|
钻瓜专利网为您找到相关结果 16个,建议您 升级VIP下载更多相关专利
- [发明专利]一种人脸图像超分辨率二次重建方法-CN201910066657.0有效
-
周莲英;倪若婷
-
江苏大学
-
2019-01-24
-
2023-07-21
-
G06T3/40
- 本发明公开了一种人脸图像超分辨率二次重建方法,首先对采集的监控视频进行人脸检测与目标提取,获得一定量(20‑30帧)的目标人脸图像,基于评估模型对获取的图像进行质量评估,择优选择多帧(3‑5帧)。其次对上述结果进行超分辨率重建,使多帧图像合成为一高质量虚拟图像。再次构建一个基于卷积神经网络CNN的人脸图像超分辨率重建模型MRES,用于学习高分辨率样本图像与相应低分辨图像的映射关系;该模型以去除池化层的inception结构为基础,采用了降低学习难度的残差学习思想,使用了可以全面提取特征的多尺度聚合模块并加入反卷积层代替插值操作。最后用第三步的训练模型对第二步进行训练,得到高分辨率人脸图像。本发明能在可控的训练时间内,提高重建效果。
- 一种图像分辨率二次重建方法
- [发明专利]一种基于卷积神经网络的MRI肿瘤体素检测方法-CN201910066668.9有效
-
周莲英;田学智
-
江苏大学
-
2019-01-24
-
2023-07-18
-
G06T7/00
- 本发明公开了一种基于卷积神经网络的MRI肿瘤体素检测方法,分为五步;第一步以AlexNet模型为基础,建立双路径双卷积核3D CNN模型框架,上路径采用大卷积核提取病灶区域与周边组织的相关性等特征,下路径采用小卷积核提取病灶区域本身的纹理、大小等特征;第二步在框架的卷积层之前加入1×1×1卷积核进行特征降维;第三步基于所构建的模型进行训练,并对原数据集进行样本扩充;第四步将CNN模型变成FCN模型;第五步在扩充过的数据上优化已经预训练的3D FCN模型,得到最终MRI肿瘤体素分类模型。该方法能在保证特征提取的全面性基础上,有效避免信息冗余,大幅减少参数量,降低计算成本,提高分类精度。
- 一种基于卷积神经网络mri肿瘤检测方法
- [实用新型]一种思想政治理论课课堂互动教学装置-CN202022773469.2有效
-
周莲英
-
湘南学院
-
2020-11-25
-
2021-09-14
-
F16M11/18
- 本实用新型公开了一种思想政治理论课课堂互动教学装置,包括装置本体、基板以及收纳盒,所述基板的顶部中心处设有支撑管,且所述支撑管与基板活动连接,所述基板的内部固定设有电机,且所述支撑管与电机通过输出轴传动连接,所述支撑管的顶部设有支板。本实用新型通过电机驱动支撑管顺时针翻转90度,通过支板可上下调节装置本体的位置高度,装置本体可在支板顶端调节倾斜角度,调节合适后拧紧调节螺栓固定装置本体,需要携带装置本体时,支板滑入支撑管中,电机驱动支撑管逆时针翻转90度,装置本体与基板嵌入收纳盒中,即可通过尼龙绳11携带收纳盒10,该装置可进行收复处理,便于携带,且装置便于调节使用,实用性好。
- 一种思想政治理论课堂互动教学装置
- [发明专利]云计算环境下基于遗传和蚁群的任务调度方法-CN201310112897.2有效
-
周莲英;张晓东
-
江苏大学
-
2013-04-02
-
2013-10-09
-
G06N3/12
- 本发明提供了一种云计算环境下基于遗传和蚁群的任务调度方法,包括:S1.初始化种群;S2.按轮盘式选择策略选择个体;S3.对个体按交叉概率做交叉操作,按变异概率进行逆转变异操作,产生新群体;S4.对产生的新群体进行更新;S5.判断是否满足动态融合条件;S6.用遗传找到的最优解初始化蚂蚁信息素;S7.计算每只蚂蚁移到下一节点的概率,根据概率移动每只蚂蚁到下一个节点;S8.M只蚂蚁遍历N个资源节点,最优蚂蚁圈进行信息素更新;S9.所有路径进行信息素更新;S10.判断是否满足蚂蚁结束条件,输出最优解。本发明汲取了遗传算法和蚁群算法各自的优点,克服彼此的缺点,将二者动态融合,使其在时间和求精确解的效率上兼顾。
- 计算环境基于遗传任务调度方法
- [发明专利]NSGA-II多目标优化搜索方法-CN201210264566.6无效
-
周莲英;杨鹤标;蒋玲;朱捷健
-
江苏大学
-
2012-07-29
-
2012-12-19
-
G06N3/12
- NSGA-II多目标优化搜索方法,包括下列步骤:随机初始化种群作为第一代父种群,种群数大小为N;将第一代父种群进行非支配排序,经过选择、交叉、变异后生成第一代子种群,然后合并为二倍种群;将合并后的二倍种群进行快速非支配排序,首先选取第一级非支配个体集N1,在随机丢弃D1个个体数后,填充入下一代父种群中;依次选取下一级非支配个体集Ni(i=2,3,……,n),在随机丢弃Di个个体数后,填充入下一代父种群中,直至最后一级非支配个体集Nn。最后一级为非支配个体集大于下一代父种群剩余填充空间的集合;对最后一级非支配个体集Nn,在随机丢弃Dn个个体数后,进行拥挤度计算,将拥挤距离较大的个体填充入下一代父种群的剩余空间内;将得到的下一代父种群进行选择、交叉、变异这些遗传操作,生成下一代子种群,合并下一代父子种群,转到(3)。
- nsgaii多目标优化搜索方法
|