“舒华忠”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]一种融合边界信息的图像目标区提取方法及应用-CN201910226802.7有效
发明人：孔佑勇;周彬;伍家松;杨淳沨;舒华忠 -专利权人：东南大学
申请日： 2019-03-25 - 公布日： 2023-10-10 - 主分类号： G06T7/12 文献下载
摘要：本发明涉及一种融合边界信息的图像目标区提取方法及应用，引入双神经网络先后应用，即采用神经网络RCF模型，以及改进型语义分割网络SegNet，针对目标类型灰度图像中的目标区域图像实现高效提取，其中能够结合局部特征和全局特征，有效克服网络下采样过程中细节特征丢失的问题，因此将设计方案应用于脑组织提取过程中，对于比较难分割的脑组织边界区域，能得到更好的脑组织区域图像提取效果。
一种融合边界信息图像目标提取方法应用

[发明专利]一种基于残差密集U形网络模型的丘脑分割方法-CN201911154760.7有效
发明人：孔佑勇;熊子瑾;徐宏岩;鲍旭东;舒华忠 -专利权人：东南大学
申请日： 2019-11-22 - 公布日： 2023-08-25 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于残差密集U形网络模型的丘脑分割方法，包括如下步骤：S1：对训练样本图像数据进行预处理；S2：构建待训练的语义分割网络模型；S3：将预处理后的训练样本图像，作为待训练的语义分割网络模型的输入，对待训练的语义分割网络模型进行训练，获取训练好的丘脑分割模型；S4：将待分割原始图像进行轴向面切片，并作为训练好的丘脑分割模型的输入，获取待分割原始图像的初步分割图像；S5：将待分割原始图像的初步分割图像进行拼接，获得三维丘脑分割结果图像。本发明的丘脑分割方法通过运用残差学习，增加了网络深度使得网络整体特征提取能力，解决了增加深度带来的副作用，即梯度弥散问题，从而使得丘脑组织更易提取。
一种基于密集网络模型丘脑分割方法

[发明专利]一种文本驱动视频生成系统的实现方法-CN202310330246.4在审
发明人：孟凡满;伍家松;杨淳沨;孔佑勇;章品正;杨冠羽;陈阳;舒华忠 -专利权人：东南大学
申请日： 2023-03-30 - 公布日： 2023-07-07 - 主分类号： G10L13/02 文献下载
摘要：本发明公开了一种文本驱动视频生成系统的实现方法，该方法把语音合成系统、视频生成系统集成到了一个系统。语音合成系统采用动态Web技术的JSP页面，通过执行后端服务器训练完成的语音合成模型，完成语音的生成，再通过框架把语音传送到前端，其中还增加了新增、删除、查询、批量删除、合成语音下载、合成语音变速等模块。视频生成系统以语音合成系统为基石，既可以采用语音合成系统生成的语音，也可以采用任意用户上传的语音，以及任意一张人脸图片，通过JSP页面将语音和图片传送到后端服务器，后端加载训练完成的视频生成模型，完成视频的生成，再通过框架把视频传送到前端，从而实现了完整的文本驱动视频生成系统。
一种文本驱动视频生成系统实现方法

[发明专利]一种军事新闻视频中自动裁剪的语音合成数据集制作方法-CN202310242449.8在审
发明人：孟凡满;伍家松;杨淳沨;孔佑勇;章品正;陈阳;董志芳;舒华忠 -专利权人：东南大学
申请日： 2023-03-14 - 公布日： 2023-06-02 - 主分类号： H04N21/439 文献下载
摘要：本发明公开了一种军事新闻视频中自动裁剪的语音合成数据集制作方法，该方法采用FFmpeg对视频的原始语音模态、视频模态进行提取，基于语音的pcm文件判断是否存在静默段，对静默段语音进行删除，基于科大讯飞的语音转文字功能，对每个语音文件进行文字转换，为了适应语音合成模型，还需要每段文字对应的拼音以及对齐的音素，基于python的pypinyin库，完成文字到拼音的转换，基于MFA模型、普通话模型、普通话词典完成音素对齐任务，实现军事新闻视频中自动裁剪出语音合成数据集的工作。通过设计的合理的流程和使用高效的算法，提高了构建高质量用于军事语音合成任务的数据集的效率，并能够方便地推广到其他任意场景下的语音合成数据集制作中。
一种军事新闻视频自动裁剪语音合成数据制作方法

