的无人机跟踪方法-CN202210525565.6在审
发明人：张雄;李晏隆;上官宏;武晓嘉;宁爱平;王安红 -专利权人：太原科技大学
申请日： 2022-05-16 - 公布日： 2022-07-29 - 主分类号： G06T7/246 文献下载
摘要：本发明属于图像处理技术领域，具体涉及一种针对无人机视角下选定目标进行准确跟踪的图像方法，具体技术方案为：一种自适应目标框优化的无人机跟踪方法，孪生跟踪网络由特征提取骨干网络模块、锚点候选模块、多尺度特征提取模块、特征融合模块和自适应分类回归模块组成；本发明一方面引入了一个全新的多尺度通道注意力机制—MSCA模块，通过此模块提高了用于锚点生成的模板特征的表达能力，另一方面引入了可变形卷积的思想，利用锚框信息作为偏移量参数，用于提高自适应分类和回归网络的信息获取能力，在UAV123、UAV20L、GOT‑10K等三个公开基准数据集上的实验表明，与传统的算法相比，我们提出的方法拥有更好的跟踪性能。
一种自适应目标优化无人机跟踪方法

1
2
下一页»
尾页
共 22 条