[发明专利]一种包含手语的新闻类视频描述数据集构建方法-CN201910845200.X有效
发明人：伍家松;李晓燕;孔佑勇;杨淳沨;杨冠羽;姜龙玉;陈阳;舒华忠 -专利权人：东南大学
申请日： 2019-09-08 - 公布日： 2023-06-02 - 主分类号： G06F16/74 文献下载
摘要：本发明公开了一种包含手语的新闻类视频描述数据集构建方法，该方法把新闻类视频构建成包含音频、视频、手语、语言描述的数据集；该方法利用色差直方图算法进行视频的自动分割，并使用ffmpeg完成视频信息的自动提取，最后构建图形用户界面并根据用户输入信息自动生成视频描述与视频信息json文件。本发明通过利用新闻视频数据与手语信息构建数据集，为视频描述网络的研究以及视频描述技术在残疾人士服务中的应用提供了支持。
一种包含手语新闻视频描述数据构建方法

[发明专利]基于密集偏置网络和自编码器的半监督肾动脉分割方法-CN201910639378.9有效
发明人：杨冠羽;何宇霆;戚耀磊;朱晓梅;张少波;陈阳;孔佑勇;舒华忠 -专利权人：东南大学
申请日： 2019-07-16 - 公布日： 2023-05-12 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于密集偏置网络和自编码器的半监督肾动脉分割方法，包括：对现有的腹部CT血管造影图像，分割出图像中的肾脏区域得到感兴趣区域图像并进行标注得到肾动脉的真实掩模，并形成监督训练数据集和无监督训练数据集；将无监督训练数据集输入三维卷积去噪自编码器中进行图像重建训练，得到训练好的去噪自编码器模型；将监督训练数据集输入去噪自编码器模型，获得每张图像的先验解剖特征并同对应图像输入构建的密集偏置网络中进行分割训练，得到分割模型；对于新的待分割腹部CT血管造影图像，输入去噪自编码器模型得到图像的先验解剖特征，输入分割模型得到分割结果。本发明能获得高准确率的输出结果，快速实现肾动脉分割。
基于密集偏置网络编码器监督动脉分割方法

[发明专利]一种基于图卷积神经网络的脑网络分类方法-CN201910631316.3有效
发明人： 舒华忠;高舒雯;吴颖真 -专利权人：东南大学
申请日： 2019-07-12 - 公布日： 2023-04-11 - 主分类号： A61B5/055 文献下载
摘要：本发明公开了一种基于图卷积神经网络的脑网络分类方法，包括以下步骤：首先，从大脑功能核磁共振图像中提取各个脑区的血氧合度依赖信号；其次，构建能够反映大脑分区之间功能性连接拓扑结构特征的脑图；再次，将构建的脑图以及实际诊断标签输入到图卷积神经网络中进行特征学习以及模型训练。本发明用于脑网络分类。
一种基于图卷神经网络网络分类方法

[发明专利]一种基于电子病历信息的非酒精性脂肪肝疾病信息处理方法-CN202211268621.9在审
发明人：马瑛瑶;伍家松;姜大朗;靳鸿祥;王宁;薛一帆;孔佑勇;舒华忠 -专利权人：东南大学
申请日： 2022-10-17 - 公布日： 2023-04-07 - 主分类号： G16H10/60 文献下载
摘要：本发明公开了一种基于电子病历信息的非酒精性脂肪肝疾病信息处理方法，该方法收集病人电子病历信息，筛选出病人入院记录的原始文本信息作为病历数据集，通过命名实体识别提取出关键预测指标信息，得到结构化病历数据；将数据送入根据国际专家共识构建的MAFLD专家系统疾病概率预测模型，模型根据专家意见设置各诊断指标权重，经过三个模块对异常指标的判断，自动预测患者是否患有非酒精性脂肪肝以及患病概率，并给出此患者患病相应的预测依据；本方法利用电子病历信息，实现非酒精性脂肪性肝病的重要信息的提取和处理，为后续医生疾病的诊断提供重要参考依据，提高了疾病预测的准确率和效率。
一种基于电子病历信息酒精性脂肪肝疾病信息处理方法

[发明专利]一种基于对角体素的局部二值模式纹理算子的脑组织分割方法-CN201910892219.X有效
发明人：孔佑勇;刘永帆;杜森;舒华忠 -专利权人：东南大学
申请日： 2019-09-20 - 公布日： 2023-04-07 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于对角体素的局部二值模式纹理算子的脑组织分割方法，步骤如下所示：S1：对原始脑部磁共振扫描图像进行超体素聚类分割；S2：对超体素进行对角体素局部二值模式纹理特征提取；S3：根据所述对角体素局部二值模式纹理特征，以kNN为预测模型，进行特征匹配。本发明从三维的角度去整体地看待MRI数据，能够最大限度、高效地对有限的数据进行充分利用，从而可以很好地提取三维数据的特征，有效缓解MRI数据样本不足与机器学习需要大量训练数据的矛盾。
一种基于对角局部模式纹理算子组织分割方法

[发明专利]一种基于子空间特征学习的丘脑功能分区方法-CN201910772126.3有效
发明人：孔佑勇;高和仁;任洲甫;周卫平;舒华忠 -专利权人：东南大学
申请日： 2019-08-21 - 公布日： 2023-04-07 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于子空间特征学习的丘脑功能分区方法。首先，使用弥散张量成像进行纤维追踪以获得活体大脑内部结构连接信息，使用精细皮层分区针对复杂非线性的丘脑皮层特征提取形成结构连接特征。然后，使用深度子空间网络以及增加的自表达特性学习特征的隐藏子空间映射，提取低维子空间特征。最后，对体素特征加以空间约束降低噪声的影响，更好地反映空间拓扑结构，丰富对空间信息的提取，构建亲和度矩阵使用归一化割方法获得功能分区。本发明方法能够降低噪声的影响，并且能够更好地反映体素空间的拓扑结构，丰富对空间信息的提取，可以高效地获得丘脑功能分区。
一种基于空间特征学习丘脑功能分区方法

[发明专利]一种基于超体素与测度学习的弥散张量图像分割方法-CN201910670324.9有效
发明人：孔佑勇;高和仁;陈芊熹;章品正;舒华忠 -专利权人：东南大学
申请日： 2019-07-24 - 公布日： 2023-03-21 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于超体素与测度学习的弥散张量图像分割方法，包括以下步骤：首先，对弥散张量图像，计算描述每个体素水分子弥散的几何特征与方向特征。然后，在弥散张量图像的组织区域均匀采样种子点，结合位置、几何与方向特征，采用局部空间模糊聚类方法生成超体素。接着，在谱聚类的框架下，建立测度学习与聚类的优化模型，对目标函数采用迭代交替求解，实现超体素的分类。最后，将超体素的分类结果映射回图像空间，从而获得弥散张量图像的分割结果。本发明方法可以高效、稳定地获得精准的组织分割，对于大脑神经影像分析、疾病诊断与大脑认知研究等具有科学意义。
一种基于超体素测度学习弥散张量图像分割方法

[发明专利]一种基于三维卷积神经网络的CT造影图像肾动脉分割方法-CN201811620359.3有效
发明人：杨冠羽;何宇霆;李甜甜;赵子腾;吴显政;伍家松;孔佑勇;舒华忠 -专利权人：东南大学
申请日： 2018-12-28 - 公布日： 2023-03-14 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于三维卷积神经网络的CT造影图像肾动脉分割方法，涉及图像处理技术领域，设计了一种应用于CT造影图像肾动脉分割的三维卷积网络结构，利用手工标注获得肾动脉数据集，然后将训练集送入该网络结构进行训练，得到训练模型，利用得到的训练模型对新的肾脏数据进行预测，得到肾动脉分割掩模。本发明能够获得高准确率的输出结果，能够解决肾动脉难分割的问题，通过本发明能够直接得到肾动脉分割掩模。
一种基于三维卷积神经网络 ct 造影图像动脉分割方法

[发明专利]一种粤语新闻视频中自动裁剪含主播的视听数据集的方法-CN202211132338.3在审
发明人：伍家松;吴婷婷;孙威;杨淳沨;孔佑勇;章品正;陈阳;舒华忠 -专利权人：东南大学
申请日： 2022-09-17 - 公布日： 2022-12-09 - 主分类号： H04N21/4402 文献下载
摘要：本发明公开了一种粤语新闻视频中自动裁剪含主播的视听数据集的方法，该方法把粤语新闻视频裁剪为视频、语音两个模态的数据集合，其中每一段数据都只包含主持人进行新闻播报的场景。该方法基于HSV图像信息检测算法进行整个新闻场景的分割，基于FaceRecognition人脸检测库和人脸特征提取工具进行包含目标主播人脸的视频识别，基于语音活动检测算法对音频进行切分，再根据切分停顿点对视频进行切分，实现自动完成粤语新闻中裁剪含主播的视听数据集的制作。通过设计的合理的流程和使用高效的算法，提高了构建粤语高质量视听数据集的效率，并能够方便地推广到其他语言的视听数据集制作中，最终能应用于如粤语场景下语音去噪、音视频驱动的人脸生成模型的训练中。
一种粤语新闻视频自动裁剪含主播视听数据方法

[发明专利]一种基于四元数Zernike矩不变量的人脸表情识别方法-CN202211036368.4在审
发明人： 舒华忠;刘守一;伍家松;孔佑勇 -专利权人：东南大学
申请日： 2022-08-28 - 公布日： 2022-11-29 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于四元数Zernike矩不变量的人脸表情识别方法，所述方法包括以下步骤：步骤1：采集待验证的彩色人脸表情图像；步骤2：将图像切分为大小相同的9个小块；步骤3：分别对每个小块提取0‑14阶四元数Zernike矩不变量特征；步骤4：基于多局部表征和Transformer的神经网络设计；步骤5：将识别矩阵输入到深度神经网络中进行训练和识别。本发明使用四元数Zernike矩提取的彩色人脸特征具有较高的鲁棒性，利用机器视觉和深度学习技术，有效实现了对愤怒、厌恶、高兴等七种表情的识别。
一种基于四元数 zernike 不变量表情识别方法

[发明专利]一种基于弱监督的大脑磁共振图像分割方法-CN202011060583.9有效
发明人：孔佑勇;孙君校;吴飞;伍家松;杨冠羽;舒华忠 -专利权人：东南大学
申请日： 2020-09-30 - 公布日： 2022-11-18 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于弱监督的大脑磁共振图像分割方法，包括以下步骤：使用超体素匹配方法实现待分割图像与参考图像之间的匹配，使得待分割图像的超体素获得标签，在待分割图像匹配的超体素中，选择高置信度的超体素组成种子区域；建立一种脑组织分割网络模型BTSNet，以选择的种子区域作为监督标签，指导网络训练，获得图像每个体素的类别概率；采用了深度种子区域增长方法，以当前种子区域为基础，使用卷积网络输出的类别概率，更新种子区域；最后，迭代脑组织分割网络与深度种子区域增长两个步骤，直至种子区域覆盖整个图像，输出分割结果。本发明能够在只使用少量参考图像的超体素级别标签的条件下实现脑MRI图像的准确分割。
一种基于监督大脑磁共振图像分割方法

1
2
3
4
5
6
7
下一页»
尾页
共 98 条